基于KNN-FIFS的内蒙古根河森林郁闭度遥感估测研究

为探索国产高分一号宽幅（GF-1 Wide Field of View,GF-1 WFV）数据以及具有宽覆盖、红边波段（Red-Edge band,RE）的高分六号（GF-6）卫星数据在森林郁闭度（Forest Canopy Closure,FCC）定量反演中的潜力,本研究以GF-1 WFV多光谱数据为基础,添加哨兵2号（Sentinel-2A）红边波段,模拟GF-6红边波段特性,并提取相关纹理信息（Texture Information,TI）、植被指数（Vegetation Index,VI）和红边指数（Red- edge Index,RI）,同时添加太阳入射角的余弦值cosi和1/cosi进一步探究了地形因素（Topographic Factors,TF）对FCC估测的影响,利用快速迭代特征选择的k-NN（k-Nearest Neighbor with Fast Iterative Features Selection,KNN-FIFS）模型,实现了内蒙古大兴安岭根河研究区FCC的定量反演,并对比逐步多元线性回归（Stepwise Multiple Linear Regressions,SMLR）和支持向量机（Support Vector Machine,SVM）估测结果。通过44块调查样地实测数据验证发现：基于GF-1 WFV估测的FCC与实测数据具有很好的一致性,R²=0.52,RMSE=0.08;GF-1 WFV+VI+TI估测结果为R²=0.56,RMSE=0.08;GF-1 WFV+RE+RI+TI的精度明显提高,R²=0.63,RMSE=0.07;GF-1 WFV+RE+RI+TI+TF的精度最高,R²=0.68,RMSE=0.07,并高于SMLR（R²=0.39,RMSE=0.10）和SVM（R²=0.49,RMSE=0.10）方法。KNN-FIFS方法比SMLR和SVM方法更适用于FCC遥感估测,且添加红边信息经地形校正后,能有效提高FCC的估测精度。     

基于KNN-FIFS的内蒙古根河森林郁闭度遥感估测研究

为探索国产高分一号宽幅（GF-1 Wide Field of View，GF-1 WFV）数据以及具有宽覆盖、红边波段（Red-Edge band，RE）的高分六号（GF-6）卫星数据在森林郁闭度（Forest Canopy Closure，FCC）定量反演中的潜力，本研究以GF-1 WFV多光谱数据为基础，添加哨兵2号（Sentinel-2A）红边波段，模拟GF-6红边波段特性，并提取相关纹理信息（Texture Information，TI）、植被指数（Vegetation Index，VI）和红边指数（Red- edge Index，RI），同时添加太阳入射角的余弦值cosi和1/cosi进一步探究了地形因素（Topographic Factors，TF）对FCC估测的影响，利用快速迭代特征选择的k-NN（k-Nearest Neighbor with Fast Iterative Features Selection，KNN-FIFS）模型，实现了内蒙古大兴安岭根河研究区FCC的定量反演，并对比逐步多元线性回归（Stepwise Multiple Linear Regressions，SMLR）和支持向量机（Support Vector Machine，SVM）估测结果。通过44块调查样地实测数据验证发现：基于GF-1 WFV估测的FCC与实测数据具有很好的一致性，R²=0.52，RMSE=0.08；GF-1 WFV+VI+TI估测结果为R²=0.56，RMSE=0.08；GF-1 WFV+RE+RI+TI的精度明显提高，R²=0.63，RMSE=0.07；GF-1 WFV+RE+RI+TI+TF的精度最高，R²=0.68，RMSE=0.07，并高于SMLR（R²=0.39，RMSE=0.10）和SVM（R²=0.49，RMSE=0.10）方法。KNN-FIFS方法比SMLR和SVM方法更适用于FCC遥感估测，且添加红边信息经地形校正后，能有效提高FCC的估测精度。     

