基于多时相光学和雷达遥感的太平湖生态保护区森林地上生物量反演

【目的】探究光学和雷达卫星遥感对亚热带森林生物量的反演潜力。【方法】利用不同季节时间序列的合成孔径雷达(Senitinel-1)和光学数据(Sentinel-2),对太平湖生态保护区森林地上生物量进行反演。基于后向散射系数、光谱波段、植被指数和生物物理参数,采用回归随机森林算法探究Sentinel-1和Sentinel-2在地上生物量制图中的精度,探究对亚热带森林地上生物量制图的最佳影像采集时期,评估光学和雷达遥感特征参数对提高地上生物量估计精度的贡献。【结果】Sentinel-2对研究区森林地上生物量的估计精度[决定系数(R²)=0.68,均方根误差(E_RMS)=37.69 Mg·hm^-2]要优于Sentinel-1 (R²=0.47,E_RMS=49.11 Mg·hm^-2),但两者联合产生了最佳结果 (R²=0.78,E_RMS=31.56 Mg·hm^-2)。生长季(6和9月)的光学数据和旱...     

应用XGBoost算法对森林地上生物量的机载LiDAR反演

为了探究机载LiDAR数据结合极端梯度提升(XGBoost)算法估算森林地上生物量的可行性和适用性，寻求更优的森林地上生物量的监测和估算模型的建模方法。根据125块地面样地调查数据和机载激光雷达提取的点云特征变量，结合根据皮尔森相关系数和递归特征消除筛选变量，采用多元线性回归(MLR)、随机森林(RF)、支持向量机(SVM)和极端梯度提升(XGBoost)算法，建立4种不同算法的地上生物量估测模型并进行对比分析。结果表明：在训练集中，RF模型表现最好(R_MSE=9.98 t·hm^-2,R²=0.93,M_AE=5.69 t·hm^-2),其次是XGBoost模型(R_MSE=10.80 t·hm^-2,R²=0.89,M_AE=7.24 t·hm^-2);在测试集中，采用XGBoost算法建立的模型表现(R_MSE=12.20 t·hm^-2...     

Worldview-2不同波段纹理特征对森林蓄积量估算精度影响

为检测高分辨率遥感影像不同波段纹理特征对于森林蓄积量估算精度的影响,以湖北省荆门市京山县太子山林场马尾松纯林为对象,基于灰度共生矩阵的方法分别提取高分辨率遥感影像Worldview-2 红光、绿光、蓝光、近红外波段和全色波段的纹理特征,利用随机森林算法,分别建立野外样地蓄积量与纹理参数的模型。结果表明,全色波段对马尾松森林的精度最高（R²=0.86,RMSE=47.37 m³·hm^-2）,其次是绿色波段（R²=0.85,RMSE=50.82 m³·hm^-2）和近红外波段（R²=0.85,RMSE=46.85 m³·hm^-2）,蓝色波段（R²=0.68,RMSE=60.72 m³·hm^-2）和红色波段（R²=0.69,RMSE=56.27 m³·hm^-2）的精度最低;窗口大小对模型精度影响较小,全色波段的R²取值在0.82~0.86,RMSE取值在47.66~51.99 m³·hm^-2,多光谱波段的R²取值在0.88~0.89;蓝色和红色波段的非相似度（DIS）的估算模型精度相对较高,绿色波段的对比度（CON）（R²=0.87,RMSE=46.21 m³·hm^-2）估算精度最高,红色波段的非相似度（R²=0.68,RMSE=58.30 m³·hm^-2）估算精度较高,近红外波段的角二阶矩阵（ASM）（R²=0.68,RMSE=60.30 m³·hm^-2）精度最高,全色波段的对比度、相关性、熵、变化量模型精度较高,R2为0.85。利用高分辨率遥感影像纹理特征估算森林参数时需综合考虑不同波段的纹理特征对模型的贡献。     

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。     

应用局部样本最优K值KNN模型估测森林蓄积量

为了探究KNN算法(K-最近邻法)的优化方法及Landsat8 OLI在森林蓄积量估测中的应用潜力。以陕西省留坝县为研究区,采用Landsat8 OLI为遥感数据源并结合同时期的森林资源调查数据,构建多元线性回归(MLR)、K-最近邻(KNN)、随机森林(RF)、距离加权K-最近邻(DW-KNN)和局部样本最优K值KNN(LSO-KNN)模型进行森林蓄积量的遥感估测。随机抽取总样本的2/3用于训练模型,1/3用于模型的检验,并以决定系数(R²)、均方根误差(R_MSE)和相对均方根误差(R_RMSE)作为精度的检验指标对模型进行评价。结果表明：(1)在构建的5种森林蓄积量反演模型中,4种机器学习模型均高于MLR模型;(2)基于局部样本最佳K值构建的LSO-KNN模型估测结果最佳,其决定系数为0.72,均方根误差为39.58 m³/hm²,相对均方根误差为28.68%,均方根误差比MLR、KNN、RF和DW-KNN模型分别降低了30.89%、27.24%、24.23%和18.14%,...     

