中国农业科学院农业信息研究所 中国农学会
Agricultural Information Institute of CAAS China Association of Agricultural Science Societies
En
Ch
中国农业科学院农业信息研究所 中国农学会 主办

AI检索

订阅

返回顶部
当前位置: 首页 > 文章 > 基于无人机与Sentinel–2数据的滇西北高山松LAI估测研究 西南林业大学学报(自然科学) 2024,44 (6) 141-149
Position: Home > Articles > 基于无人机与Sentinel–2数据的滇西北高山松LAI估测研究 Journal of Southwest Forestry University(Natural Sciences) 2024,44 (6) 141-149

基于无人机与Sentinel–2数据的滇西北高山松LAI估测研究

作  者：
周文武;钱常明;舒清态;邱霜;黄金君;余金格;高应群;国朝胜
单  位：
陆良县大莫古镇林业站;西南林业大学林学院;广元市林业工作站;广西中国科学院广西植物研究所
关键词：
贝叶斯优化算法;机器学习;无人机;哨兵2号;叶面积指数
摘  要：
以香格里拉市典型高山松天然林为研究对象，应用无人机获取低空航拍的多光谱影像，使用冠层间隙率模型计算LAI，联合Sentinel–2影像提取的植被指数，基于随机森林和贝叶斯优化算法改进后的随机森林模型（BO–RF）研究建立高山松叶面积指数估测模型，运用留一交叉验证方法的决定系数（R2）、均方根误差（RMSE）、预测精度（P）和平均绝对误差（MRE）评价估测模型拟合精度，使用BO–RF模型进行区域尺度LAI遥感反演。结果表明：基于无人机多光谱遥感影像，使用冠层间隙率模型计算的LAI均值为4.24，标准差为0.96。贝叶斯优化算法能有效提高机器学习模型估测精度，BO–RF模型的R2=0.82、RMSE=0.41、P=90.03%、MRE=8.78%，较未优化前，R2提高了20.59%、RMSE减小了24.07%、P提升了2.87%、MRE降低了1.78%。使用BO–RF模型估测研究区LAI和空间制图，均值为4.25，主要分布在[4,6]区间，占比63.15%，预测值与实测值具有较高的一致性，相关系数达0.75,R2=0.58。LAI总体分布趋势为中间高、四周低，中部和北部区域是LAI高值主要分布区，低值主要分布于东南部。研究结果可为使用机载超高分辨率光学数据耦合星载中分辨率卫星数据快速精准遥感估测大空间尺度的森林叶面积指数提供参考。

相似文章

导出引用
计量
文章访问数: 1
HTML全文浏览量: 0
PDF下载量: 0

所属期刊

推荐期刊

友情链接Friendly link
农业信息研究所Agricultural information institute 农业智能知识服务平台Agricultural intelligent knowledge service platform 农业学术服务平台Agricultural Knowledge Service System 中国知网CNKI 维普网VIP 万方WANFANG DATA
联系我们Contact us

电话Tell：010-82109652-808

邮箱E-mail：agrijournal@caas.cn

服务Service
关于我们About us 意见建议Opinions and suggest
版权说明Copyright
单位：中国农业科学院农业信息研究所 中国农学会 © 2017中国农业科学院农业信息研究所 ICP备案号：京ICP备09089781号-46