基于PCA的森林生物量遥感信息模型研究

森林生物量和遥感多光谱数据、植被指数及地学因子存在相关关系,但这些因子间可能存在着多重相关性,如利用这些因子直接建模估测森林生物量,则可能出现病态模型。因此,文章采用主成分分析方法,提取遥感及地学因子的主成分,再建立主成分与生物量多元线性回归模型,估测森林生物量,达到既可保留多个遥感及地学因子的主要信息,又可避免因子间共线性的问题,以及降维,简化模型的作用。文章以高黎贡山自然保护区常绿阔叶林为研究对象,利用地面样地胸径每木调查数据,结合生物量相对生长式,得样地生物量。利用2006年印度卫星（IRS）数据,包括B2、B3、B4、B5四个波段,提取DVI、NDVI、PVI、RVI、VI3、SLAVI六种植被指数,利用DEM提取海拔、坡度、坡向值共13个遥感及地学因子。在此基础上,提取13个因子的主成分,第一主成分至第五主成分的累计贡献率达98.7%。以前5个主成分值作自变量,建立主成分与地面生物量的回归模型,模型经方差分析及相关性检验,达到显著相关水平,相关系数R=0.7129,可用于森林生物量估测。

Remote-sensing information model of forest biomass based on principal components analysis