宜良县云南松林生物量遥感估测方法研究

利用landsat5影像和通过蓄积量-生物量转换方法获得的样地生物量数据,从宜良县云南松林遥感特征、地形特征、郁闭度等方面选取自变量,采用随机森林回归和偏最小二乘法进行生物量遥感估测建模。结果表明:随机森林回归估测模型调整决定系数R2为0.881,模型估测精度为82.3%;偏最小二乘模型的调整决定系数R2为0.753,模型估测精度为78.43%。随机森林回归在模型拟合效果和检验精度上均优于偏最小二乘模型。     

基于无人机多光谱影像反演不同生育期小麦光合参数分析

【目的】研究无人机多光谱影像对冬小麦光合作用实时监测的可行性，分析不同长势差异的冬小麦对估算模型的影响。【方法】选用16个冬小麦品种作为材料，在无氮处理N₀(0 kg N/667m²)和正常施氮处理N₁(15 kg N/667m²)下获得孕穗期、开花期和灌浆期无人机蓝(B)、绿(G)、红(R)、红边(RE)和近红外(NIR)5个波段的光谱遥感影像，结合同时期4种光合参数胞间CO₂浓度(Ci)、气孔导度(Gs)、净光合速率(Pn)和蒸腾速率(Ti),采用梯度增强回归和岭回归方法建立正常施氮处理下开花期和全生育期4个光合参数的估算模型，并用该估算模型估算无氮处理下开花期和全生育期4个光合参数。【结果】梯度增强回归可以较好的预测施氮下开花期净光合速率(Pn),决定系数(R²)为0.82,Ci、Gs和Ti的预测反演精度分别为0.44、0.64和0.48,在无氮处理下，该模型估算精度大于0.5的为Pn、Gs和Ti。【结论】岭回归在估算正常施氮下全生育期的4个光合参数...     

晋西北风沙区植物功能性状对人工柠条林生产力的影响

【目的】探究晋西北风沙区人工柠条林(Caragana korshinskii)功能性状对生产力的影响，揭示人工柠条林生态功能退化机制，以期为该区植被管理及生态安全的可持续性提供理论指导。【方法】利用一般回归模型和随机森林回归模型探讨植物功能性状对不同林龄人工柠条林生产力的影响。【结果】(1)随着林龄的增加，人工柠条林的生产力和地上生物量呈先增加后降低趋势，18年后出现退化现象；(2)人工柠条林茎叶比(R²=0.277,P=0.000)、基径(R²=0.404,P=0.000)、分枝数(R²=0.269,P=0.000)、株高(R²=0.395,P=0.000)、纵截面积(R²=0.211,P=0.001)、叶面积(R²=0.314,P=0.000)、叶片碳含量(R²=0.284,P=0.000)、叶干重(R²=0.233,P=0.001)、枝干重(R²=0.211,P=0.001)均与生产力...     

基于无人机高光谱影像的水稻叶绿素含量反演

【目的】为实现快速无损地监测水稻叶绿素含量,采用大疆M600 Pro无人机搭载SENOP RIKOLA高光谱仪获取水稻分蘖期冠层高光谱影像。【方法】利用相关性分析筛选出光谱指数的特征波长,构建DSI、RSI、NDSI、MSR、OSAVI和RDVI 6种植被指数,并利用一阶光谱导数计算其红边面积和红边幅值,分析8种光谱参数参与水稻叶绿素含量之间的相关性分析。将这些光谱参数作为CatBoost回归模型的输入变量,分析8种光谱参数对水稻叶绿素含量的估算能力。【结果】基于红边参数的反演模型中红边幅值拟合效果最好,其R²为0.952 4,RSME为0.638 1;基于植被指数的反演模型中OSAVI指数拟合效果最好,其R²为0.941 6,RSME为0.588 5。2种模型均能有效预测水稻叶绿素含量信息,可以作为水稻叶绿素含量监测的依据。【结论】将无人机高光谱遥感影像与机器回归算法相结合,可以实现对水稻冠层叶绿素含量的精准预测,从而对水稻的生长和健康状况进行实时监测,进而实现对水稻的精准施肥和精准灌溉,对水稻的增产增收以及精准农业的发展具有重要意义。     

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...     

