基于Sentinel-2的绿洲-荒漠过渡带植被地上生物量估算

开展绿洲-荒漠过渡带植被地上生物量监测是植被生长状况评价与荒漠化监测的重要手段。文中利用Sentinel-2影像数据构建了地上生物量估算模型，比较了统计模型和两种机器学习算法模型的性能，并对渭干河-库车河绿洲的绿洲-荒漠过渡带的植被地上生物量进行了估算。结果显示，在统计模型中，红边三角植被指数(RTVI)与地上生物量的非线性模型拟合效果最好，且相关最显著。在机器学习算法中，随机森林模型优于支持向量机回归模型。通过验证发现，RTVI非线性估测模型和随机森林模型具有较好的外推能力。在绿洲-荒漠过渡带植被地上生物量的反演中，随机森林模型表现出较高的精度，验证集R²为0.65,RMSE和MAE分别为255.08g·m^-2和192.93g·m^-2。相较其他模型，随机森林模型可以在小样本情况下更精确，对科学监测绿洲-荒漠过渡带植被地上生物量和维护绿洲的稳定发展提供依据。