主被动遥感特征优化的天然林森林蓄积量估测

结合国产主被动遥感数据高分六号（GF-6） PMS和高分三号（GF-3）双极化PolSAR估测森林蓄积量,并针对多源遥感数据的冗余问题进行特征组合优化。以新疆巩留县天然林地为研究区,提取GF-6 PMS数据的光谱信息、植被指数、纹理以及植被覆盖度信息和GF-3 PolSAR数据的后向散射系数、极化分解参数,结合地形因子,在森林样地调查数据的基础上,利用快速迭代特征选择的 K 最近邻法（K-Nearest Neighbor with Fast Iterative Features Selection,KNN-FIFS）估测研究区的森林蓄积量。对比国产主被动遥感数据和单一遥感数据源时的估测结果,基于最优特征组合反演研究区的森林蓄积量,结果表明：联合GF-3 PolSAR和GF-6 PMS数据估测研究区森林蓄积量的精度为 R2=0.72,RMSE=92.48 m3/hm2,相比于仅使用GF-6 PMS数据估测的精度（R2=0.56,RMSE=118.8 m3/hm2）,R2提高了0.16,提高了28.6%,RMSE降低了26.32 m3/hm2,降低22.2%。说明主被动遥感数据协同反演可以提高森林蓄积量估测精度,KNN-FIFS方法可以有效地估测天然林森林蓄积量。     

基于多源遥感数据及几何光学模型的森林郁闭度估测

森林冠层郁闭度(Forest Canopy Closure,FCC)是评估森林资源的重要因素,准确估算森林郁闭度对森林经营和管理具有重要意义。基于Li-Strahler几何光学模型,无人机激光雷达和高分六号宽幅(GF-6 Wide Field of View,GF-6 WFV)数据估测森林郁闭度,并针对混合像元的问题提出了一种可靠的方法。首先,利用无人机激光雷达衍生的高精度森林结构参数计算无人机飞行覆盖区域的光照背景分量。然后,利用连续最大角凸锥(Sequential Maximum Angle Convex Cone,SMACC)算法及线性光谱分解模型对GF-6 WFV进行混合像元分解,确定研究区最优场景分量。最后,利用Li-Strahler几何光学模型估测研究区域森林冠层郁闭度,并利用野外样地实测数据进行精度验证。结果表明：估测郁闭度与实测郁闭度之间的决定系数(R²)为0.692 8,均方误差根(RMSE)为0.059 4,总体精度为93.4%,Li-Strahler几何光学模型可以有效的在森林郁闭度反演中发挥作用。     

基于HJ-1A高光谱遥感数据的湟水流域典型农作物分类研究

利用高光谱遥感技术识别农作物类型已经成为高光谱遥感研究的热点领域。以青海省湟水流域内油菜、小麦和青稞等典型农作物为分类对象,以HJ-1A HSI高光谱数据和GF-1 WFV高分辨率数据为数据源,探讨利用高光谱遥感影像进行农作物类型信息提取的方法。数据经预处理后,首先,利用WFV数据采用面向对象方法提取研究区农作物种植边界,并利用其对HSI高光谱影像进行种植区域提取;其次,将提取后的高光谱影像经数据形式变换获得包括:R、1/R、Log(R)、d(R)、d(Log(R))和CR共6种数据形式;最后,利用上述6种数据形式的全波段数据和经遗传算法GA-SVM进行光谱波段选取后的6种特征数据,采用支持向量机SVM方法进行农作物分类。结果表明:采用基于样本的面向对象分类方法提取耕地信息精度高且实现周期短;利用GA-SVM波段选取后的6种特征数据集进行农作物分类,其精度显著高于全波段数据集分类精度;6种数据变换形式中,d(Log(R))和CR是两种最优的高光谱分类数据形式,其全波段和特征波段数据进行农作物分类均能获得较好的分类精度,总体精度最高分别达88%和86%,而采用1/R、Log(R)和R数据形式需经GA-SVM光谱波段选取后才能获得较优分类精度。     

