基于多源遥感数据的森林生物量定量评价研究

以ALOS PALSAR L波段双极化FBD微波遥感数据及多光谱光学遥感数据AVNIR-2为基础,对数据进行预处理,利用地面云南松林样地坐标,提取HH、HV双极化后向散射系数及极化比值3个因子,结合光学遥感数据提取4个波段值及NDVI、RVI 2个植被指数,作为云南松林生物量估测因子。分别以微波数据、光学数据、微波及光学数据结合的多源遥感数据,建立3个云南松林生物量估测模型。结果表明:所建模型经方差分析均达到显著相关或极显著相关水平;PALSAR L波段双极化后向散射系数,可以反映森林生物量的变化,但反演精度有待进一步提高;AVNIR-2数据模型优于PALSAR L波段双极化数据模型;多源数据模型与光学数据模型的估测精度相近。     

基于PolInSAR森林高度反演研究

以仿真的全极化雷达L波段为数据源进行了复相干DEM差分算法和复相干幅度算法的森林树高反演研究,并采用星载全极化微波遥感数据ALOS PALSAR数据进行实例检验。结果表明:仿真试验中DEM差分算法严重低估了森林树高,复相干幅度算法则估测精度较高;ALOS PALSAR数据时间由于去相干和配准精度低等原因,难以有效估测森林树高。     

参数优选支持的光学与SAR数据森林地上生物量反演研究

  目的  森林是整个陆地碳循环系统中最大的有机碳贮库,准确地估测森林地上生物量影响着全球碳源与碳储量的分析与评价。本文旨在评价利用Landsat8 OLI、高分一号光学数据、ALOS-1 PALSAR-1SAR 3组不同源遥感数据估测森林AGB的潜力,进而剖析光学数据和SAR数据在估测森林AGB方面的差异。  方法  首先对Landsat8 OLI、高分一号光学数据、ALOS-1 PALSAR-1SAR数据分别提取波段比值、植被指数、纹理信息,对ALOS-1 PALSAR-1SAR数据同时提取极化分解信息;然后,利用随机森林算法对不同数据提取的特征参数进行重要性排序,选择排序靠前的特征进行建模;最后,利用KNN-FIFS算法分析不同特征组合,对4组数据建立4个模型估测森林AGB,并使用留一交叉验证法对4个模型估测森林AGB值进行精度评价。  结果  使用植被因子、波段比值、纹理因子、极化分解信息4种特征参数分别对3组数据进行建模估测森林AGB,基于Landsat8 OLI数据反演森林AGB的精度评价结果为R2 = 0.50,RMSE = 33.34 t/hm2;基于高分一号数据估测精度为R2 = 0.36,RMSE = 37.60 t/hm2;基于PALSAR纹理特征估测精度为R2 = 0.45,RMSE = 35.40 t/hm2;基于PALSAR全极化分解信息估测精度为R2 = 0.63,RMSE = 28.84 t/hm2。  结论  参数提取方法相同时,即基于植被因子、波段比值、纹理信息3种特征参数估测森林AGB,其光学数据和SAR数据的反演潜力基本一致;参数提取方法不同时,即SAR数据加入极化分解信息估测森林AGB,与光学数据相比,SAR数据对森林AGB的反演潜力较好。      

基于WorldView-2影像和随机森林算法的天山云杉蓄积量反演

【目的】研究林地遥感因子与蓄积量的关系来反演天山云杉林分蓄积量,为新疆天然林保护工程实施后天山云杉生态恢复与科学管理提供参考依据。【方法】以新疆天山西部巩留县恰国家西森林公园的天山云杉（Picea schrenkiana var.tianshanica）为研究对象,以样地内每木检尺为依据,基于WorldView-2影像,使用eCognition Developer 提取样地的光谱信息、纹理因子与植被指数三种遥感因子,通过随机森林算法建立模型反演天山云杉林分蓄积量。【结果】提取的24种遥感因子,筛选出对蓄积量影响最大的5种特征变量,分别为NDVI1、NDVI2、RVI2、均一性（Homogeneity）与相关性（Correlation）,建立随机森林回归模型,解释度高达81.27%,决定系数R²=0.8648（P<0.05）,估测样地蓄积量精度为86.38%。【结论】建立的随机森林回归模型可以有效地反演天山云杉林林分蓄积量。     

基于遥感和GIS的中山市五桂山森林蓄积量时间序列分析

采用中山市五桂山地区1990、2000、2010年3个时相的Landsat TM/ETM+遥感影像作为基本数据源,利用网格抽样方法,通过手持式GPS采集了保护区内120个抽样点的外业数据(蓄积量),借助ENVI遥感软件和SPSS统计工具,运用多元线形回归法,结合3S技术对中山市五桂山森林保护区的蓄积量进行时间序列的分析,构建了该研究区域的森林蓄积量遥感定量估测模型,并利用该模型提取研究区3个时相的森林蓄积量等级图,探讨其森林蓄积量的时间序列变化.该研究为实现流域森林生态系统的平衡,最大限度地发挥森林的生态、经济和社会效益提供科学依据.     

