基于遥感数据云平台与机器学习的森林郁闭度自动估算方法研究

森林郁闭度是森林资源调查和监测工作的关键因子,如何实现客观、准确的自动化估算具有重要生产和实践意义。以杭州市余杭区为试验区,采用地面调查样地数据为训练数据,开展了基于遥感数据云平台(GEE)与机器学习的森林郁闭度自动化估算研究,并与常规多元回归方法进行了比较分析。结果表明,以GEE提供的Landsat 8数据测算的植被指数为预测因子,通过分类回归树、支持向量机等机器学习算法,可以实现森林郁闭度的准确监测,而传统多元回归分析方法精度较低无法满足生产业务要求。本研究开展的工作可在不需要本地的数据存储与计算能力的情况下,实现大范围森林郁闭度的快速自动化估算,具有广泛的推广价值。