基于PSO-RBF神经网络模型反演闽江下游水体悬浮物浓度

总悬浮物浓度是水环境重要参数之一,二类水体光谱特征复杂,光谱特征与悬浮物浓度之间关系不能用简单的线性模型来表示。利用2017年7月12日～13日2d时间对闽江40点位进行水质采样和光谱测量,结合光谱响应函数模拟GF-1 WFV1各波段遥感反射率,分析遥感因子与总悬浮物浓度相关性。利用相关系数较高的波段及组合b3、b3/b2和b3/b1,构建PSO-RBF和传统RBF神经网络总悬浮物浓度反演模型,同时建立以b3/b2为自变量的经验比值模型。结果表明:与传统RBF神经网络和经验模型相比,PSO-RBF神经网络模型效果更佳,R2=0.890,RMSE=3.01mg·L-1。基于训练好的PSO-RBF模型,应用GF-1 WFV1遥感影像对闽江下游水体总悬浮物浓度进行反演,影像反演的总悬浮物浓度RMSE=3.65mg·L-1,MRE=14.11%,遥感影像反演结果精度明显高于克里金空间插值结果。分析其空间分布特征,从上游方向往下游方向呈现增加趋势,马尾至闽江入海口河段总悬浮物浓度增加明显。     

高分一号与Landsat TM数据估算稀疏植被信息对比

为了分析高分一号卫星数据在稀疏植被信息提取方面的能力,该文选取浑善达克沙地及其周边为研究区,以GF-1和Landsat TM为数据源,结合地面同步实测数据,比较了两个传感器在荒漠化地区植被覆盖度和地上生物量估算方面的能力与差异。结果表明:在该区域,两种数据基于NDVI建立的对数模型可用于植被覆盖度的估测(GF-1:R2=0.7966,RMSEP=0.0908;Landsat 8:R2=0.8080,RMSEP=0.0871),GF-1基于SAVI和Landsat 8基于NDVI建立的乘幂模型进行地上生物量的估测效果最好(R2=0.4866,0.3715;RMSEP=143.46,130.71)。其次,在该区域,经过修正的土壤调节植被指数MSAVI相对于没有经过修正的土壤调节植被指数SAVI,与植被覆盖度和植被生物量的相关性并没有多大提高。第三,两种数据通过引入蓝色、绿色波段的多元回归模型估算植被覆盖度相比单一植被指数植被要好,尤其是对于Landsat影像改进效果更为明显,R2提高了0.3。总之,GF-1的16m数据具有相对较高的质量,可以代替Landsat 8多光谱数据,而且其具有更高的分辨率、重访周期和覆盖范围。     

采用MODIS大气产品的高分一号WFV数据大气校正

针对高分一号(GF-1)WFV数据难以进行业务化大气校正处理的问题,利用准同步的MODIS大气参数产品和6S辐射传输模型建立了一种GF-1 WFV数据的逐像元大气校正流程,然后利用该方法对26景GF-1WFV试验数据进行了大气校正处理,并比较了星上反射率和地表反射的差异,最后在不同地表覆盖类型对GF-1WFV反射率数据和同步的MODIS反射率进行了交叉对比。结果显示,二者一致性较好,均方根误差的均值范围为0.015～0.040。试验数据处理结果表明,该方法可有效对GF-1WFV数据进行反射率反演,且可实现自动化和业务化的处理。     

高分一号与Landsat-8影像在荒漠绿洲过渡带应用对比

针对国产高分一号卫星(GF-1)成像质量是否可以满足区域生态环境监测需求的问题,开展了宽幅多光谱相机(wide field view,WFV)在荒漠绿洲过渡带的成像质量评估研究。从辐射质量、纹理、地类识别精度和归一化植被指数等方面构建评估指标,定量分析了GF-1 WFV和Landsat-8OLI在荒漠绿洲过渡带的成像质量差异。结果表明:GF-1 WFV影像虽然具有较高的空间分辨率,但在辐射质量、地类识别效果、纹理信息及植被指数等方面与Landsat-8OLI相比有一定差距;GF-1 WFV影像的信噪比优势明显,对噪声的抑制效果较好;通过与纹理信息的波段组合,可以有效提高GF-1WFV影像的地物识别效果,缩小与Landsat-8OLI在分类精度上的差距;鉴于明显的光谱范围差异,二者归一化植被指数数据在协同应用的过程中宜分地物类型转换,在西北荒漠绿洲过渡带的国土资源调查、城市规划、农情监测等方面可发挥积极作用。     

