基于国产高分数据的森林蓄积量反演研究

以内蒙古旺业甸林场为研究区,结合地面调查,对高分二号遥感数据进行预处理,并提取光谱信息、植被指数及纹理信息等48个遥感因子,采用Pearson相关系数法筛选出8个因子进行建模。采用多元线性回归、多层感知机、K-近邻、支持向量机、随机森林模型估测森林蓄积量,得到研究区内森林蓄积量反演图。结果表明:1)高分二号影像提取的遥感因子中,基于二阶矩阵的纹理特征均值(Mean)与森林蓄积量的相关性较高;2)随机森林相对于多元线性、多层感知机、K-近邻、支持向量机等方法具有更好的森林蓄积量估测精度,其相对均方根误差(rRMSE)为25.40%;3)研究区内森林蓄积量高的地区主要分布在西部和东南部;森林蓄积量低的地区主要分布在西北部、中部及北部,与实际调查情况一致。国产高分二号影像利用随机森林算法在森林蓄积量反演方面具有一定的潜力。     

鸭亲本间遗传距离与杂交后代杂种优势关系的研究

运用随机扩增多态DNA方法,对樱桃谷鸭、麻鸭及其杂交一代和用F1作为母本再与父本番鸭属间杂交培育的三元杂交半番鸭(F2)基因组DNA进行了遗传分析。结果表明,RAPD可用于有效标记鸭品种之间遗传亲缘关系和杂种优势预测;在所使用的20种随机引物中,5个鸭种共产生760条带,其中多态性带568条,占总条带数的 74．7％,说明鸭群体具有较为丰富的遗传多样性;杂交一代多态性位点比例为67．9％,遗传相似度为0．822 7,三元杂交二代多态性位点比例为83．1％,遗传相似度为0．826 4。说明三元杂交子二代的杂种优势可以用杂种优势理论中的显形假说来解释。     

景谷县森林蓄积量遥感估测及其动态变化分析

以云南省景谷县为研究区,基于Landsat5和Landsat8遥感数据,利用2012年和2017年两期全国森林资源连续清查实地调查数据,建立多元逐步回归和随机森林模型对景谷县森林蓄积量进行遥感估测对比研究.结果显示:综合建模精度来看,随机森林法在相同样地数量条件下具有更好的估测效果;从估测结果与林地保护利用规划和林地变...     

基于机器学习森林生物量反演的哨兵数据精度对比

选取美国弗吉尼亚州东南部和北卡罗来纳州东北部的迪斯默尔沼泽作为研究区,基于Sentinel-1雷达数据和Sentinel-2光学数据,在对影像特征因子提取的基础上,采用随机森林构建生物量反演模型,对比分析了森林地上生物量反演精度。结果表明：基于Sentinel-2影像的随机森林模型的R²、RMSE分别为：0.707、39.521 t/hm²;基于Sentinel-1影像的随机森林模型R²、RMSE分别为：0.601、38.536 t/hm²。从整体来看,不同的变量参与到模型建模最终导致的精度各不相同,基于Sentinel-2影像建模的精度总体上高于基于Sentinel-1影像建模的精度。     

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...     

基于随机森林模型的黑龙江省地表温度降尺度的研究

作为研究地表能量平衡的重要参数,地表温度是研究地表物理过程、监测全球资源环境以及气候变化的重要指标之一。通过降尺度处理提高MODIS LST数据空间分辨率,对LST和气候的研究都具有重要的意义。选取黑龙江省作为研究区,选择MOD11A2数据,通过随机森林算法对MODIS LST(1 000 m空间分辨率)进行降尺度处理,并通过气象数据作为验证。试验结果表明：利用随机森林算法对黑龙江省LST数据进行降尺度,降尺度结果良好,降尺度LST的均方根误差（Root Mean Square,RMSE）为2.13 K。     

基于随机分形的树木(枫树)可视化研究

为了更好地发挥森林效益,提高森林的管理效果,需要虚拟不同树木生长过程的形态,建立相应的可视化系统,从而寻找树木生长规律,用来指导实践。本文首先介绍了虚拟单棵树木的两种分形方法:L系统和迭代函数系统。在此基础上对其进行改进,考虑到气候、温度、阳光和风向等因素对树木生长形态的影响,在生成规则和仿射变换、树木初始角度、树木主干与枝干的夹角、树枝的粗细和长度等五个方面分别引入随机因子,用Matlab软件进行编程,实现了枫树不同形态的绘制。此方法可以推广到虚拟不同植物的形态等,在虚拟农业研究、虚拟场景、景观设计、动画制作等方面有广泛的应用。     

GF6卫星红边波段对春季作物分类精度的影响

为探究高分六号(GF6)宽幅遥感影像红边波段在春季作物识别中的应用,以河南省杞县为研究区,通过分析2019年3月25日单时相影像及其光谱特征,利用随机森林算法完成4种不同红边波段方案下冬小麦、大蒜和其他作物(油菜、蔬菜等)的分类提取,并基于地面采样数据实现不同方案分类精度评价、样本间可分性测度以及光谱反射率计算分析。结果表明,有红边波段参与下,较无红边波段参与时作物总体分类精度和不同作物可分性测度值均有所提高;单红边波段参与下,红边波段2作物总体分类精度较红边波段1提高了1.98个百分点;引入全部红边波段较无红边参与方案的作物总体分类精度由81.56%提高到86.19%,提高了4.63个百分点,Kappa系数由0.72提高到0.79,冬小麦-大蒜、冬小麦-其他作物、大蒜-其他作物的J-M(Jeffries-Matusita)可分性测度也分别增加了0.085 6、0.076 1和0.025 1。研究表明,红边波段的引入不仅增加了作物间的可分性测度,降低了分类结果中作物误分、漏分情况,也在一定程度上降低了结果中的"椒盐现象",为国产红边卫星数据在农业上的应用提供参考。