中国农业期刊集成服务平台

当前位置: 首页 > 文章 > 深度学习方法下GEDI数据的天然云杉林地上生物量反演干旱区研究 2023,40 (9) 1472-1483

Position: Home > Articles > Study on using deep learning method to retrieve the biomass of natural Picea forest from GEDI data Arid Zone Research 2023,40 (9) 1472-1483

深度学习方法下GEDI数据的天然云杉林地上生物量反演

作者：

孙丹阳;魏建新;杨辽;王杰;唐宇琪;巴比尔江·迪力夏提

单位：

;新疆大学地理与遥感科学学院

关键词：

天然云杉林;GEDI;LiDAR;地上生物量;深度学习

摘要：

森林作为陆地最大碳库,对人类的生活与发展至关重要,精准掌握森林资源动态变化并对其进行现代化可持续发展已成为当下研究热点.本文以天山山脉的天然云杉林为研究对象,利用地面实测数据、直升机机载激光雷达点云数据以及全球生态系统动态调查激光雷达(Global Ecosystem Dynamics Investigation,GEDI)数据,构建多源融合数据框架,通过使用AutoKeras框架下的深度学习算法,实现GEDI数据的多个相对高度百分位数(Relative Height Percentile,RH)与其光斑内地上生物量的回归模型预测,验证GEDI数据在较大范围的地上生物量反演方面的可行性,主要结论如下:(1)GEDI数据用于森林地上生物量估测研究具有较高可行性,通过自动化深度学习算法,训练集、验证集、整体数据的决定系数(Coefficient of Determination,R2)分别为0.69、0.63和0.67,平均绝对误差(Mean Absolute Error,MAE)分为3.73 mg·hm-2、4.22 mg·hm-2和3.89 mg·hm-2,具有较高的预测精度.(2)直升机激光雷达作为GEDI数据估算地上生物量的中间技术,整个研究区内的单木识别准确率高于0.75.最终本次研究通过多模态数据融合,定量化描述研究区单木基础结构参数的同时,验证GEDI数据在获取森林地上生物量方面的潜力,也为相近区域大面积的森林碳源汇、生物量、蓄积量估算、森林管理与经营、生物多样性保护等多个项目研究提供理论基础,具有一定的指导意义和基础数据支撑作用.

译名：

Study on using deep learning method to retrieve the biomass of natural Picea forest from GEDI data

关键词：

natural Picea forest%GEDI%LiDAR%aboveground biomass%deep learning

相似文章

天山中部不同郁闭度天然云杉林立地土壤养分的比较研究 [张洪亮, 朱建雯, 张新平, 张毓涛, 郝帅] 新疆农业大学学报 2010,33 (1) 15-18
隆务河流域天然云杉林东方拟齿小蠹生物学特性观察 [史全顺, 韩富忠, 张庆贺, 丁启含, 史生慧] 中国森林病虫 2012,6 (6) 13-15+24
黑条木小蠹生物学特性初步观察 [韩富忠, 马静, 杨保玉, 樊国有, 马祥东] 青海农林科技 2014 (3) 27-28+68

导出引用

计量

文章访问数: 10

HTML全文浏览量: 0

PDF下载量: 0

深度学习方法下GEDI数据的天然云杉林地上生物量反演

相似文章

所属期刊

干旱区研究

推荐期刊

新疆农业大学学报

中国森林病虫