基于无人机高光谱数据的玉米叶面积指数估算

无人机高光谱遥感是低成本、高精度获取精细尺度农作物生物物理参数和生物化学参数的新型手段,以此快速反演叶面积指数(Leaf Area Index,LAI)对作物长势评价、产量预测具有重要意义。以山东禹城市玉米为研究对象,利用PROSAIL辐射传输模型模拟玉米冠层反射率获取LAI特征响应波段结合相关性定量分析获取对LAI变化最为敏感的波段,并以此计算6种植被指数(Vegetation Index,VI),利用6种回归模型分别对单一特征波段和VI进行反演建模,以实测LAI评定模型精度。研究表明,光谱反射率中516、636、702、760和867 nm等波段对LAI变化最为敏感,以此建立的单一特征波段反演模型预测LAI精度R~2为0.44～0.58;RMSE为0.16～0.18,其中636 nm建立的模型(LAI=21.86exp(-29.47R636))相比其他反演模型预测精度较高(R~2=0.58,RMSE=0.16);6种植被指数与LAI高度相关,相关性系数R2为0.85～0.86,以此建立的反演模型相比单一特征波段反演模型精度有所提高,R~2为0.66～0.72,RMSE为0.12～0.14;其中mNDVI构建的LAI估算模型(LAI=exp(2.76～1.77/mNDVI))精度最高(R~2=0.72,RMSE=0.13)。无人机高光谱遥感是快速、无损监测农作物生长信息的有效手段,为指导精细化尺度作物管理提供依据。     

基于高分一号WFV影像的随机森林算法反演水稻LAI

叶面积指数(Leaf Area Index,LAI)是植被生长状况的重要指标,反映了农田生态系统的生产力水平。以江苏省东台市水稻田为研究区,基于多时相高分一号WFV影像提取的水稻植被指数数据,结合样区同步测量的不同生长期水稻叶面积指数数据,利用随机森林算法构建研究区水稻LAI反演模型。研究结果表明:随机森林算法反演的研究区水稻LAI与实测验证值相关性较好,R2达到0.88,RMSE仅为1.03,能准确反映研究区水稻LAI生长季的变化趋势,不同时段LAI测量值与反演值相对误差均值为15%,且GF-1WFV影像对研究区水、路网的分辨能力较高,总体上适用于农田LAI的反演。     

在水分胁迫下棉花冠层叶片全氮含量的高光谱遥感估算模型研究

研究利用美国产ASD地物光谱仪,获取新疆北部地区棉花冠层关键生育时期的高光谱数据,采用红边积分面积变量估测棉花冠层叶片的全氮含量,对反射光谱进行一阶微分,应用一阶微分光谱数据,衍生出基于光谱位置变量的分析方法,以红边积分面积(SDr)为自变量,冠层全氮(TN)含量为因变量,做相关分析与处理,构建新陆早6号红边积分面积与冠层叶片TN含量的相关数学模型。研究在不同水处理条件下,对棉花冠层单叶叶绿素含量和单叶全氮含量做相关分析,结果表明:叶绿素含量与TN含量呈显著的正相关(R=0.8723,n=39),叶绿素含量能有效的估计棉花单叶TN含量;红边积分面积变量与冠层TN含量呈显著的相关性,相关系数是0.7394(n=40),利用构建的相关模型可以较为精确地估测棉花两个品种新陆早6号与8号冠层叶片的全氮含量,RMSE分别为0.3859和0.4272。研究认为红边积分面积变量具有预测棉花冠层全氮含量的应用潜力,研究得出利用3边面积变量构造的数学模型对反演作物冠层TN含量有较高应用价值。研究认为,红边位移现象结合红边幅度的变化的研究,用于诊断棉花水分胁迫也是可行的,关键是建立相应合理的诊断指标体系。研究结果证明:①随着棉花的生长发育,叶片的生理生化参数发生变化,冠层的生理生化参数随之发生变化;②.棉花叶片叶绿素含量与叶片的全氮含量相关性显著(R=0.8723,n=38),通过建立数学模型,可以估测叶片中全氮的含量;③由一阶微分光谱衍生出基于光谱“红边”位置变量的分析方法,使我们认识到“红边”的变幅、形状和面积包含了各个波段的信息,这些波段综合产生的变量所构造的模型,为棉花氮素营养参数的估计提供了预测能力;④如果棉花叶绿素含量高,说明水分充足、氮代谢旺盛,植株处于生长旺盛时期,红边向蓝光方向发生了位移。利用红边位移现象结合红边幅度的变化的研究,用于诊断棉花水分胁迫也是可行的,关键是建立相应合理的诊断指标体系。     

