期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到587篇文章
< 1 2 … 30 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
花山谜窟—渐江风景名胜区乔木林森林蓄积量估测
1
作者 唐雪海 钱子悦 +5 位作者 王佩 黄庆丰 左纬杰 倪辰 孔令媛 许程 《安徽农业科学》 2025年第14期121-125,170,共6页
以花山谜窟—渐江风景名胜区作为研究对象,结合Landsat遥感影像和DEM数据,综合考虑光谱、纹理、地形特征,分别使用多元线性逐步回归(MLSR)、支持向量机(SVM)、随机森林(RF)构建乔木林遥感蓄积量估算模型,并选择最优模型反演研究区乔木... 以花山谜窟—渐江风景名胜区作为研究对象,结合Landsat遥感影像和DEM数据,综合考虑光谱、纹理、地形特征,分别使用多元线性逐步回归(MLSR)、支持向量机(SVM)、随机森林(RF)构建乔木林遥感蓄积量估算模型,并选择最优模型反演研究区乔木蓄积。结果表明:对比3种模型估测结果的精度评价指标R^(2)和RMSE,MLSR的R^(2)=0.46,RMSE=113.14 m^(3)/hm^(2);SVM的R^(2)=0.57,RMSE=98.36 m^(3)/hm^(2);FM的R^(2)=0.65,RMSE=91.01 m^(3)/hm^(2);最终以RF模型为最优模型反演研究区蓄积量,得出乔木总蓄积量688 516.275 m^(3),平均蓄积量245.467 m^(3)/hm^(2)。该研究结果可为风景名胜区森林生态服务功能价值评估提供数据支撑。 展开更多
关键词 森林蓄积量 遥感反演 随机森林 支持向量机 多元线性逐步回归
在线阅读 下载PDF
应用SHAP可解释机器学习模型估测森林蓄积量
2
作者 王元 王玥 +3 位作者 周宇琛 陈伏生 张绿水 刘牧 《东北林业大学学报》 北大核心 2025年第5期66-73,共8页
森林蓄积量是反映森林资源丰富程度的关键指标,精确估测森林蓄积量对于森林资源管理至关重要。以江西省林区为研究对象,运用谷歌地球引擎(Google Earth Engine)平台从Landsat 8遥感影像中提取多个植被指数、单波段及组合特征,并结合国... 森林蓄积量是反映森林资源丰富程度的关键指标,精确估测森林蓄积量对于森林资源管理至关重要。以江西省林区为研究对象,运用谷歌地球引擎(Google Earth Engine)平台从Landsat 8遥感影像中提取多个植被指数、单波段及组合特征,并结合国家森林资源连续清查的地面实测数据,分析不同影像特征参数在森林蓄积量反演中的贡献率。结果表明:对比多元线性回归、神经网络、随机森林和XGBoost模型估测森林蓄积量的精度,随机森林模型估测精度为93.3%,决定系数(R^(2))为0.9337,均方根误差为2.2323,平均绝对误为2.3395;与BP神经网络模型(R^(2)=0.8219)和XGBoost模型(R^(2)=0.7916)相比,模型拟合度和预测效果更佳,比多元线性回归模型(R^(2)=0.688)处理非线性关系的稳定性和可靠性更高。通过解释特征参数的相对重要性,揭示出平均胸径、郁闭度等特征对森林蓄积量影响显著,且随机森林模型中各因子间存在相互作用。 展开更多
关键词 SHAP解释模型 机器学习模型 森林蓄积量
在线阅读 下载PDF
基于特征选择和机器学习的森林蓄积量估算
3
作者 赵娅冰 彭道黎 +2 位作者 郭发苗 王荫 黄静娴 《北京林业大学学报》 北大核心 2025年第4期155-167,共13页
【目的】基于多源遥感数据,评估不同特征选择方法和机器学习算法组合构建的森林蓄积量估算模型的准确性,挖掘其协同互补潜力,以期有效提高森林蓄积量的估算精度。【方法】以河北省第九次国家森林资源连续清查数据为基础,结合GF-1、Senti... 【目的】基于多源遥感数据,评估不同特征选择方法和机器学习算法组合构建的森林蓄积量估算模型的准确性,挖掘其协同互补潜力,以期有效提高森林蓄积量的估算精度。【方法】以河北省第九次国家森林资源连续清查数据为基础,结合GF-1、Sentinel-2、Sentinel-1和ASTER GDEM 4种遥感数据,采用随机森林变量选择(VSURF)、递归特征消除(RFE)和Boruta 3种特征选择方法,以及支持向量回归(SVR)、K-最近邻(KNN)、随机森林(RF)、分类提升(CatBoost)和极端梯度提升(XGBoost)5种机器学习算法,构建蓄积量模型,并筛选出最优模型。