期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于GEDI和Sentinel-2的内蒙古退耕还林地块树高估测
被引量：
1
1
作者
格根塔娜
月亮高可
+4 位作者
李晓松
姬翠翠
王建和
沈通
王天璨
《林业科学》
北大核心
2025年第3期16-26,共11页
【目的】构建适宜于退耕还林地块的树高样本集,协同遥感数据与机器学习方法估测退耕还林地块树高,为新一轮退耕还林成效监测提供参考依据。【方法】为实现对内蒙古新一轮退耕还林地块树高的准确估测,本研究提出了一种优化的GEDI样本筛...
【目的】构建适宜于退耕还林地块的树高样本集,协同遥感数据与机器学习方法估测退耕还林地块树高,为新一轮退耕还林成效监测提供参考依据。【方法】为实现对内蒙古新一轮退耕还林地块树高的准确估测,本研究提出了一种优化的GEDI样本筛选方法,构建成一套适宜于退耕还林地块的高质量树高样本集;借助Sentinel-2中高空间分辨率遥感数据和地形数据,利用梯度提升树算法对退耕还林地块树高进行估测,并对内蒙古退耕还林地块的树高状况进行分析。【结果】基于GEDI和Sentinel-2机器学习模型,可以实现退耕还林乔木地块树高的准确估测,决定系数R^(2)为0.73,估测精度EA为72%,均方根误差RMSE为1.82 m;GEDI样本的优化筛选能提升退耕还林地块树高估测精度,与未筛选的样本相比模型估测精度R^(2)提高了0.32,RMSE降低了0.83 m,EA提升了13%;红边归一化植被指数、差值植被指数、海拔、坡度与坡向变量重要性较高,累计贡献度超过50%,由此证明植被指数与地形信息是树高估算的关键重要性因子。内蒙古退耕还林地块乔木树高区间为2.5~20 m,平均为5.5 m,其中53.51%分布在5~10 m。【结论】本研究所提出的GEDI样本优化筛选方法显著提高了退耕还林地块树高估测的精度,证明了针对退耕还林地块特点优化筛选的有效性。基于遥感数据与机器学习,本研究实现了内蒙古退耕还林乔木地块树高的估测,为退耕还林地块树高估测提供了可行方法。
展开更多
关键词
GEDI
内蒙古退耕还林
树高
梯度提升树
可持续森林管理
在线阅读
下载PDF
职称材料
内蒙古退耕还林工程区林冠覆盖率卫星遥感监测
被引量：
2
2
作者
格根塔娜
王天璨
+2 位作者
王建和
沈通
月亮高可
《测绘通报》
CSCD
北大核心
2024年第6期139-145,共7页
内蒙古新一轮退耕还林还草工程于2015年启动,是内蒙古生态环境建设恢复的重大举措。本文利用2022年生长季Sentinel-2A影像及地形数据,结合实地测量数据,基于GEE平台采用梯度提升树回归模型(GBRT),对内蒙古新一轮退耕还林工程区林冠覆盖...
内蒙古新一轮退耕还林还草工程于2015年启动,是内蒙古生态环境建设恢复的重大举措。本文利用2022年生长季Sentinel-2A影像及地形数据,结合实地测量数据,基于GEE平台采用梯度提升树回归模型(GBRT),对内蒙古新一轮退耕还林工程区林冠覆盖率进行反演分析。结果表明,模型验证决定系数(R^(2))为0.87,均方根误差(RMSE)为0.079,平均绝对误差(MAE)为0.062。内蒙古新一轮退耕还林工程区林冠覆盖率均值为0.147,其分布存在明显的空间差异,受植被配置类型、种植年份和地理环境等因素影响,总体从西向东逐渐递增。利用Sentinel-2A影像和地形数据可以有效地估测退耕还林工程区林冠覆盖率,对低林冠覆盖率区域的反演提供参考。
展开更多
关键词
退耕还林
林冠覆盖率
梯度提升树
内蒙古
在线阅读
下载PDF
职称材料
题名
基于GEDI和Sentinel-2的内蒙古退耕还林地块树高估测
被引量：
1
1
作者
格根塔娜
月亮高可
李晓松
姬翠翠
王建和
沈通
王天璨
机构
内蒙古自治区林业与草原工作总站
中国科学院空天信息创新研究院
重庆交通大学智慧城市学院
中国科学院大学
出处
《林业科学》
北大核心
2025年第3期16-26,共11页
基金
科技基础资源调查专项(2022FY202300)。
文摘