在水分胁迫下棉花冠层叶片全氮含量的高光谱遥感估算模型研究

研究利用美国产ASD地物光谱仪,获取新疆北部地区棉花冠层关键生育时期的高光谱数据,采用红边积分面积变量估测棉花冠层叶片的全氮含量,对反射光谱进行一阶微分,应用一阶微分光谱数据,衍生出基于光谱位置变量的分析方法,以红边积分面积(SDr)为自变量,冠层全氮(TN)含量为因变量,做相关分析与处理,构建新陆早6号红边积分面积与冠层叶片TN含量的相关数学模型。研究在不同水处理条件下,对棉花冠层单叶叶绿素含量和单叶全氮含量做相关分析,结果表明:叶绿素含量与TN含量呈显著的正相关(R=0.8723,n=39),叶绿素含量能有效的估计棉花单叶TN含量;红边积分面积变量与冠层TN含量呈显著的相关性,相关系数是0.7394(n=40),利用构建的相关模型可以较为精确地估测棉花两个品种新陆早6号与8号冠层叶片的全氮含量,RMSE分别为0.3859和0.4272。研究认为红边积分面积变量具有预测棉花冠层全氮含量的应用潜力,研究得出利用3边面积变量构造的数学模型对反演作物冠层TN含量有较高应用价值。研究认为,红边位移现象结合红边幅度的变化的研究,用于诊断棉花水分胁迫也是可行的,关键是建立相应合理的诊断指标体系。研究结果证明:①随着棉花的生长发育,叶片的生理生化参数发生变化,冠层的生理生化参数随之发生变化;②.棉花叶片叶绿素含量与叶片的全氮含量相关性显著(R=0.8723,n=38),通过建立数学模型,可以估测叶片中全氮的含量;③由一阶微分光谱衍生出基于光谱“红边”位置变量的分析方法,使我们认识到“红边”的变幅、形状和面积包含了各个波段的信息,这些波段综合产生的变量所构造的模型,为棉花氮素营养参数的估计提供了预测能力;④如果棉花叶绿素含量高,说明水分充足、氮代谢旺盛,植株处于生长旺盛时期,红边向蓝光方向发生了位移。利用红边位移现象结合红边幅度的变化的研究,用于诊断棉花水分胁迫也是可行的,关键是建立相应合理的诊断指标体系。     

基于SPOT5遥感影像丰宁县植被地上生物量估测研究

利用SPOT5遥感影像数据和同期获得的野外调查样地数据,基于按植被类型分类估测的方法,研究了河北省丰宁满族自治县植被地上生物量的遥感估测技术。研究结果显示,SPOT5影像的4个波段反射率和中红外植被指数(VI3)结合建立的多元回归模型,可用于森林生物量的遥感估测,估测的R2值达0.540,说明中红外波段信息提高森林生物量的估测精度有一定作用;通过分析样地生物量与多种植被指数的相关性发现,基于比值植被指数(RVI)的指数回归模型是灌丛生物量估测的最佳模型,估测的R2值达0.711,基于归一化植被指数(NDVI)的简单线性回归模型为估测草地生物量的最佳模型,R2值达0.790。利用2008年的全覆盖SPOT5影像,获得了丰宁县2008年植被地上生物量分布图,除农田植被外,全县地上生物总量为3.706×107 t,单位面积生物量平均为51.223t/hm2,其中,森林植被总生物量为3.578×107 t,灌丛植被总生物量为1.048×106 t,草地植被总生物量为2.277×105 t。     