此外,通过方差分析量化数据集、特征选择和机器学习算法这3个因素对森林蓄积量估算的影响。【结果】(1)方差分析结果表明,数据集、特征选择和机器学习算法均对蓄积量估算性能有显著影响。(2)多源遥感数据的结合能有效提高森林蓄积量的估算性能。与其他数据集相比,联合GF-1、Sentinel-2、Sentinel-1和ASTER GDEM数据构建的模型表现出更高的估算精度。从整体来看,Boruta特征选择方法优于VSURF和RFE。CatBoost在建模中的表现优于其他算法(SVR、KNN、RF和XGBoost)。(3)基于GF-1、Sentinel-2、Sentinel-1和ASTER GDEM的组合,使用Boruta特征选择方法和CatBoost机器学习算法构建的估算模型实现了最高的准确性(R^(2)=0.6385,RMSE=13.3053 m^(3)/hm^(2))。【结论】基于多源遥感数据估算保定市森林蓄积量时,结合特征选择和机器学习算法可显著优化模型的估算效果,得到更精准的蓄积量估算结果。研究结果不仅改进了当前应用多源遥感数据估算森林蓄积量的方法,还为大范围森林蓄积量监测提供了新的思路和参考依据。 展开更多
关键词 森林蓄积量 多源遥感数据 特征选择 机器学习算法 集成学习
在线阅读 下载PDF
基于多源遥感数据决策级融合估测森林蓄积量
4
作者 舒谜 林辉 杨旸谷 《中南林业调查规划》 2025年第1期50-56,共7页
以内蒙古自治区赤峰市旺业甸实验林场为研究区,选择高分二号(GF-2)、Landsat-8、哨兵二号(Sentinel-2)遥感数据源,结合79个地面调查样本,提取单波段、植被指数、纹理特征等243个变量,通过Pearson相关系数与前向特征选择方法进行特征筛选... 以内蒙古自治区赤峰市旺业甸实验林场为研究区,选择高分二号(GF-2)、Landsat-8、哨兵二号(Sentinel-2)遥感数据源,结合79个地面调查样本,提取单波段、植被指数、纹理特征等243个变量,通过Pearson相关系数与前向特征选择方法进行特征筛选,采用多元线性回归、随机森林、k-最近邻、支持向量机等模型,按照GF-2与Landsat-8(G+L)、GF-2与Sentinel-2(G+S)、Sentinel-2与Landsat-8(S+L),以及GF-2、Sentinel-2和Landsat-8(G+S+L)4种组合方式,分别构建多源遥感数据使用特征结合与决策级融合2种不同的方法对森林蓄积量进行估测。结果表明:多源遥感数据在特征结合与决策级融合下较单一数据源均取得了更好的估测精度,其中在特征结合下的G+L组合的随机森林模型拟合程度最好,得到了最高的估测精度,其R2为0.66,相对均方根误差为25.82%;决策级融合中熵法下的S+L组合取得了较好的估测结果,其R2为0.64,均方根误差为61.23m3/hm2,相对均方根误差为25.96%。由此可见,多源遥感数据利用决策级融合策略在森林蓄积量估测反演方面具有一定的潜力。 展开更多
关键词 森林蓄积量 植被指数 纹理特征 多源遥感 决策级融合
在线阅读 下载PDF
基于Sentinel-2影像和冠层高度模型数据的森林蓄积量反演
5
作者 贺鹏 陈振雄 黄鑫 《中南林业科技大学学报》 北大核心 2025年第6期9-21,共13页
【目的】作为反映森林生态系统生物量存储能力的重要指标,森林蓄积量是衡量森林健康、生态功能和碳储量的关键参数。精准反演森林蓄积量可为森林资源管理、气候变化、生态保护与可持续经营提供科学的数据支撑,是森林资源调查与监测的核... 【目的】作为反映森林生态系统生物量存储能力的重要指标,森林蓄积量是衡量森林健康、生态功能和碳储量的关键参数。精准反演森林蓄积量可为森林资源管理、气候变化、生态保护与可持续经营提供科学的数据支撑,是森林资源调查与监测的核心任务之一。【方法】以湖南省浏阳市为研究区域,结合全国森林资源清查(NFI)数据与Sentinel-2遥感影像,开展森林蓄积量遥感反演。首先,通过Pearson相关性分析与特征变量重要性筛选,提取与森林蓄积量密切相关的关键特征变量。随后,采用支持向量机(SVM)、随机森林(RF)和全卷积神经网络(FCN)等模型进行森林蓄积量反演。模型精度采用交叉验证法计算,并运用多项评估指标对模型性能进行比较,最终选取拟合效果最佳的模型,用于研究区森林蓄积量的精确反演。【结果】1)各特征变量与森林蓄积量均呈现显著相关性;2)引入冠层高度模型(CHM)能显著提升森林蓄积量的反演精度,其中支持向量机模型的决定系数(R2)从0.34提升至0.52,提升了52.95%,RMSE从30.52 m^(3)·hm^(-2)降低至25.59 m^(3)·hm^(-2),降低了16.15%;随机森林模型的决定系数(R2)从0.39提升至0.55,提升了41.03%,RMSE从29.46 m^(3)·hm^(-2)降低至25.07 m^(3)·hm^(-2),降低了14.90%。