共查询到20条相似文献,搜索用时 734 毫秒
1.
【目的】森林生物量的空间精准量化对了解陆地碳储量、碳收支、碳平衡,以及揭示森林碳储量与全球气候变化的影响过程具有重要意义。P波段波长较长,在森林中具有更高的穿透能力,研究机载P波段SAR数据提高森林地上生物量(AGB)估测精度的可行性。【方法】以机载P波段全极化合成孔径雷达(SAR)数据和高精度激光雷达(LiDAR)数据估测的森林AGB抽样点为基础,提取20个极化SAR特征,并分别与森林AGB变化作敏感性响应情况分析。采用多元线性回归模型(MLR)、K近邻方法 (KNN)、支持向量回归(SVR)和随机森林(RF)4种估测方法,探究机载P波段SAR数据的森林AGB估测精度。【结果】在较低森林AGB(均值约45 t·hm-2)的森林覆盖区中,P波段的同极化后向散射系数、Freeman-Durden和Yamaguchi分解中的表面和二次散射分量对森林AGB变化敏感;此外H-A-ALPHA极化分解的散射角(alpha)、拓展极化参数极化辨别率参数(PDR)也对森林AGB变化敏感。4种方法估测的森林AGB相对误差均约30%,其中MLR估测结果精度最低,估测精度为63.55%... 相似文献
2.
生物量是林业和生态应用研究的重要信息,森林生态系统地上生物量估算的遥感技术引起了国内外学者的广泛关注.总结与探讨不同数据源与估算方法能够为森林地上生物量的估算提供指导.本文首先总结并探讨单传感器遥感数据,包括光学遥感、合成孔径雷达与激光雷达数据在森林地上生物量估算中的应用,以及协同使用多源遥感数据估算森林地上生物量的优... 相似文献
3.
光学和合成孔径雷达(SAR)多源传感器数据融合对提高森林地上生物量(AGB)提取精度具有重要意义。以太平湖森林为研究对象,以Sentinel-1 SAR数据和Sentinel-2光学数据为数据源,利用随机森林回归算法系统性地评估光学和SAR数据对AGB反演的互补优势和策略选择。采用Sentinel-2光学数据的AGB反演精度(R2=0.63,RMSE=37.05 mg/hm2,sMAPE=0.56)优于采用Sentinel-1 SAR数据的AGB反演精度(R2=0.37,RMSE=52.25 mg/hm2,sMAPE=0.65),联合两者数据的AGB估算精度最高(R2=0.69,RMSE=34.17 mg/hm2,sMAPE=0.55);基于不同策略构建的AGB估计模型当中,植被指数(RVI、NDVI和红边相关的NDVIre)和纹理变量(NDVIre_Mea)的重要性高于光谱波段和后向散射系数。联合Sentinel-1和Sentinel-2数据的光谱波段、植被指数、纹理信息和后向散射系数,能够有效的缓和遥感信息饱和性问题和提高AGB反演精度。 相似文献
4.
5.
基于SAR极化分解与Landsat数据的森林生物量遥感估测 总被引:2,自引:0,他引:2
6.
7.
针对区域尺度森林地上生物量的分布情况,以大兴安岭生态观测站为例,提出了一种融合光学影像纹理和机载LiDAR点云特征的森林地上生物量遥感估测方法。该方法首先提取Landsat 8 OLI不同波段在不同运算窗口下的纹理特征;然后对机载LiDAR点云进行滤波提取地面点,并利用地面点对点云数据进行高度归一化处理,提取点云特征因子;最后结合提取的遥感特征因子,利用支持向量回归的方法对研究区森林地上生物量进行估测,并对结果进行精度验证。结果表明:不同波段和窗口尺寸的建模精度差异较大,蓝光波段在7×7运算窗口下模型精度最高(R~2=0.73,R_(MSE)=22.32 t/hm~2);点云高度分位数变量的建模精度呈正态分布,变量H_(50)的建模精度最高(R~2=0.75,R_(MSE)=19.24 t/hm~2);与单一的遥感特征变量相比,融合光学影像纹理和机载LiDAR点云特征的模型精度有了一定提高,且针叶林和混交林的估测R_(MSE)分别为19.63和20.40 t/hm~2。因此,该方法可以为区域性的森林地上生物量估测提供有效参考。 相似文献
8.
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(RMSE=9.98 t·hm-2,R2=0.93,MAE=5.69 t·hm-2),其次是XGBoost模型(RMSE=10.80 t·hm-2,R2=0.89,MAE=7.24 t·hm-2);在测试集中,采用XGBoost算法建立的模型表现(RMSE=12.20 t·hm-2... 相似文献
9.
10.