基于光学多光谱与SAR遥感特征快速优化的大区域森林地上生物量估测

针对基于多模式遥感手段的大区域森林地上生物量(AGB)定量反演效率低的问题,充分集成主、被动遥感对森林AGB多维观测特征,提高区域定量反演结果;针对两期反演结果分析,揭示区域森林AGB空间变化格局,为科学评估区域生态环境保护(如天然林保护)、提升国家生态环境遥感连续动态监测与预警能力提供支撑。以内蒙古大兴安岭林区为研究区,以2009年为主的光学LandsatTM5(TM)与ALOS-1 PALSAR,以及2014年为主的高分一号(GF-1)与ALOS-2PALSAR两期主、被动遥感数据提取特征因子,利用快速迭代特征选择的k-NN方法(k-Nearest Neighbor with Fast Iterative Features Selection,KNN-FIFS),实现主、被动遥感特征组合快速优化及最优估测模型构建;基于第七次、第八次森林资源连续清查样地数据,对两期研究区森林(乔木)AGB进行定量反演与留一法(LOO)验证;根据两期反演结果叠加对比,在样地和区域尺度上定量分析研究区2009～2014年间森林AGB变化。在样地尺度上,基于森林资源清查样地结果与LOO法验证结果表明,2009年的AGB反演结果R2=0.56,RMSE=25.95 t/hm2;2014年R2=0.64;RMSE=24.55 t/hm2。2009年反演均值较样地计算结果均值偏高(预测:81.59 t/hm2,实测:78.64t/hm2);而2014年反演均值较样地计算结果偏低(预测:79.63 t/hm2;实测:82.48 t/hm2)。从区域尺度来看,2009年平均森林AGB为88.33 t/hm2;2014年的为94.61 t/hm2;平均AGB增长量为6.28 t/hm2;与前期研究利用扩展生物量因子法计算的结果接近(2008年和2013年分别为87.14 t/hm2、92.20 t/hm2)。采用基于快速迭代的KNN-FIFS方法,可大幅度提升高维度多模式遥感特征优选效率;充分融合主、被动遥感的多维观测特征,提高森林AGB反演精度及饱和点。在像素尺度上(30 m)利用LOO法对KNN-FIFS反演结果进行了验证,具有更强鲁棒性,避免了由于训练、检验样本抽选造成的随机误差。2009～2014年期间,内蒙古大兴安岭林区植被覆盖度整体呈现了明显的增长趋势;森林AGB也相应增加。自天然林保护工程实施以来,尽管森林火灾造成了局部较为严重的森林退化(覆盖度、AGB),但整体森林资源状况得到有效改善。     

烃类物质闪点定量构效的关系

应用CODESSA软件计算300种烃类物质的分子结构描述符,用启发式回归(HM)、最佳多元线性回归(B-MLR)法,以筛选出来的分子描述符建立线性回归模型.用B-MLR法所选4个描述符作为支持向量机(SVM)的输入,建立非线性模型.预测结果表明:所建模型稳健,泛化能力强,预测误差小.非线性模型(R2=0.9884,RMSE=8.7570)的性能优于线性回归模型(HM:R2=0.9815,RMSE=11.0653;B-MLR:R2=0.9814,RMSE=11.1041),预测的效果令人满意.     

资源一号02D可见近红外和高光谱影像辐射质量评价

资源一号02D(ZY1-02D)卫星搭载了我国自主研制的可见近红外相机（VNIC）和高光谱相机（AHSI）,是我国首颗民用高光谱业务卫星,具有广泛的应用前景。通过整体辐射精度、信噪比、清晰度以及信息熵4个评价指标,对ZY1-02D VNIC和AHSI数据进行辐射质量评价,并分别采用Sentinel-2 MSI和GF-5 AHSI数据进行对比。结果表明：ZY1-02D VNIC数据在可见光波段具有亮度高、信噪比高等优势;在红边近红外等波段,影像具有灰度范围大、信息量大的特点。ZY-1-02D VNIC数据在影像亮度、灰度范围、清晰度和信息量方面均优于Sentinel-2,二者信噪比近似。ZY-1-02D AHSI数据在395—1 341 nm范围内辐射质量良好;在1 929—2 501 nm范围,存在噪声严重的波段,影像质量较差。与GF-5 AHSI数据对比,ZY-1-02D AHSI数据的影像亮度和信噪比相当,但ZY-1-02D AHSI数据在灰度范围方面优势明显,且短波红外谱段的清晰度和信息量优于GF-5 AHSI数据。     