表明CHM对提高森林蓄积量的反演精度具有重要贡献;3)相比其他模型,全卷积神经网络模型在森林蓄积量反演中的表现最佳,其R2值达到0.66,RMSE为21.20 m^(3)·hm^(-2)。此外,基于2022年的CHM数据显著提升了其他模型的预测性能,有效克服了传统反演方法因缺乏实测树高数据而导致的精度瓶颈,为大尺度森林蓄积量监测提供了新的思路和方法。【结论】结合实测数据和Sentinel-2影像的FCN模型能够实现森林蓄积量的精确反演与监测,同时CHM数据的引入显著提升了反演模型的预测精度,可为未来森林资源的精准监测和科学管理提供重要参考。 展开更多
关键词 森林蓄积量 Sentinel-2 冠层高度模型 特征变量 机器学习 深度学习
在线阅读 下载PDF
机载激光雷达数据与机器学习算法的森林蓄积量估测模型构建精度评价——基于KNN、XGBoost与RF模型反演算法
6
作者 潘自辉 肖正利 +5 位作者 黄光体 赵文纯 张流洋 刘晓阳 肖箫 林浩然 《湖北林业科技》 2025年第2期34-44,50,共12页
基于激光雷达系统获取数据,旨在探索建立一个适用于湖北省的混合树种蓄积量估测模型。研究区涵盖9个市州及15个县市区386个样地(小班),涉及3种森林类型(阔叶林、针叶林和针阔混交林),划分为5个植被区,分别为大别山桐柏山丘陵低山、鄂西... 基于激光雷达系统获取数据,旨在探索建立一个适用于湖北省的混合树种蓄积量估测模型。研究区涵盖9个市州及15个县市区386个样地(小班),涉及3种森林类型(阔叶林、针叶林和针阔混交林),划分为5个植被区,分别为大别山桐柏山丘陵低山、鄂西北山地丘陵、鄂东南低山丘陵、江汉平原湖泊和鄂西南山地;从点云数据中提取森林参数特征变量,结合实地调查数据,分别采用机器算法KNN、XGBoost和RF模型对森林蓄积量进行估测,采用决定系数评价模型估测精度,对估测结果进行比较分析。结果表明:(1)RF模型的估测值与实际值较为接近,精度高于KNN和XGBoost模型;(2)不同地貌区域的森林类型估测精度存在差异,表现为针叶林估测精度高于阔叶林;估测精度与林分郁闭度、林龄、起源等因子存在相关性,林分郁闭度较高时,估测精度较高;中龄、近熟林及过熟林估测精度较高,人工林的精度高于天然林;(3)蓄积量估测值精度与实测值的区间相关,实测值趋于一定低值与高值区间时,估测精度降低。通过激光雷达数据的反演结果与地面调查数据验证,反映了模型的准确度,促进林业调查与激光雷达融合运用,需进一步比较多种模型,并探索森林分布、林木结构特征、林分因子等之间影响估测精度的相关因素。 展开更多
关键词 激光雷达 森林蓄积量 模型反演 K-近邻算法 极端梯度提升 随机森林
在线阅读 下载PDF
基于ARMA模型的森林蓄积量精确预测研究
7
作者 郜昌建 王海龙 +1 位作者 蓝艺涵 王世红 《浙江农业科学》 2025年第6期1526-1530,共5页
森林蓄积量作为评估森林资源丰度、生态系统健康及碳汇能力的重要指标,其精准预测对于林业可持续经营与碳中和路径制定具有重要意义。本研究综合对比了自回归移动平均(ARMA)模型结合相关最小二乘算法(ARMAP)、普通最小二乘算法(ARMAO)... 森林蓄积量作为评估森林资源丰度、生态系统健康及碳汇能力的重要指标,其精准预测对于林业可持续经营与碳中和路径制定具有重要意义。本研究综合对比了自回归移动平均(ARMA)模型结合相关最小二乘算法(ARMAP)、普通最小二乘算法(ARMAO)、灰色系统理论(GST)及BP神经网络(BPNN)4种方法在森林蓄积量预测中的性能。以福州市永泰县城峰镇1986—1999年林地面积与森林蓄积量数据为基础构建模型,并采用1998、1999年数据进行预测验证。结果表明,ARMAP模型通过有效滤除有色噪声,实现了最高预测精度,其残差方差和预测误差均显著低于其他模型。进一步利用该模型对浙江省2020年森林蓄积量进行了预测验证,结果显示,模型表现出较强的泛化能力。研究表明,ARMAP模型能够在复杂干扰情境下实现高精度、高效率的森林蓄积量预测,为森林资源管理与碳汇评估提供了方法支持。 展开更多
关键词 森林蓄积量 ARMA模型 相关最小二乘算法
在线阅读 下载PDF
基于ICESat-2和Sentinel-2A数据的森林蓄积量反演 被引量：7
8