【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(ERMS)=37.69 Mg·hm-2]要优于Sentinel-1 (R2=0.47,ERMS=49.11 Mg·hm-2),但两者联合产生了最佳结果 (R2=0.78,ERMS=31.56 Mg·hm-2)。生长季(6和9月)的光学数据和旱... 相似文献
11.
【目的】水云模型(WCM)是一种采用SAR数据反演森林地上生物量(AGB)应用较为广泛的半经验模型,探索将不同波长、极化方式、极化信息等引入WCM,以期为提高森林AGB反演精度提供科学依据。【方法】本文以X、C、L、P波段多频极化SAR数据为数据源,首先将各波长各极化后向散射系数用于WCM进行森林AGB反演,对比其反演精度;接着采用极化分解分量构建地体散射比参数,并将其引入WCM发展为极化水云模型(PolWCM),同时对比分析其在X、C、L、P波段森林AGB的反演结果。【结果】(1)在X、C、L、P 4个波段中,除X波段外,将HV极化后向散射系数代入WCM进行森林AGB反演,精度均高于基于其他极化通道后向散射系数的反演结果;且长波长(L和P)的反演精度高于短波长(X和C)的反演精度。在L波段,将HV极化后向散射系数代入WCM进行森林AGB反演,R2和RMSE分别为0.46和18.00 t/hm2;P波段HV极化反演结果的R2和RMSE分别为0.43和21.18 t/hm2。(2)将极化信息以地体散射... 相似文献
12.
以河北省承德市塞罕坝机械林场为试验区域,设置37块实测样地;以随机森林模型、自适应遗传算法为基础,构建随机森林模型与自适应遗传算法的混合算法(RF-LOOCV-AGA),对高维小样本合成孔径雷达(SAR)数据特征集同时进行特征选择和回归估计;利用试验地大地2号(ALOS-2)全极化数据提取121个高共线性特征,结合实测样地数据,构建高共线性高维小样本数据集,并应用随机森林模型与自适应遗传算法的混合算法、随机森林算法、逐步回归法,分析全极化合成孔径雷达数据估算森林地上生物量时,因样地较少、影响因素维数多存在的高共线性;探索在算法层面各极化分解参数之间存在的高共线性及小样本林业数据回归估计泛化能力。结果表明:随机森林模型与自适应遗传算法的混合算法从121个高共线性特征集中筛选出含19个影响因素的特征子集,交叉留一法验证泛化精度决定系数为0.906 9、均方根误差为14.184 0 t/hm2、相对均方根误差为11.70%;逐步回归法从121个高共线性特征集中筛选出含7个影响因素的特征子集,交叉留一法验证泛化精度决定系数为0.777 0、均方根误差为23.075 9 t... 相似文献
13.
森林树高是反映森林蓄积量、生物量、碳储量和立地质量的关键指标。极化干涉SAR技术是森林树高估测的有效手段之一,但数据获取及数据质量一直是极化干涉SAR树高反演研究的主要制约因素。以云南省勐腊县为实验区,基于德国DLR提供的双站模式Tan DEM-X Co SSC全极化干涉数据,采用三阶段算法、以及两种结合极化干涉优化的相位差分-相干幅度法反演了实验区的森林冠层高度。结果表明:三阶段算法的反演结果数值相对合理,与二类调查数据的空间分布格局相似;相位差分-相干幅度法的反演结果在林区出现部分负值,而在非林区却反演出冠层高度、且呈现条纹状,反演结果与二类调查数据的空间分布差异较大、相关性低。因此,三阶段算法结合双站模式的Tan DEM-X全极化干涉数据,能够在实际树高估测反演中发挥作用,为辅助森林资源调查工作提供了新手段。 相似文献
14.
15.
为探究不同生育期内植被指数对南疆棉花地上部生物量的估算潜力,利用无人机测取试验地塔河二号棉花3个生育期(蕾期、花铃期、吐絮期)多光谱影像数据,同时进行棉花植株生物量(地上部分干质量)的数据采集,对不同生育时期的棉花光谱及地上部生物量变化特征进行分析,选取Pearson相关系数法筛选出的单一植被指数和多种植被指数组合构建基于偏最小二乘法(PLSR)、支持向量机(SVM)和随机森林(RF)3种机器学习算法的反演模型,通过决定系数(R2)和均方根误差(RMSE)对反演效果进行评定。结果表明,地上生物量在蕾期至吐絮期内持续增大,多光谱近红外波段反射率在蕾期至吐絮期内先升高后降低,花铃期的模型估算效果最佳,R2均≥0.68,RMSE均≤0.53;NDVI、RVI和GNDVI这3种植被指数与棉花地上部生物量的相关性最高,相关系数均≥0.765,呈极显著相关关系(P<0.01);以植被指数组合(NDVI-RVI)为变量的支持向量机回归模型的建模效果最优。本研究探究了不同植被指数组合和不同机器学习算法建模的估算效果,证明了植被指数融合的方法在棉花不同生... 相似文献
16.