基于四尺度几何光学模型的森林地上生物量遥感估算

森林地上生物量(AGB)是评价森林生态系统功能的重要参数,遥感是获取区域尺度AGB的有效手段。以内蒙古根河市为研究区,利用TM遥感影像数据和33个森林样地调查数据,基于四尺度几何光学模型的森林AGB遥感估算方法,首先,基于样地观测数据建立树冠面积(SA)估算AGB的方程;再利用四尺度几何光学模型建立由冠层反射率反演SA的查找表,由TM影像反演SA,进而估算AGB。在全部33个样地,估算的AGB与观测数据的一致性(RMSE=20.8t·hm-2,R2=0.45)明显优于基于差值植被指数(DVI)(RMSE=27.7t·hm-2,R2=0.09)和混合像元分解(SMA)(RMSE=27.6t·hm-2,R2=0.02)方法建立的统计模型的估算结果。利用19个针叶林样地的观测数据验证表明,估算的AGB的RMSE和R2分别为20.8t·hm-2和0.53,利用DVI估算的AGB的RMSE和R2分别为31.5t·hm-2和0.18,利用SMA方法估算的AGB的RMSE和R2分别为31.8t·hm-2和0.14;对于14个阔叶林样地,估算的AGB的RMSE和R2分别为20.9t·hm-2和0.47,利用DVI估算的AGB的RMSE和R2分别为21.4t·hm-2和0.01,利用SMA方法估算的AGB的RMSE和R2分别为20.6t·hm-2和0.11。结果表明:通过反演与AGB紧密联系的SA,进行AGB的遥感估算是一种有效可行的技术方法。     

基于背包激光雷达的单木材积估测方法研究

背包式激光雷达(Backpack Laser Scanning,BLS)在森林资源调查中具有很大的应用潜力,但在复杂地表情景下,单木材积和林分蓄积量提取精度存在较大不确定性。以广西高峰林场为研究区,利用随机森林方法,基于BLS点云数据对单木材积和样地蓄积量进行估测。首先,对BLS点云进行单木分割,提取单木胸径(DBH)、树高(Htree)、冠幅直径(CD)、冠幅面积(CA)、冠幅体积(CV)、郁闭度(CC)、间隙率(GF)和叶面积指数(LAI)共8个特征参数,并计算56个分层高度指标(高度百分比、累积高度百分比、变异系数、冠层起伏率等)。然后,通过随机森林算法构建单木材积估测模型,并对比各种参数组合的预测精度。得到结果：(1)仅用8个单木结构特征参数进行建模,估测精度为：R²=0.83、RMSE=0.097 m³;(2)加入分层高度指标的模型估测精度有所提升：R²=0.87、RMSE=0.087 m³;(3)通过Boruta算法进行变量筛选,输入参数从64个减少至52个,估测精度差异不大：R     

运用分段法反演太湖水体的叶绿素α浓度

为了提高太湖水体叶绿素口浓度的反演精度,本文采用了浓度分段法,将采样点按其浓度分成两类后分别建立统计模型,并在相关性较低的低浓度模型中采用了光谱修正因子OSS/TSS进行混合光谱分解.最后的验证结果显示,利用浓度分段模型估测叶绿素α浓度的均方根误差(RMSE)为21.12 μg/L,R2=0.92;而利用传统经验模型的估测精度为RMSE=35.72μg/L,R2=0.72.表明浓度分段法可以有效地提高内陆富营养化水体的叶绿素反演精度.