作者 刘美艳 聂胜 +3 位作者 王成 习晓环 程峰 冯宝坤 《自然资源遥感》 CSCD 北大核心 2024年第1期210-216,共7页
森林蓄积量是林业调查的重要指标,在衡量森林健康状况和评价森林固碳能力等方面发挥重要作用,协同主被动遥感是当前反演大区域森林蓄积量的主要手段。以云南香格里拉森林为研究区,分别提取ICESat-2/ATLAS和Sentinel-2A影像的特征变量,... 森林蓄积量是林业调查的重要指标,在衡量森林健康状况和评价森林固碳能力等方面发挥重要作用,协同主被动遥感是当前反演大区域森林蓄积量的主要手段。以云南香格里拉森林为研究区,分别提取ICESat-2/ATLAS和Sentinel-2A影像的特征变量,并通过相关性分析和共线性诊断方法筛选特征变量,构建Sentinel-2A变量集和ICESat-2/ATLAS变量集,以及二者联合的变量集,然后结合样地实测数据与3个特征变量集,采用逐步线性回归和随机森林方法分别建立线性和非线性回归模型,反演森林蓄积量,并对结果进行精度验证及对比分析。研究结果表明:对3个变量集,随机森林方法精度均优于逐步线性回归;ICESat-2/ATLAS变量集在2种回归方法下的反演精度均高于Sentinel-2A变量集;联合Sentinel-2A和ICESat-2/ATLAS变量集,随机森林方法的反演精度最高,其R 2,RMSE和rRMSE分别为0.7034,84.78 m^(3)/hm^(2)和36.46%。整体来说,与Sentinel-2A数据相比,基于ICESat-2/ATLAS数据及其与多源数据联合的反演模型均可以提高森林蓄积量反演精度和模型稳定性。 展开更多
关键词 森林蓄积量 特征变量 随机森林 多元回归 ICESat-2/ATLAS Sentinel-2A
在线阅读 下载PDF
基于Landsat 8 OLI和资源3号立体像对数据的桉树森林蓄积量估测 被引量：2
9
作者 张方圆 吴胜义 +1 位作者 乔海亮 许舟 《中南林业科技大学学报》 CAS CSCD 北大核心 2024年第5期93-101,共9页
【目的】探索Landsat8 OLI数据和立体数据在估算桉树森林蓄积量(forest stock volume,FSV)中的潜力,并且准确地估计桉树的FSV。【方法】以3幅Landsat8 OLI图像和资源3号立体数据为遥感数据源,并且结合少量地面调查数据实现了桉树FSV的... 【目的】探索Landsat8 OLI数据和立体数据在估算桉树森林蓄积量(forest stock volume,FSV)中的潜力,并且准确地估计桉树的FSV。【方法】以3幅Landsat8 OLI图像和资源3号立体数据为遥感数据源,并且结合少量地面调查数据实现了桉树FSV的遥感估计。研究中提取了三类遥感特征用于估计桉树FSV:第一类是包括植被指数和单波段反射率在内的光谱特征;第二类是基于Landsat 8 OLI图像的单波段提取的8种纹理特征;第三类是基于资源3号立体像对数据和开源的数字高程模型(digital elevation model,DEM)提取的冠层高度模型(canopy height model,CHM)。利用Boruta算法对三类遥感特征进行提取,之后建立了随机森林(random forest,RF)、K-最近邻(K-nearest neighbor,KNN)和支持向量机(support vector machine,SVM)3种机器学习模型以及传统的多源线性回归模型(multiple linear regression,MLR),并以决定系数(R2)、均方根误差(root mean square error,RMSE)和相对均方根误差(relative root mean square error,rRMSE)作为评价指标对模型结果进行评估。【结果】基于ZY-3立体像对数据和开源的DEM数据提取的CHM与桉树的FSV具有很强的相关性,Pearson相关系数达到了0.71。仅仅利用基于Landsat 8 OLI图像提取的光谱和纹理特征难以准确2地估计桉树的FSV,估测模型的R为0.29~0.38,rRMSE为35.65%~43.30%,存在严重的数据饱和问题。2当变量集中加入CHM后,模型的估测精度明显提高,R达到了0.64~0.66,rRMSE为25.74%~26.41%。【结论】使用Landsat 8 OLI数据估算桉树FSV时存在严重的数据饱和问题,并且使用空间分辨率为30 m的纹理特征难以有效地改善森林蓄积量的估计精度。利用资源3号立体像对数据和开源的DEM数据可以提取较为准确的CHM,并且所提取的CHM可以解决改善光学数据的饱和问题,从而提高桉树FSV的估计精度。 展开更多