多源遥感数据结合的橡胶林有效叶面积指数升尺度估测

【目的】针对传统森林叶面积指数监测的小尺度、对植被具有破坏性以及低效率。【方法】以机载LiDAR数据和Landsat 8 OLI数据为主要信息源,使用LiDAR点云基于Beer-Lambert定理反演得到点云条带区橡胶林有效叶面积指数,并用样地实测叶面积指数对其进行差异性检验。其次,以LiDAR点云得到有效叶面积指数作为训练样本结合Landsat 8 OLI数据,分别使用偏最小二乘回归模型和BP神经网络模型对有效叶面积指数进行升尺度光学遥感估测。【结果】1)LiDAR点云反演得到的有效叶面积指数与样地实测的叶面积指数之间极显著相关且差异不显著,相关系数为0.82。2)研究所建立的遥感估测模型中,BP神经网络回归模型的估测结果优于偏最小二乘回归模型,其决定系数R2为0.54,均方根误差RMSE为1.23,相对均方根误差rRMSE为47.68%。【结论】在森林参数获取和林业调查中,机载激光雷达数据与光学遥感数据的结合可有效提高工作效率、降低调查成本、效弥补人工调查的不足。     

基于林分结构响应的PALSAR森林结构参数估测

为提高ALOS PALSAR数据估测森林结构参数的精度,引入代表林分结构复杂程度的调整熵值(ENTadj)参与估测,以消除林分结构对雷达后向散射系数的干扰。首先利用野外样地实测的树高计算林分的调整熵值,与Landsat8 OLI第6波段建立线性回归模型,获得基于像元的调整熵值。一般森林结构参数与ALOS PALSAR后向散射系数之间的关系可以用对数模型模拟。引入基于像元的调整熵值作为自变量对原始对数模型进行改进,分别对林分平均高、林分平均胸径、林分蓄积量建立了3种形式的改进模型。利用原始模型和改进模型分别对杉木林、马尾松林、阔叶林和针阔混交林的上述森林结构参数进行估测。最后比较模型拟合精度筛选出3项森林结构参数在各类森林中的最优模型,共计12个。结果表明:考虑林分结构干扰后,雷达估测森林结构参数模型的拟合精度R2均得到了提高。马尾松林各项森林结构参数模型的拟合度提高最大。精度检验结果表明:林分平均高估测精度(RMSE为0.74~2.51 m)、林分平均胸径估测精度(RMSE为2.61~5.61 cm)和林分蓄积量估测精度(RMSE为21.71~30.92 m3/hm2)都比较理想。本研究探讨了林分结构信息应用于合成孔径雷达后向散射系数反演森林结构参数方面的潜力,提高了光学数据结合雷达数据估算森林结构参数的能力。      

t检验在遥感数据建模中的应用

以山东省2006年共15景TM遥感影像灰度值与地面角规抽样实测数据为基础,采用多元回归估计的方法建立了森林蓄积量与遥感影像灰度值信息之间的反演模型。并通过t检验选择影响蓄积量估测的主要因子,使参与建模的变量因子达到最佳状态。     

顾及变量相关性的主成分分析法在森林蓄积量估测中的应用

为探究Landsat8 OLI反演蓄积量的潜力,研究不同特征选择方法对蓄积量反演精度及不同蓄积量反演模型对反演精度的影响。以湖南省怀化市排牙山国有林场作为研究区,森林资源二类调查数据作为样地地面实测数据,选用Landsat8 OLI作为遥感数据源,将传统的Pearson相关系数法及主成分分析法2种方法结合,得到一种顾及变量相关性的主成分分析法（PCA-P）对遥感变量进行降维。使用3种变量选择方法构建了随机森林（RF）、K最近邻（KNN）、支持向量机（SVR）、多元线性回归（MLR）模型进行森林蓄积量的估测,使用决定系数（R²）、均方根误差(R_MSE)、相对均方根误差(R_RMSE)对蓄积量估测模型进行精度评价。结果表明：通过Pearson相关系数结合方差膨胀因子得到I_B2、I_ND25、I_MSR3个遥感变量,其与蓄积量相关性分别为0.716、0.623、0.597。使用主成分分析法得到前3个主成分,累计贡献率为93.42%。通过PCA-P得到前2个主成分,累计...     

