發(fā)布時間：2021-10-24 01:11

　　基于1987年、1992年、1997年、2002年、2007年、2012年分布在香格里拉市的34個高山松固定樣地數(shù)據(jù),以及Landsat時間序列數(shù)據(jù)集,利用谷歌地球引擎和Python,通過3種濾波算法對時間序列數(shù)據(jù)進(jìn)行重構(gòu),應(yīng)用隨機(jī)森林算法對森林地上生物量進(jìn)行估測,根據(jù)模型評價指標(biāo)對重構(gòu)前后時間序列數(shù)據(jù)的估測效果進(jìn)行分析。結(jié)果表明:采用3種不同濾波方法重構(gòu)的時間序列數(shù)據(jù)訓(xùn)練的非參數(shù)模型,其擬合精度和預(yù)測精度均高于濾波前時間序列的預(yù)測精度,整體均方根誤差和相對均方根誤差指標(biāo)均優(yōu)于濾波前數(shù)據(jù),其中ARMIA方法最佳。應(yīng)用濾波方法在一定程度消除了影像自身所攜帶的大量噪聲和不確定性,有效地提高了數(shù)據(jù)質(zhì)量,提高了高山松地上生物量遙感估測的精度。 

【文章來源】：西南林業(yè)大學(xué)學(xué)報(自然科學(xué)). 2020,40(05)北大核心

【文章頁數(shù)】：9 頁

【部分圖文】：

研究區(qū)34個高山松固定樣地分布

在實際提取遙感因子時間序列的時候，考慮到后期濾波時的穩(wěn)定時間間隔，在提取操作之前對每個年份的遙感因子提取值求取了中位數(shù)[27]，這樣既避免了對原始數(shù)值的改動也得到了代表該年度的遙感因子DN(digital number）值。2.4 時間序列濾波重構(gòu)

從34個樣地點中選擇了位于河谷地區(qū)生長狀態(tài)良好且實測次數(shù)達(dá)到了5次的第26號固定樣地。第26號樣地點的8種不同遙感因子濾波重構(gòu)前后的時間序列變化曲線見圖3。其中紅色實線表示未經(jīng)濾波重構(gòu)的原始因子數(shù)據(jù)，可以看出其存在巨大的噪聲和不確定性，均表現(xiàn)出起伏不定，即使是相鄰年份的數(shù)值也表現(xiàn)出巨大的差異。其他3種顏色表示的經(jīng)過濾波重構(gòu)的因子數(shù)據(jù)，從圖中對比3種濾波重構(gòu)算法的重構(gòu)效果，可以看出：LandTrendr算法以較少拐點的線段簡化了時間序列的巨大波動，相對而言1×3窗口均值濾波算法重構(gòu)以均值的形式去除異常，而AR-IMA因為算法原理的原因，需要從前序數(shù)據(jù)中把握趨勢，所以在擬合初段表現(xiàn)的較為不穩(wěn)定，但隨著時間序列年份的推移，其對序列整體趨勢的把握逐漸穩(wěn)定。3種重構(gòu)算法對于時間序列的擬合都能夠很好的展現(xiàn)原始數(shù)據(jù)的整體變化趨勢。單獨來看，BLUE波段因子的濾波前后曲線可以看出，原始數(shù)據(jù)的變化起伏較大，意味著藍(lán)波段傳感器獲得的數(shù)據(jù)受到影響較大，而濾波算法的介入使得擬合曲線的波動幅度大幅減少，基本可以保持與其他波段相近的波動幅度。對于EVI因子的濾波前后曲線可以看出，原始數(shù)據(jù)在1997年存在1個明顯的尖峰（異常值），而3種濾波算法都很好的識別并重構(gòu)了該年份的數(shù)據(jù)，使其趨于一個合理的波動范圍內(nèi)。

【參考文獻(xiàn)】：
期刊論文
[1]基于重構(gòu)的Landsat 8時間序列數(shù)據(jù)和溫度植被指數(shù)的區(qū)域旱情監(jiān)測[J]. 路中,雷國平,馬泉來,郭晶鵬,王居午.  水土保持研究. 2018(05)
[2]應(yīng)用Landsat8 OLI和GBRT對高山松地上生物量的估測[J]. 張加龍,胥輝,陸馳.  東北林業(yè)大學(xué)學(xué)報. 2018(08)
[3]基于森林小班的香格里拉市高山松生物量遙感建模[J]. 陸馳,張加龍,王愛蕓,胥輝.  西南林業(yè)大學(xué)學(xué)報(自然科學(xué)). 2017(03)
[4]環(huán)境星歸一化植被指數(shù)時間序列濾波算法比較[J]. 劉寒,馮莉,朱榴駿,黃銀友.  遙感信息. 2015(05)
[5]MODIS植被指數(shù)時間序列Savitzky-Golay濾波算法重構(gòu)[J]. 邊金虎,李愛農(nóng),宋孟強(qiáng),馬利群,蔣錦剛.  遙感學(xué)報. 2010(04)
[6]遙感時間序列數(shù)據(jù)濾波重建算法發(fā)展綜述[J]. 李儒,張霞,劉波,張兵.  遙感學(xué)報. 2009(02)
[7]香格里拉縣的森林資源及其特點分析[J]. 宋發(fā)榮.  西部林業(yè)科學(xué). 2008(01)
[8]NDVI時間序列諧波分析與地表物候信息獲取[J]. 林忠輝,莫興國.  農(nóng)業(yè)工程學(xué)報. 2006(12)
[9]青藏高原：全球氣候變化的驅(qū)動機(jī)與放大器──Ⅲ．青藏高原隆起對氣候變化的影響[J]. 潘保田,李吉均.  蘭州大學(xué)學(xué)報. 1996(01)

博士論文
[1]香格里拉縣森林生物量遙感估測研究[D]. 岳彩榮.北京林業(yè)大學(xué) 2012

碩士論文
[1]基于Landsat的香格里拉市高山松地上生物量及其動態(tài)變化建模研究[D]. 陸馳.西南林業(yè)大學(xué) 2017



本文編號：3454282