应用机器学习模型与线性模型预测森林蓄积生长量的精度

为了探究不同模型对森林蓄积生长量的预测精度和影响因素，以吉林省汪清金沟岭林场为研究区，利用林场198个固定样地(20 m×20 m)中的乔木数据，建立多元线性回归(MLR)、随机森林(RF)、支持向量机(SVM)、最近邻法(KNN)模型，分析树木蓄积生长量与林分因子、地形因子和气候因子的关系，并比较不同模型的预测精度。结果表明：森林蓄积生长量与林分每公顷断面积(B_A)、大于对象木断面积(B_L)、海拔(A_L)、林分密度(N)、年均降水量(P)显著相关，与平均胸径(D)、坡向(A_s)、坡度(S_L)、年均气温(T)并不相关；不同模型的预测结果存在差异，随机森林(RF)方法所有测试指标最佳；随机森林方法得出的平均蓄积生长量预测值为51.45 m³·hm^-2,该模型均方根误差(R_MSE)最低(4.62),决定系数(R²)最高(0.91)。     

基于哑变量和因子选择的森林蓄积量估测研究

为提高森林蓄积量遥感估测精度,探讨哑变量技术在蓄积量遥感估测中的作用。以云南省普洱市思茅区为研究区,以Landsat 8 OLI和93块森林资源二类调查角规控制样地数据为基础,使用随机森林（random forest）算法进行遥感变量因子的选择,并以龄组为哑变量分别构建基于哑变量的SVR和PLSR蓄积量估测模型,采用留一交叉验证对结果进行评估。结果表明,使用随机森林算法进行变量的选择有效减少了自变量的维度,提高了计算效率;其次,哑变量引入后,PLSR和SVR 2种回归模型的估测精度都比无哑变量方法有明显的提高,且SVR的估测结果优于PLSR;在引入哑变量后SVR模型的决定系数R²由0.59提高到0.68,相对均方根误差rRMSE由36.76%降低至32.97%,PLSR模型的决定系数R²由0.53提高到0.62,相对均方根误差rRMSE由39.41%降低至35.24%。在森林蓄积量的遥感估测中,哑变量技术的应用可以在一定程度上解决不同蓄积量大小对估测结果造成的影响,进而提高蓄积量的估测精度。     

应用可见光和近红外图像对白桦凋落叶碳质量分数的估测模型

为了克服传统植物凋落叶碳质量分数检测方法成本高、费时耗力等问题，探究基于可见光、近红外图像信息和机器学习算法构建凋落叶碳质量分数估测模型，为实时监测和快速获取植物凋落叶的碳质量分数提供技术手段。以白桦凋落叶为研究对象，利用可见光和近红外图片信息提取光学三原色(RGB)、六角锥体模型(HSV)和单色图像中的叶片颜色、纹理和形状特征共47个，然后利用主成分分析对特征变量进行降维，并利用遗传算法优化神经网络模型(GA-BPNN)、3种不同核函数的支持向量机回归模型(SVR)和随机森林回归模型(RFR)对叶片碳质量分数进行建模和预测。结果表明：在训练数据集上，RFR模型对叶片碳质量分数的拟合和预测效果最好(平均绝对误差(E_MA)=4.625 3,均方根误差(E_RSM)=5.608 7,平均百分比误差(E_MAP)=0.010 6,决定系数(R²)=0.834 8);在测试数据集上，GA-BPNN和RFR模型对叶片碳质量分数预测精度相似，RBF-SVR模型的拟合和预测效果最好(E_MA=6....     

应用无人机可见光遥感技术估测林分蓄积量

以云南省富民县典型天然云南松(Pinus yunnanensis)纯林为研究对象,结合无人机影像获取和外业样地调查对林分蓄积量估测。结果表明：利用目视解译方法提取云南松单木冠幅,精度达72%;采用11种模型拟合得到云南松林分不同郁闭度的胸径-冠幅最优回归模型;3个郁闭度等级林分的平均蓄积量估测精度分别达53.12%、78.65%和81.16%。由此可见,中、高郁闭度林分的平均蓄积量估测精度较高,说明了无人机遥感估测林分蓄积量的可行性和适用性。     

基于多光谱影像特征的小麦锈病反演模型构建

【目的】研究如何从无人机多光谱遥感影像中提取有效的特征，并以此构建小麦锈病反演模型。【方法】以小麦锈病田块为研究对象，利用大疆精灵4无人机获取多光谱影像，分别提取植被指数和纹理指数，使用皮尔逊相关系数、灰色关联度和变量投影重要性等方法进行指数排序，利用判定系数、赤池信息准则进行变量筛选，分别使用偏最小二乘回归、后向传播神经网络(back propagation neural network, BPNN)、随机森林(random forest, RF)3种方法建立小麦锈病反演回归模型。【结果】利用变量投影重要性-赤池信息准则方法能够筛选出较好的光谱指数，使用BP方法构建的回归模型精度最高，其判定系数R²为0.918,RMSE是0.128。【结论】利用3种特征筛选方法，在构建的光谱指数、纹理特征集中筛选敏感特征，并建立小麦锈病反演模型，实现了小麦锈病灾害空间分布制图，为多光谱影像特征变量筛选提供了方法参考。     

