深度学习方法下GEDI数据的天然云杉林地上生物量反演 |
| |
引用本文: | 孙丹阳,魏建新,杨辽,王杰,唐宇琪,巴比尔江·迪力夏提.深度学习方法下GEDI数据的天然云杉林地上生物量反演[J].干旱区研究,2023(9):1472-1483. |
| |
作者姓名: | 孙丹阳 魏建新 杨辽 王杰 唐宇琪 巴比尔江·迪力夏提 |
| |
作者单位: | 1. 新疆大学地理与遥感科学学院;3. 新疆维吾尔自治区自然资源信息中心;4. 中国科学院新疆生态与地理研究所,荒漠与绿洲生态国家重点实验室;5. 西华师范大学地理科学学院 |
| |
摘 要: | 森林作为陆地最大碳库,对人类的生活与发展至关重要,精准掌握森林资源动态变化并对其进行现代化可持续发展已成为当下研究热点。本文以天山山脉的天然云杉林为研究对象,利用地面实测数据、直升机机载激光雷达点云数据以及全球生态系统动态调查激光雷达(Global Ecosystem Dynamics Investigation,GEDI)数据,构建多源融合数据框架,通过使用AutoKeras框架下的深度学习算法,实现GEDI数据的多个相对高度百分位数(Relative Height Percentile,RH)与其光斑内地上生物量的回归模型预测,验证GEDI数据在较大范围的地上生物量反演方面的可行性,主要结论如下:(1)GEDI数据用于森林地上生物量估测研究具有较高可行性,通过自动化深度学习算法,训练集、验证集、整体数据的决定系数(Coefficient of Determination,R2)分别为0.69、0.63和0.67,平均绝对误差(Mean Absolute Error,MAE)分为3.73 mg·hm-2、4.22 mg·hm-2<...
|
关 键 词: | 天然云杉林 GEDI LiDAR 地上生物量 深度学习 |
|
|