-
题名基于多源数据的根河实验区生物量反演研究
被引量：12
- 1
-
-
作者
李春梅
张王菲
李增元
陈尔学
田昕
-
机构
西南林业大学林学院
中国林业科学研究院资源信息研究所
-
出处
《北京林业大学学报》
CAS
CSCD
北大核心
2016年第3期64-72,共9页
-
基金
中央级公益性科研院所基本科研业务费专项(IFRIT201302)
"973"国家重点基础研究发展计划项目(2013CB733404)
国家青年自然科学基金项目(41101379)
-
文摘
森林是陆地生态系统的重要组成部分,精确估测森林地上生物量能够减少陆地生态系统碳储量的不确定性。本文以内蒙古大兴安岭根河实验区为研究区,基于森林样地调查数据、Landsat 8 OLI、机载P-波段Pol SAR以及ASTER GDEM数据,分别采用多元线性逐步回归法和基于随机森林算法(Random Forest,RF)进行特征优化选择后的k-最近邻(k-nearest neighbors,k-NN)法对研究区森林地上生物量(above-ground biomass,AGB)进行估测,对比验证采用不同类型数据(单传感器数据和多传感器数据)时2种方法的反演结果来寻求森林AGB估测的最优方法和输入因子,最后利用最优的估测方法来反演整个研究区的森林AGB,生成根河实验区的森林AGB等级分布图。结果表明:对于多元线性逐步回归和k-NN 2种不同的方法,森林AGB的反演都表现出较为一致的结果,即采用多传感器遥感数据(Landsat 8 OLI和机载P-波段PolSAR数据)比采用单传感器遥感数据估算的森林AGB精度要高;而在同时采用多传感器遥感数据进行森林AGB的反演中,k-NN算法的估测结果(R^2=0.65,RMSE=17.49 t/hm^2)明显优于多元线性逐步回归算法(R^2=0.36,RMSE=22.08 t/hm^2)的估测结果。显然,多源数据协同反演森林AGB可以充分利用每种传感器的优点,提高遥感估测森林AGB的能力;与多元逐步回归方法相比,k-NN算法能够更多地考虑到森林参数同光谱值之间的非线性依赖关系,且能够避免发生过学习现象和样本不平衡问题。
-
关键词
森林地上生物量
多元线性逐步回归
K-最近邻
单传感器遥感数据
多传感器遥感数据
-
Keywords
forest above-ground biomass（AGB）
multiple linear stepwise regression
k-NN
single-sensor data
multi-sensor data
-
分类号
S771.8
[农业科学—森林工程]
-