关键词 森林蓄积量 Landsat 8 OLI 立体像对 冠层高度模型 遥感建模
在线阅读 下载PDF
基于光学遥感联合GEDI反演森林蓄积量研究 被引量：1
10
作者 冷鸿天 岳彩荣 《西部林业科学》 CAS 北大核心 2024年第4期145-153,共9页
传统的森林蓄积量调查方法强度大、成本高、耗时长。单纯利用光学遥感影像特征进行森林蓄积量反演时,由于缺乏大量的样地数据支持,加之在森林接近郁闭时光谱反射率易饱和,导致蓄积量反演蓄积精度有限。通过结合光学遥感数据和GEDI足迹... 传统的森林蓄积量调查方法强度大、成本高、耗时长。单纯利用光学遥感影像特征进行森林蓄积量反演时,由于缺乏大量的样地数据支持,加之在森林接近郁闭时光谱反射率易饱和,导致蓄积量反演蓄积精度有限。通过结合光学遥感数据和GEDI足迹点提供的冠层高度信息,可以极低的成本获取大量具有较高蓄积量精度的足迹点,从而通过加密训练样地提升研究区域使用光学遥感反演乔木森林蓄积量的精度。结果显示:(1)当森林高度百分位数(RH)为RH 80时,GEDI提取森林高度特征与机载LiDAR提取树高一致性最高,R^(2)=0.44,RMSE为6.04 m。(2)使用不包含树高特征的光学遥感回归模型预测森林每公顷蓄积量,R^(2)为0.29,RMSE为64.95 m^(3)·hm^(-2);加入树高特征的回归模型预测森林每公顷蓄积的R^(2)为0.59,RMSE为49.53 m^(3)·hm^(-2);样地加密后再使用无树高特征的回归模型预测森林每公顷蓄积的R^(2)为0.46,RMSE为56.55 m^(3)·hm^(-2)。因此,通过结合GEDI足迹点加密样地后可以明显提升研究区域遥感反演乔木森林蓄积量的精度。(3)2020年云南省普洱市思茅区公布的总活立木蓄积量为2629×10^(4)m^(3),使用GEDI足迹点加密训练样地后反演得到的总蓄积量为2289×10^(4)m^(3),整体预测精度为83%。其分布空间格局与森林资源二类调查结果基本相符。 展开更多
关键词 GEE GEDI 星载激光雷达 反演森林蓄积量 光学遥感
在线阅读 下载PDF
面向对象和集成学习算法在森林蓄积量遥感估测中的应用
11
作者 付永浩 李伟坡 张爱军 《东北林业大学学报》 CAS CSCD 北大核心 2024年第6期64-69,78,共7页
以江西省兴国县为研究区,设置51个杉木(Cunninghamia lanceolata)林样地、22个马尾松(Pinus massoniana)林样地;以2017年江西省森林资源二类调查的样点调查数据、陆地卫星8号携带的陆地成像仪(Landsat8 OLI)遥感数据为基础,将陆地卫星8... 以江西省兴国县为研究区,设置51个杉木(Cunninghamia lanceolata)林样地、22个马尾松(Pinus massoniana)林样地;以2017年江西省森林资源二类调查的样点调查数据、陆地卫星8号携带的陆地成像仪(Landsat8 OLI)遥感数据为基础,将陆地卫星8号携带的陆地成像仪影像进行多尺度的面向对象分割(分割尺度为50~500,步长为50),通过计算遥感各影响因素与蓄积量之间的皮尔逊(Pearson)相关系数,对比依据对象提取的遥感特征与依据像素提取的特征的相关性,确定最佳的分割尺度;依据布尔塔(Boruta)算法进行特征选择,构建多元线性回归(MLR)、随机森林(RF)、K-最近邻(KNN)、支持向量机(SVM)、堆叠(Stacking)集成算法5种蓄积量估测模型,以决定系数、均方根误差、相对均方根误差检验模型的估测精度;以森林蓄积量为评价指标,分析面向对象和集成学习算法在森林蓄积量遥感估测中的应用、构建的依据对象的堆叠算法对森林蓄积量遥感估测效果、依据对象的堆叠算法与常用的像素级特征提取方法的差异。结果表明:遥感的影响因素与蓄积量的相关性,随着分割尺度的增大出现先增加后降低的趋势,当分割尺度在150~250之间时,遥感的影响因素与蓄积量之间的相关性出现峰值;与依据像素的蓄积量估计模型相比,依据对象的估计结果的均方根误差从57.42~75.22 m^(3)·hm^(-2)降低到了50.77~68.26 m^(3)·hm^(-2)。与多元线性模型相比,机器学习模型具有更强的蓄积量预测性能,其均方根误差从66.05~75.22 m^(3)·hm^(-2)降低至50.77~71.97 m^(3)·hm^(-2);机器学习模型最佳的估计结果来自200分割尺度时构建的堆叠集成算法,决定系数为0.63、均方根误差为50.77 m^(3)·hm^(-2)、相对均方根误差为25.38%。与依据像素的特征提取方式相比,依据对象的遥感特征提取可以减小由于异常像素导致的不确定性;与基学习器相比,堆叠集成算法可以获得精度更高、更稳定的估计结果。依据对象的蓄积量遥感制图具有更强的可靠性,可以大大缓解依据像素制图导致的“椒盐现象”。 展开更多
