-
题名基于方差优化k最近邻法的森林蓄积量估测
被引量：14
- 1
-
-
作者
蒋馥根
孙华
ZHAO Feng
林辉
龙江平
-
机构
中南林业科技大学林业遥感信息工程研究中心
林业遥感大数据与生态安全湖南省重点实验室
美国大气与海洋局卫星应用研究中心
北京师范大学遥感科学国家重点实验室
南方森林资源经营与监测国家林业与草原局重点实验室
-
出处
《森林与环境学报》
CSCD
北大核心
2019年第5期497-504,共8页
-
基金
“十三五”国家重点研发计划项目“人工林资源监测关键技术研究”(2017YFD0600900)
湖南省教育厅科学研究重点项目(17A225)
+2 种基金
湖南省普通高校青年骨干教师培养对象项目(7070220190001)
中南林业科技大学研究生科技创新基金(CX20192025)
湖南省研究生科研创新项目(CX20190622)
-
文摘
森林资源调查是数字森林资源监测的基础,遥感技术可以克服传统方法如抽样调查的局限性,有效地缩短作业时间,提高效率。虽然目前森林蓄积量遥感估测方法很多,但随着样本数量的增加,这些方法无法保证估算的准确性。本研究拟提出一种基于方差速率优化的k最近邻法(k NN),以2017年10月Planet Labs影像为数据源,结合赤峰市旺业甸林场蓄积量实测数据建立反演模型,并与地理加权回归(GWR)模型、随机森林(RF)模型、普通k NN模型和距离加权k NN模型进行对比分析。在建立的森林蓄积量反演模型中,方差优化k NN模型得到最优精度[决定系数(R^2)为0.69,均方根误差(RMSE)为67.6 m^3·hm^-2,相对均方根误差(RRMSE)为32.04%],显著优于其他模型。结果表明,方差优化k NN模型相比其他模型更适用于森林蓄积量遥感估测,森林蓄积量遥感反演空间分布符合实际分布情况,可以满足建立反演模型的需求。同时,由于Planet Labs影像的鲜明特征(即具有高时间分辨率),该数据的时间序列数据对于森林季节变化有丰富的记录,在反演森林蓄积量方面有着很大潜力。
-
关键词
蓄积量
遥感反演
优化k
NN
PLANET
Labs影像
-
Keywords
stock volume
remote sensing inversion
k NN optimization
Planet Labs image
-
分类号
S771.8
[农业科学—森林工程]
-
-
题名神木市植被覆盖度时空动态变化分析
被引量：11
- 2
-
-
作者
邓目丽
蒋馥根
孙华
龙依
易静
-
机构
中南林业科技大学林业遥感信息工程研究中心
林业遥感大数据与生态安全湖南省重点实验室
-
出处
《森林与环境学报》
CSCD
北大核心
2021年第6期611-619,共9页
-
基金
国家重点研发计划项目“三北防护林体系建设重大生态工程生态效益监测评估”(2017YFC0506502)
国家林业局荒漠化监测专项(101-9899)
湖南省教育厅科学研究重点项目(17A225)。
-
文摘
为了明确陕西省神木市长时间尺度植被覆盖度变化规律及其驱动因素,通过谷歌地球引擎(GEE)平台获取陕西省神木市2000—2020年植被生长旺盛期(7—9月)的陆地卫星(Landsat)遥感影像,利用归一化植被指数-干枯燃料指数(NDVI-DFI)像元三分模型得到21期神木市光合植被覆盖度(f PV)、非光合植被覆盖度(f NPV)和裸土覆盖度(f BS)的合成结果。通过趋势分析法分析神木市21 a的f PV动态变化,结合年降水量、年平均气温等气象数据及神木市年国内生产总值(GDP)和年原煤产量等社会经济数据分析f PV变化的驱动因素。结果表明:2000—2020年神木市植被覆盖度显著增加,f PV和f NPV分别以年平均3.86%和0.36%的速率增长,高植被覆盖度区域主要集中在东部和南部地区;光合植被退化区域、无变化区域和增加区域的面积分别占神木市总面积的10.2%、0.8%和89.0%,f PV增加较快的区域主要集中于中部、东部和南部,西部和西北部的小部分地区植被有退化现象;年降水量、年GDP和年原煤产量与神木市f PV均表现为显著正相关(P<0.05),表明降水量和经济发展能在一定程度促进植被覆盖度增加,而气温对植被状况改善影响较小。
-
关键词
植被覆盖度
归一化植被指数-干枯燃料指数
像元三分模型
谷歌地球引擎
LANDSAT
神木市
-
Keywords
vegetation coverage
normalized difference vegetation index-dead fuel index
trichotomy pixel model
Google Earth Engine
Landsat
Shenmu City
-
分类号
S758.51
[农业科学—森林经理学]
-
-
题名基于HLS数据的森林蓄积量遥感反演
被引量：7
- 3
-
-
作者
龙依
蒋馥根
孙华
邱湘龙
顾兴贵
-
机构
中南林业科技大学林业遥感信息工程研究中心
南方森林资源经营与监测国家林业与草原局重点实验室
中南林业科技大学芦头实验林场
-
出处
《森林与环境学报》
CSCD
北大核心
2021年第6期620-628,共9页
-
基金
国家自然科学基金面上项目(31971578)
“十三五”国家重点研发计划项目:人工林资源监测关键技术研究(2017YFD0600900)
湖南省教育厅科学研究重点项目(17A225)。
-
文摘
通过对比陆地卫星8号(Landsat 8)与协同陆地卫星和哨兵2号(HLS)数据在波段信息及森林蓄积量建模效果的差异,探索HLS数据源在森林蓄积量反演中的应用潜力。以内蒙古自治区旺业甸林场为研究区,以Landsat 8和HLS为数据源提取遥感变量,结合森林蓄积量样地实测数据,利用线性逐步回归(LSR)和逐步随机森林(SRF)进行特征变量筛选,分别构建线性和非线性模型开展森林蓄积量反演,并进行精度验证及对比分析。结果表明:HLS影像中的7个波段与Landsat 8影像各对应波段均表现为极显著相关,相关系数绝对值均大于0.7(P<0.01),在波段信息上具有较好的一致性;基于Landsat 8及HLS影像数据构建多元线性回归和随机森林模型,其最优模型决定系数(R^(2))分别为0.55和0.54,均方根误差(RMSE)分别为65.66和68.15 m^(3)·hm^(-2),结果无显著性差异(P>0.05)。利用HLS影像进行森林蓄积量估测,可得到与Landsat 8相似的效果,且HLS数据无需进行繁琐的预处理,能显著提高森林蓄积量估测效率,为大尺度森林蓄积量遥感反演和森林资源监测提供参考。
-
关键词
森林蓄积量
遥感反演
协同陆地卫星和哨兵2号
随机森林
-
Keywords
forest volume
remote sensing inversion
harmonized Landsat and Sentinel-2
random forest
-
分类号
S758.51
[农业科学—森林经理学]
-