【目的】构建适宜于退耕还林地块的树高样本集,协同遥感数据与机器学习方法估测退耕还林地块树高,为新一轮退耕还林成效监测提供参考依据。【方法】为实现对内蒙古新一轮退耕还林地块树高的准确估测,本研究提出了一种优化的GEDI样本筛选方法,构建成一套适宜于退耕还林地块的高质量树高样本集;借助Sentinel-2中高空间分辨率遥感数据和地形数据,利用梯度提升树算法对退耕还林地块树高进行估测,并对内蒙古退耕还林地块的树高状况进行分析。【结果】基于GEDI和Sentinel-2机器学习模型,可以实现退耕还林乔木地块树高的准确估测,决定系数R^(2)为0.73,估测精度EA为72%,均方根误差RMSE为1.82 m;GEDI样本的优化筛选能提升退耕还林地块树高估测精度,与未筛选的样本相比模型估测精度R^(2)提高了0.32,RMSE降低了0.83 m,EA提升了13%;红边归一化植被指数、差值植被指数、海拔、坡度与坡向变量重要性较高,累计贡献度超过50%,由此证明植被指数与地形信息是树高估算的关键重要性因子。内蒙古退耕还林地块乔木树高区间为2.5~20 m,平均为5.5 m,其中53.51%分布在5~10 m。【结论】本研究所提出的GEDI样本优化筛选方法显著提高了退耕还林地块树高估测的精度,证明了针对退耕还林地块特点优化筛选的有效性。基于遥感数据与机器学习,本研究实现了内蒙古退耕还林乔木地块树高的估测,为退耕还林地块树高估测提供了可行方法。
关键词
GEDI
内蒙古退耕还林
树高
梯度提升树
可持续森林管理
Keywords
GEDI
Grain for Green in Inner Mongolia
tree height
gradient boosting tree
sustainable forest management
分类号
P237 [天文地球—摄影测量与遥感]
S771.8 [农业科学—森林工程]
在线阅读
下载PDF
职称材料
题名
内蒙古退耕还林工程区林冠覆盖率卫星遥感监测
被引量：
2
2
作者
格根塔娜
王天璨
王建和
沈通
月亮高可
机构
内蒙古自治区林业与草原工作总站
中国科学院空天信息创新研究院
中国科学院大学
重庆交通大学
出处
《测绘通报》
CSCD
北大核心
2024年第6期139-145,共7页
基金
能力培育项目-MFST-蒙古高原土地退化零增长决策支持系统与示范应用。
文摘
内蒙古新一轮退耕还林还草工程于2015年启动,是内蒙古生态环境建设恢复的重大举措。本文利用2022年生长季Sentinel-2A影像及地形数据,结合实地测量数据,基于GEE平台采用梯度提升树回归模型(GBRT),对内蒙古新一轮退耕还林工程区林冠覆盖率进行反演分析。结果表明,模型验证决定系数(R^(2))为0.87,均方根误差(RMSE)为0.079,平均绝对误差(MAE)为0.062。内蒙古新一轮退耕还林工程区林冠覆盖率均值为0.147,其分布存在明显的空间差异,受植被配置类型、种植年份和地理环境等因素影响,总体从西向东逐渐递增。利用Sentinel-2A影像和地形数据可以有效地估测退耕还林工程区林冠覆盖率,对低林冠覆盖率区域的反演提供参考。
关键词
退耕还林
林冠覆盖率
梯度提升树
内蒙古
Keywords
conversion of farmland to forestland
canopy cover
gradient boosting regression tree
Inner Mongolia
分类号
P237 [天文地球—摄影测量与遥感]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于GEDI和Sentinel-2的内蒙古退耕还林地块树高估测
格根塔娜
月亮高可
李晓松
姬翠翠
王建和
沈通
王天璨
《林业科学》
北大核心
2025
1
在线阅读
下载PDF
职称材料
2
内蒙古退耕还林工程区林冠覆盖率卫星遥感监测
格根塔娜
王天璨
王建和
沈通
月亮高可
《测绘通报》
CSCD
北大核心
2024
2
在线阅读
下载PDF
职称材料
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
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