关键词 森林蓄积量 多尺度分割 机器学习 集成学习
在线阅读 下载PDF
县级森林蓄积量连续监测方法及应用系统设计
12
作者 高飞 田颖泽 +1 位作者 王勇军 李娜娜 《林业调查规划》 2024年第5期7-17,共11页
森林蓄积量反映森林资源质量状况,精准估测森林蓄积量对提高森林资源管理水平和生态环境保护建设具有重要意义,也是我国实现2060年前碳中和方案的迫切需求。本研究提出一种县级森林蓄积量连续监测方法,通过采用抽样调查和样地实测相结合... 森林蓄积量反映森林资源质量状况,精准估测森林蓄积量对提高森林资源管理水平和生态环境保护建设具有重要意义,也是我国实现2060年前碳中和方案的迫切需求。本研究提出一种县级森林蓄积量连续监测方法,通过采用抽样调查和样地实测相结合,样地模型更新和遥感变化更新相结合的方式,以智能样地代替人工样地调查,实现森林蓄积量调查同时部署、实时自动连续监测。同时,研发了应用系统和云平台,以期为森林蓄积量高效准确估测提供方法依据。 展开更多
关键词 森林蓄积量 连续监测 应用系统 云平台 胸径自动测量
在线阅读 下载PDF
森林蓄积量年度动态监测出数测算方法探讨——基于湖北省森林资源抽样调查理论与方法 被引量：1
13
作者 曹爱平 冯顺柏 +3 位作者 黄光体 潘自辉 杨安 肖正利 《湖北林业科技》 2024年第5期11-17,共7页
以湖北省森林蓄积量动态监测现状体系为基础,介绍森林蓄积量动态监测方法、成果出数测算相关算法,通过典型样地模拟测算,比较不同测算方法的差异,探讨蓄积量监测出数测算存在的问题,客观分析测算优势与不足,以静态指标和动态测算指标结... 以湖北省森林蓄积量动态监测现状体系为基础,介绍森林蓄积量动态监测方法、成果出数测算相关算法,通过典型样地模拟测算,比较不同测算方法的差异,探讨蓄积量监测出数测算存在的问题,客观分析测算优势与不足,以静态指标和动态测算指标结合、联合森林资源自然增长率为基础的测算方法,兼顾森林资源消耗和减损量,测算成果数据偏差小、误差低、具有精确性、精度高,两者互补,可为森林蓄积量年度动态监测成果数据测算提供参考。 展开更多
关键词 森林资源监测 森林蓄积量 测算方法
在线阅读 下载PDF
典型喀斯特山区的森林蓄积量遥感估算
14
作者 郑佳佳 周忠发 +4 位作者 朱孟 黄登红 吴小飘 刘荣萍 龙洋洋 《水土保持通报》 CSCD 北大核心 2024年第2期176-186,共11页
[目的]通过森林蓄积量的遥感监测了解喀斯特地区森林生态系统的健康状况和生态功能,为该地区碳汇监测与评估以及森林管理与决策提供理论依据。[方法]本研究选取典型喀斯特山区为研究对象,基于Sentinel-2A影像和样地调查数据,结合随机森... [目的]通过森林蓄积量的遥感监测了解喀斯特地区森林生态系统的健康状况和生态功能,为该地区碳汇监测与评估以及森林管理与决策提供理论依据。[方法]本研究选取典型喀斯特山区为研究对象,基于Sentinel-2A影像和样地调查数据,结合随机森林(RF)、K近邻回归(KNN)和BP神经网络3种机器学习模型,在山地坡度条件约束下开展森林蓄积量反演研究。[结果]①单波段反射率、植被指数和纹理特征等遥感因子在不同地形约束条件下的表现不同,建立模型的最优子集均不同,不同立地条件下建立蓄积量估测模型均有差异。②在喀斯特山区森林蓄积量估算中,RF相比KNN和BP模型鲁棒性和适应性最强。在缓坡、斜坡、陡坡立地条件下,RF模型精度分别达到80.1%,79.0%,80.5%。[结论]喀斯特山区空间异质性强,不同坡度立地条件下参与蓄积量遥感估测的建模自变量因子均不相同。坡度的划分可以细化复杂场景遥感估算模型,提高蓄积量遥感估算精度。 展开更多
关键词 森林蓄积量 遥感反演 机器学习 随机森林 喀斯特山区
在线阅读 下载PDF
面向森林蓄积量调查的空间抽样方法
15
作者 王强 舒清态 罗洪斌 《绿色科技》 2024年第11期82-89,共8页