基于机载激光雷达影像的天山云杉林树高提取及蓄积量反演

【目的】研究提取影像高程数据建立模型反演天山云杉林分蓄积量,获得便捷、快速提取森林蓄积信息的技术方法,为研究山地天然林精准监测与评价提供技术途径。【方法】以新疆天山中部北坡天格尔森林公园天山云杉(Picea Schrenkiana var.tianshanica)为研究对象,机载激光雷达航拍影像与样地每木检尺为数据源,使用点云分类与克里金插值法对激光雷达影像高程数据进行提取获得天山云杉树高,根据样地实测数据构建胸径-树高模型,并根据胸径-树高模型天山云杉林林分蓄积量进行反演。【结果】激光雷达影像分辨率较高,经过点云分类后,采用克里金插值法提取的树高平均精度可达89.64%,幂函数曲线模型拟合度最高,R²为0.908,结合二元材积公式,基于激光雷达影像估测蓄积量与样地实测蓄积量对比,精度达到87.43%。【结论】采用克里金插值法对天山云杉林树高信息的提取效果较好,建立胸径-树高模型弥补了激光雷达不能对胸径直接测量的缺陷,反演天山云杉林林分蓄积量,该模型可满足对新疆山地天然林数字经营管理的标准。     

基于纹理信息的森林蓄积量估计

以河北省秦皇岛市山海关公益林为研究对象,结合Landsat TM数据和森林资源二类调查数据,运用灰度共生矩阵分析法提取纹理信息,采用逐步回归法建立多元线性回归模型,进行森林蓄积量的估算。结果表明:选取纹理因子参与建模,建立的线性回归方程的拟合效果较好,估测模型的R~2值达0.766,估计值的标准误差最小,标准误差最小值为28.036,说明纹理因子对提高森林蓄积量的估测精度有重要影响。     

基于Landsat8卫星光谱与纹理信息的森林蓄积量估算

以福建省将乐县国有林场为研究对象,通过外业实地调查得到样地蓄积量:以Landsat 8卫星遥感图像为数据源,对遥感图像进行处理,获取多光谱影像的波段光谱值、植被指数和波段组合值,并筛选出全色波段的最优纹理生成窗口与纹理特征;通过多元回归分析方法,分别建立仅以光谱因子为自变量和结合光谱信息和纹理特征的蓄积量估测模型,并比较两者之间的精度。实验结果表明:光谱因子的多元线性回归方程的相关系数为0.853,联合光谱和纹理特征因子反演的多元回归方程的相关系数为0.926。同时利用检验数据,得出模型的预测精度:光谱因子蓄积量的估算方程精度为79.81%,联合反演蓄积量的估算方程精度为85.98%。研究表明:引入纹理特征后蓄积量的预测精度得到一定程度的提高,利用Landsat 8全色波段的纹理特征进行蓄积量估测具有良好的应用前景。     

应用最大信息系数和支持向量机估测森林蓄积量

为了探究Landsat8 OLI影像和支持向量机算法在林分蓄积量估测中的潜力,以湖南省株洲市为研究区,以Landsat8 OLI卫星影像为遥感数据源,并结合同时期的湖南省森林资源二类调查数据,提取单波段特征、植被指数和纹理特征等遥感因子作为候选变量;利用最大信息系数对遥感变量进行筛选,并构建基于多项式核的PK-SVR模型、基于径向基核的RK-SVR模型、基于拉普拉斯核的LK-SVR模型和基于Sigmoid核的SK-SVR模型;以决定系数、相对均方根误差作为预测模型的评价指标,并与传统的线性回归模型进行对比,同时对研究区的森林蓄积量进行反演,得到株洲市森林蓄积量空间分布图。结果表明：支持向量机（SVR）模型的预测结果明显优于多元线性回归模型,RK-SVR模型的预测效果最好,其决定系数为0.61、均方根误差为69.26 m³/hm^-2、相对均方根误差为31.2%。     

基于无人机多光谱影像的云南松林蓄积量估测模型

【目的】无人机多光谱遥感影像较可见光影像具有更丰富的光谱信息,在森林蓄积量估测中具有较大潜力。以无人机载多光谱遥感影像为主要数据源,探索森林蓄积量的遥感估测模型,以克服传统地面调查工作量大、耗时长、成本高等弊端。【方法】以滇中地区典型天然云南松Pinus yunnanensis纯林为研究对象,利用无人机多光谱影像提取单波段反射率、各类植被指数、纹理特征等,计算各特征变量的标准地均值;筛选与云南松林蓄积量相关性显著的特征变量,采用多元线性、随机森林、支持向量机建立云南松林蓄积量估测模型,以决定系数(R²)、平均绝对误差(E_MA)、均方根误差(E₍RMS()、平均相对误差(E_MR)评价模型精度。【结果】(1) 3种模型中,随机森林的精度最高(R²=0.89,E_MA=4.69m³·hm^-2, E_RMS=5.45m³·hm^-2, E_MR     