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。 相似文献
17.
以南京市紫金山林区为研究区,利用e-Cognition面向对象分类方法,基于光谱和空间信息融合后的IKONOS影像提取单木树冠阳性冠幅(PoCA, Positive crown area)信息,并结合野外实测的样方生物量数据,分别建立了针叶林和阔叶林地上生物量 (AGB, Aboveground Biomass)的遥感估算模型,并利用实测森林生物量数据对模型进行了验证。结果表明,基于遥感影像提取的PoCA与实测AGB存在较好的非线性相关关系,所建针叶林AGB估算模型的可靠性优于阔叶林模型。对建模样本而言,估算的针叶林和阔叶林AGB与观测数据比较的R2分别为0.62 (P<0.01,n=9) 和0.56(P<0.01,n=16)。验证表明,所建AGB估算模型的可靠性较好,估算的针叶林和阔叶林AGB与观测数据比较的R2分别为0.55(P<0.01,n=6) 和0.52(P<0.01,n=10),但当AGB较低时,模型结果偏高,AGB较低时,模型结果偏低。研究说明通过高分辨率遥感数据的融合、提取树冠信息进行生物量估算是可行性的。 相似文献
18.
南方3种类型草地地上生物量的光谱估测模型 总被引:1,自引:0,他引:1
基于地面光谱实测数据计算的光谱归一化植被指数(ASD-NDVI),结合同期的地上生物量数据,利用回归分析的方法构建南方草地地上鲜生物量的地面光谱估算模型。结果表明:南方草地地上生物量与ASD-NDVI之间呈正相关,可以用线性方程、对数方程、多项式方程、乘幂方程以及指数方程进行拟合,拟合结果均达到极显著相关水平,其中多项式方程的拟合效果最好(n=56,R2=0.931 1,P<0.01),因此利用多项式构建基于地面实测ASD-NDVI预测地上生物量的最优地面光谱模型。通过不同年份地面实测数据对模型进行验证,模拟值和实测值之间相关性很好,R2为0.907 5**(P<0.01),达到了极显著水平。说明在南方草地生长旺季利用光谱参数ASD-NDVI估算地上生物量可行。 相似文献
19.
多元线性回归与神经网络模型在森林地上生物量遥感估测中的应用 总被引:3,自引:0,他引:3
利用遥感影像构建森林生物量估测模型,能够快速、实时估算区域森林生物量。采用吉水县TM影像以及森林资源调查固定样地数据,构建估算森林地上生物量的多元线性回归模型及BP神经网络模型,并对两种模型进行了比较。结果表明:两种模型对样地生物量的预测值大部分比实测值小,多元线性回归模型预测值与实测值的偏差幅度比BP神经网络模型更大,偏差幅度分别为-110.24~38.09 t·hm-2、-35.12~26.17 t·hm-2;多元线性回归模型与BP神经网络模型的决定系数(R2)分别为0.470和0.869,均方根误差(RMSE)分别为30.52和12.69 t·hm-2,预测精度分别为50.07%和71.65%。因此,运用BP神经网络模型估测森林地上生物量优于多元线性回归模型。 相似文献
20.
森林是陆地生态系统的重要组成部分,精确估测森林地上生物量能够减少陆地生态系统碳储量的不确定性。本文以内蒙古大兴安岭根河实验区为研究区,基于森林样地调查数据、Landsat 8 OLI、机载P-波段PolSAR以及ASTER GDEM数据,分别采用多元线性逐步回归法和基于随机森林算法(Random Forest, RF)进行特征优化选择后的k-最近邻(k-nearest neighbors, k-NN)法对研究区森林地上生物量(above-ground biomass, AGB)进行估测,对比验证采用不同类型数据(单传感器数据和多传感器数据)时2种方法的反演结果来寻求森林AGB估测的最优方法和输入因子,最后利用最优的估测方法来反演整个研究区的森林AGB,生成根河实验区的森林AGB等级分布图。结果表明:对于多元线性逐步回归和k-NN 2种不同的方法,森林AGB的反演都表现出较为一致的结果,即采用多传感器遥感数据(Landsat 8 OLI和机载P-波段PolSAR数据)比采用单传感器遥感数据估算的森林AGB精度要高;而在同时采用多传感器遥感数据进行森林AGB的反演中,k-NN算法的估测结果(R2=0.65, RMSE=17.49 t/hm2)明显优于多元线性逐步回归算法(R2=0.36, RMSE=22.08 t/hm2)的估测结果。显然,多源数据协同反演森林AGB可以充分利用每种传感器的优点,提高遥感估测森林AGB的能力;与多元逐步回归方法相比,k-NN算法能够更多地考虑到森林参数同光谱值之间的非线性依赖关系,且能够避免发生过学习现象和样本不平衡问题。 相似文献