全面、科学地掌握森林蓄积量在维持生态平衡方面有着重要意义。基于240个角规控制样地数据和Landsat8影像,分别拟合蓄积量、遥感辅助变量以及两者的交叉变异函数最优模型,以蓄积量空间变异尺度为网格间距设计一种样本独立的空间抽样方法... 全面、科学地掌握森林蓄积量在维持生态平衡方面有着重要意义。基于240个角规控制样地数据和Landsat8影像,分别拟合蓄积量、遥感辅助变量以及两者的交叉变异函数最优模型,以蓄积量空间变异尺度为网格间距设计一种样本独立的空间抽样方法,并与3种传统抽样方法(简单随机抽样、系统抽样、分层抽样)对比分析。结果表明:森林蓄积量的空间变异尺度为7200 m,超出7200 m范围后,两样点间相互独立,不再有空间相关性;拟合的遥感辅助变量变异尺度为6600 m、蓄积量和遥感辅助变量的交叉变异函数的变异尺度为6900 m,与森林蓄积量的变异尺度较为接近。在保证抽样精度的条件下,相较于3种传统抽样方法,空间抽样仅需129个样本便能使抽样精度达到89.46%,样本数量远远少于传统抽样方法样本数量(246个)。在没有充足的样地数据分析森林蓄积量变异函数结构的情况下,可采用少量实测样地结合遥感因子的方法分析蓄积量的空间变异尺度,基于变异尺度的空间抽样方法有效减少了样本信息冗余,样点设计在空间布局上更加高效、合理,代表性更强,研究结果可为森林蓄积量的抽样调查设计提供参考。 展开更多
关键词 空间抽样 变异函数 森林蓄积量 Landsat8/OLI
在线阅读 下载PDF
基于3S技术的山东省森林蓄积量估测 被引量：31
16
作者 李亦秋 冯仲科 +3 位作者 邓欧 张冬有 张彦林 吴露露 《林业科学》 EI CAS CSCD 北大核心 2009年第9期85-93,共9页
借助SPSS统计软件和ERDAS IMAGINE9.0/ArcGIS9.2的建模及空间分析工具,采用TM影像和1∶100000地形图作为数据源,从TM影像提取野外GPS采样点缓冲区内6个波段的灰度值及其线性和非线性组合等遥感因子,从地形图提取海拔、坡度、坡向等GIS因... 借助SPSS统计软件和ERDAS IMAGINE9.0/ArcGIS9.2的建模及空间分析工具,采用TM影像和1∶100000地形图作为数据源,从TM影像提取野外GPS采样点缓冲区内6个波段的灰度值及其线性和非线性组合等遥感因子,从地形图提取海拔、坡度、坡向等GIS因子,以各遥感因子和GIS因子作为自变量,以GPS野外调查样点缓冲区内的蓄积量作为因变量建立多元线性回归模型。样本数据筛选采用标准差法,因子变量筛选采用主成分因子分析法、多元线性回归的逐步回归和强行进入法等方法,建立的多元回归模型预测总体精度达到87.35%。用2006年山东省TM影像提取的有林地掩膜模型中各因子变量灰度图,得到各因子变量的掩膜图层。将各因子变量的掩膜图层代入多元回归模型进行复合运算,得到有林地蓄积量灰度图像。经蓄积量灰度图像属性表统计得到山东省的有林地总蓄积量为6203.53万m3,为快速、准确地对大面积的森林蓄积量估测提供一种有效的途径和方法。 展开更多
关键词 3S技术 山东省 森林蓄积量模型 估测
在线阅读 下载PDF
利用TM影像和偏最小二乘回归方法估测三峡库区森林蓄积量 被引量：27
17
作者 张超 彭道黎 +2 位作者 涂云燕 党永峰 智长贵 《北京林业大学学报》 CAS CSCD 北大核心 2013年第3期11-17,共7页
为进一步提高遥感模型预测森林蓄积量的精度和稳定性,分析了遥感特征因子、地形特征因子、郁闭度与森林蓄积量之间的相关关系。在此基础上,利用偏最小二乘回归方法构建了森林蓄积量遥感预测模型,生成了三峡库区森林蓄积量空间等级分布图... 为进一步提高遥感模型预测森林蓄积量的精度和稳定性,分析了遥感特征因子、地形特征因子、郁闭度与森林蓄积量之间的相关关系。在此基础上,利用偏最小二乘回归方法构建了森林蓄积量遥感预测模型,生成了三峡库区森林蓄积量空间等级分布图,并与地面实测值进行比较。结果表明:该模型的最佳主成分数为3,且郁闭度、海拔、坡度、TM1、TM2、TM3、TM4、TM5、TM7、NDVI、RVI、TM7/TM3、TM4×TM3/TM2、亮度和湿度为预测森林蓄积量的入选变量;森林蓄积量预测的调整决定系数为0.524,相对误差为7.33%,均方根误差为1.763m3;利用该模型计算出三峡库区森林总蓄积量约为1.12亿m3,总体预测精度达到89.58%。研究结果为提高森林蓄积量遥感预测的精度提供了一种有效手段,有利于大面积应用和推广。 展开更多
关键词 三峡库区 TM影像 森林蓄积量 偏最小二乘回归
在线阅读 下载PDF
结合影像光谱与地形因子的森林蓄积量估测模型 被引量：27
18
作者 王佳 宋珊芸 +2 位作者 刘霞 杨慧乔 冯仲科 《农业机械学报》 EI CAS CSCD 北大核心 2014年第5期216-220,共5页