应用Sentinel-2A卫星光谱与纹理信息的森林蓄积量估算

以Sentinel-2A为遥感数据源,以第九次森林资源清查数据为样地实测数据,对吉林省中东部的森林蓄积量进行反演。通过对遥感影像进行处理,获取影像的波段光谱值、植被指数,降维处理纹理特征以及地形因子;采用多元线性回归、偏最小二乘法、随机森林、支持向量机等构建了研究区的森林蓄积量估算模型,对检验样本做出了估测。结果表明:机器学习法在反演结果上均优于传统建模方法,随机森林法结果最优,相对误差为17.88%,方程精度为82.12%。     

Box-Cox变换在遥感数据建模中的应用

以山东省2006年共15景TM数据和2002年的ETM+数据为基础,结合地面542个样地调查数据,采用多元回归估计的方法,建立蓄积量与遥感信息之间的回归方程,对森林蓄积量进行估测。但由于TM1—TM7波段的灰度值和蓄积量值之间的线性关系不够明显,通过对参与建模变量进行了Box-Cox变换,建立森林蓄积量反演模型,提高了模型的估测精度,解决了在大尺度范围内利用TM数据对森林蓄积量估测问题。     

2019-12ml 目录

林业遥感经历了航片判读、卫片目视解译、蓄积量定量估测阶段后,已经进入参数定量反演阶段。在林业对遥感业务化监测和精度提升的强烈需求下,定量遥感逐步与林业遥感交叉融合,林业遥感定量化研究的人才队伍、理论模型、数据源和应用方法逐渐成熟。本文提出了林业定量遥感的概念和框架,指出了其中关键的科学问题:（1）如何使遥感解译、建模和反演适应复杂的森林状况;（2）如何提高参数反演的准确度;（3）如何丰富林业遥感数据源;（3）如何发展更为智能化的遥感数据自动化算法。在介绍适合林业的定量遥感模型和通用反演方法的基础上,阐述了高光谱、热红外、激光雷达和微波遥感数据源的林业应用方法。未来林业定量遥感将在全波段数据统一建模和信息融合机制、机理模型反演、大数据融合等方面进行突破。      

依据光学遥感特征优选的森林地上生物量反演

以Landsat 8、GF-1和Sentinel-2A为数据源,依据2019年、2020年外业调查数据为实测数据,提取纹理因子和植被指数,采用KNN-FIFS方法构建研究区的森林AGB估算模型,对云南省宜良县小哨林场森林AGB进行反演。结果发现3种光学数据的森林AGB估算模型中,Sentinel-2A数据结果最优,R²为0.60,R_MSE为21.40 t/hm²;GF-1反演结果次之,R²为0.59,R_MSE为22.11 t/hm²;Landsat 8反演结果较差,R²为0.47,R_MSE为23.29 t/hm²;组合3种数据特征的反演结果最差,R²为0.42,R_MSE为23.86 t/hm²。结论得出：高空间分辨率光学数据反演结果优于低空间分辨率结果,多源数据组合反演森林AGB低于单一数据源反演结果,Sentinel-2A和...     

基于偏最小二乘回归模型的高山松蓄积量遥感估测

以Landsat 8影像为遥感数据源,以遥感因子、GIS因子、林分因子、郁闭度等为自变量,在前期野外样地调查的基础上,采用偏最小二乘法(PLS),建立香格里拉县高山松蓄积量遥感估测模型。试验结果表明,郁闭度对香格里拉县高山松蓄积量估测的影响极其显著,第5、6波段对其影响较为显著;运用偏最小二乘法建立的样地蓄积量估测模型,调整决定系数R2为0.777 5,均方根误差RMSE为36.90 m3/hm2,总预报偏差的相对误差RE为23.18%,模型精度为73.08%。以像元为单位提取高山松林所对应的自变量因子,利用估测模型得到研究区高山松林总蓄积量为1 372.406万m3。     

基于随机森林算法的凉水自然保护区蓄积量反演研究

以黑龙江凉水自然保护区为研究对象,采用GF-1卫星遥感影像为数据源,提取遥感影像在不同窗口大小下的纹理特征信息,与遥感影像自身的光谱信息相结合;利用随机森林算法,结合地面蓄积量采样点数据,建立凉水自然保护区蓄积量反演模型。结果表明:只基于卫星光谱的反演模型的相关系数为0.59,基于卫星光谱与纹理特征的蓄积量反演模型的相关系数为0.65;当窗口大小为3×3时,森林蓄积量反演效果最好。研究表明,基于卫星光谱信息和纹理特征信息,利用随机森林算法进行森林蓄积量反演在森林资源调查方面具有良好的应用前景。