-
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]
-