以资源三号卫星遥感图像为数据源,以内蒙古旺业甸林场为研究区域,通过外业调查获取的样地蓄积量真实值,对资源三号影像进行处理,获得对应样地的波段光谱值、光谱组合值及地形因子信息,应用多元回归分析,分别建立阔叶林和针叶林蓄积量估... 以资源三号卫星遥感图像为数据源,以内蒙古旺业甸林场为研究区域,通过外业调查获取的样地蓄积量真实值,对资源三号影像进行处理,获得对应样地的波段光谱值、光谱组合值及地形因子信息,应用多元回归分析,分别建立阔叶林和针叶林蓄积量估测模型。实验结果表明:蓄积量估测模型相关系数阔叶林为0.815,针叶林为0.761,说明资源三号卫星影像的光谱值、光谱组合值及地形因子与蓄积量具有较强的相关性,同时利用检验数据,得出模型的预估精度,其中阔叶林为85.3%,针叶林为91.9%,预估精度较高,研究表明利用资源三号卫星影像进行森林蓄积量估测具有很好的应用前景。 展开更多
关键词 森林蓄积量 卫星影像 波段光谱 地形因子 估测模型
在线阅读 下载PDF
结合纹理因子和地形因子的森林蓄积量多光谱估测模型 被引量：25
19
作者 杨柳 冯仲科 +1 位作者 岳德鹏 孙金华 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2017年第7期2140-2145,共6页
森林蓄积量是林分调查中重要因子,是评价森林数量和质量的重要指标。传统森林蓄积量实测方法耗时费力、效率低下,多元线性回归遥感反演方法精度较低,难以达到精准林业要求。机器学习是一种利用训练数据,进行自我改进、自动提升性能的方... 森林蓄积量是林分调查中重要因子,是评价森林数量和质量的重要指标。传统森林蓄积量实测方法耗时费力、效率低下,多元线性回归遥感反演方法精度较低,难以达到精准林业要求。机器学习是一种利用训练数据,进行自我改进、自动提升性能的方法,可以任意逼近非线性系统,提高模型预测精度。以鹫峰林场森林为研究对象,综合考虑影像光谱因子、纹理因子、地形因子,采用机器学习中的BP神经网络、最小二乘支持向量机、随机森林方法构建了森林蓄积量多光谱估测模型BP-FSV,LSSVM-FSV和RF-FSV,并在Matlab2014a中编程实现。旨在从建模因子选择和模型方法建立两个方面,优化建模因子特征提取,提高森林蓄积量模型预测精度。以角规观测样地实测数据、森林小班二类调查数据、林相图数据为基础,使用以上三种模型结合Landsat8OLI多光谱数据分林型进行了森林蓄积量反演建模预测。以决定系数R2和均方根误差RMSE为指标,分析了三种反演模型的训练能力和预测能力。研究结果表明:利用3种机器学习方法构建的结合光谱因子、地形因子、纹理因子反演模型能够提高森林蓄积量的预测精度。以上模型中,RF-FSV模型在针、阔、混三种林型中都表现出较强的预测能力,高于BP-FSV模型,高于或接近于LSSVM-FSV模型。RF-FSV模型在训练阶段,R2和RMSE针叶林中为0.839和13.953 3,阔叶林中为0.924和7.634 1,混交林中为0.902和12.153 9,预测阶段R2和RMSE在针叶林中为0.816和15.630 1,阔叶林中为0.913和4.890 2,混交林中为0.865和9.344 1。RF-FSV模型建模精度和预测精度较高,为森林蓄积量遥感反演估测提供了一种新的方法。 展开更多
关键词 随机森林 遥感反演 森林蓄积量 最小二乘支持向量机 BP神经网络
在线阅读 下载PDF
无人机航测技术在森林蓄积量估测中的应用 被引量：35
20
作者 李亚东 冯仲科 +2 位作者 明海军 李长青 曹明兰 《测绘通报》 CSCD 北大核心 2017年第4期63-66,共4页
无人机(UAV)航测技术是近年来发展起来的快速获取高分辨率影像的测绘新技术。森林蓄积量估算需要快速高效地获取森林遥感影像。虽然利用卫星和机载雷达同样可获取高分辨率遥感影像,但无人机航测技术与其相比具有飞行成本低、外业周期短... 无人机(UAV)航测技术是近年来发展起来的快速获取高分辨率影像的测绘新技术。森林蓄积量估算需要快速高效地获取森林遥感影像。虽然利用卫星和机载雷达同样可获取高分辨率遥感影像,但无人机航测技术与其相比具有飞行成本低、外业周期短、机动灵活等优点。本文利用无人机航测系统获取了案例地区DSM和DEM,采用最大邻域法提取了树高,采用分水岭算法分割了树冠信息,并以树高和冠幅作为解释变量的立木材积二元模型估算了森林蓄积量。结果表明,树高提取精度为83.73%,冠幅提取精度为86.98%,林分蓄积量估算精度为81.80%。 展开更多
关键词 无人机航测 树高 冠幅 森林蓄积量估算
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 30 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部