联合Sentinel-1和Sentinel-2数据反演森林蓄积量
中国林业科学研究院资源信息研究所;林业遥感大数据与生态安全湖南省重点实验室
- 摘 要：
- 为明确遥感数据源及机器学习模型对森林蓄积量估测的影响，从而提高区域森林蓄积量估测精度。本文以内蒙古旺业甸林场38个落叶松样地与43个油松样地外业调查数据为基础，提取Senitnel-1和Sentinel-2影像光谱和极化等遥感特征信息。根据不同特征组合分别建立支持向量机回归（Support Vector Regression,SVR）、k最近邻（k-NearestNeighbor, kNN）、多层感知器（Multi-Layer Neural Network, MLP）及多元线性回归（Multiple Linear Regression, MLR）4种蓄积量反演模型，并对模型结果进行精度验证与比较。结果表明：（1）与单一数据源相比，联合Sentinel-1与Sentinel-2数据有助于提高森林蓄积量反演精度(油松蓄积量反演R2提高0.08,RMSE提高10.28 m~3·hm-2；落叶松蓄积量反演R2提高0.05,RMSE提高4.51 m~3·hm-2);（2）与MLP和MLR模型相比，SVR与kNN模型的蓄积量反演效果较好。其中，SVR模型在油松蓄积量反演效果最佳(R2=0.84,RMSE=44.58 m~3·hm-2);kNN模型在落叶松蓄积量反演精度最高(R2=0.74,RMSE=41.41 m~3·hm-2)。联合Sentinel-1与Sentinel-2多源数据的机器学习方法可获得较高的蓄积量反演精度，可期为区域尺度森林蓄积量遥感反演提供理论支持与可行方案。
关键词：森林蓄积量;多源遥感数据;机器学习;估测模型;旺业甸林场;
相似文章
-
2060年前我国森林生物量碳库及碳汇潜力预测 [付晓, 张煜星, 王雪军] 林业科学 2022,58 (2) 32-41
-
多源遥感数据森林蓄积量估测研究现状、问题及对策 [张智锋, 张燕, 汪新岩, 范凤云] 陕西林业科技 2020,48 (6) 68-73
-
以绿为底以美为调科学勾绘全域生态唯美画卷 [王铁军(文/图)] 中国林业 2021 (6) 60-65
-
德宏推进森林防火治理体系和能力现代化 [杨强] 云南林业 2021 (7) 32-33
-
森林资源连续清查方法浅议 [范金阜] 内蒙古林业调查设计 1990 (3) 1-4
-
应用最大信息系数和支持向量机估测森林蓄积量 [罗为检] 东北林业大学学报 2022,50 (1) 40-45
-
Sentinel-2A红边波段森林蓄积量反演研究 [龙植豪, 罗鹏, 许等平, 李振, 代华兵] 林业资源管理 2022 (2) 126-134
-
基于遥感技术的宜良县云南松蓄积量反演 [李紫荆, 胥辉] 绿色科技 2022,24 (2) 1-6
-
森林蓄积量遥感估测的研究进展 [马俊红, 张永福, 汪华] 内蒙古林业调查设计 2008,31 (2) 34-36
-
先行先试话碳汇 [杨智强(文/图), 宗思扬(文/图)] 广西林业 2021 (7) 24-26