基于Sentinel卫星及无人机多光谱的滨海冬小麦种植区土壤盐分反演研究——以黄三角垦利区为例

【目的】探究黄河三角洲麦田土壤盐分准确高效的遥感提取方法,掌握土壤盐渍化程度与分布。【方法】以垦利区为研究区,均匀布设冬小麦种植区样点77个,同时设置代表性试验区2个,网格布设样点99个,实测采集麦田土壤表层盐分数据及试验区无人机多光谱图像。筛选红、绿、红边、近红4个波段及SI、NDVI、DVI、RVI、GRVI 5个光谱指数中的敏感光谱参量,采用逐步回归、偏最小二乘法、BP神经网络及SVM支持向量机4种方法建立土壤盐分估测模型,使用波段比值均值法得到Sentinel-2A卫星影像相应波段的修正系数,进而将筛选的土壤盐分估测模型转换为基于卫星影像的反演模型,经麦区实测样点数据验证,得到最佳的麦区土壤盐分反演模型,实现试验区和研究区2个尺度的麦田土壤盐分反演。【结果】无人机4个波段及光谱指数NVDI、RVI、SI与土壤盐分含量相关性显著,4种建模方法的13个模型中,以NDVI、RVI、SI建立的4个指数模型的建模及验证R²均优于其他模型;对4个模型进行升尺度修正及验证,效果最佳的反演模型为偏最小二乘法光谱指数模型：Y=-9.4774×NDVI₁+0.4794×RVI₁+3.0747×SI₁+5.0604,验证R²为0.513,RMSE为1.379;利用该模型反演得到了试验区及整个研究区麦田土壤盐分等级分布图,结合实测插值及调查结果,证明反演模型及空间分布结果准确、可靠。【结论】本研究构建了卫星、无人机一体化的滨海麦区土壤盐分反演模型,对滨海盐渍区农作物的生产管理有积极参考价值。     

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。     

Sentinel-2影像结合空间关联随机森林模型反演裸土期耕地土壤全氮含量

为快速准确地获取区域内土壤全氮的含量信息和空间分布特征。选取山东省济南市章丘区刁镇为研究区，系统采集64个土壤样品并获取同期Sentinel-2(哨兵2号)影像数据，进一步利用皮尔逊相关分析法选择土壤全氮的敏感光谱参量作为自变量，测试得到的土壤全氮含量为因变量，分别建立基于随机森林和空间关联随机森林算法的反演模型，完成区域尺度的土壤全氮含量的遥感反演和数字制图。结果表明：哨兵2号影像的多光谱波段与土壤全氮含量相关性较低，通过波段间比值变换能够显著增强土壤全氮含量对光谱信号的响应能力，光谱指数b₆/b₁₁、b_8a/b₁₂、b₈/b₉、b_8a/b₉和(b₉-b₁₁)/(b₉+b₁₁)对土壤的全氮含量信息最为敏感；空间关联随机森林模型的反演精度指标R²和RMSE分别为0.90和0.11,相对比随机森林模型精度分...     

基于随机森林算法的冬小麦叶面积指数遥感反演研究

【目的】通过利用随机森林算法（random forest,RF）反演冬小麦叶面积指数（leaf area index, LAI）,及时、准确地监测冬小麦长势状况,为作物田间管理和产量估测等提供科学依据。【方法】本研究依据冬小麦拔节期、挑旗期、开花期及灌浆期地面观测数据,将相关系数分析（correlation coefficient,r）和袋外数据（out-of-bag data,OOB）重要性分析与随机森林算法（random forest,RF）相结合,在优选光谱指数和确定最佳自变量个数的基础上,构建了两种冬小麦LAI反演模型|r|-RF和OOB-RF,并利用独立数据集对两种模型进行验证;然后,将所建LAI反演模型用于无人机高光谱影像,进一步检验所建模型对无人机低空遥感平台的适用性和可靠性。【结果】|r|-RF和OOB-RF反演模型分别采用相关性前5强、重要性前2强的光谱指数作为输入因子时精度最优,验证决定系数（R²）分别为0.805、0.899,均方根误差（RMSE）分别为0.431、0.307,表明这两个模型均能对作物LAI进行精确反演,其中OOB-RF模型的反演效果更好。利用无人机高光谱影像数据结合OOB-RF估算模型反演得到冬小麦LAI与地面实测值的拟合方程的决定系数R²为0.761,RMSE为0.320,数值范围（1.02-6.41）与地面实测（1.29-6.81）亦比较吻合。【结论】本文基于地面数据构建的OOB-RF模型不仅具有较高的反演精度,而且适用性强,可用于无人机高光谱遥感平台提取高精度的冬小麦LAI信息。