基于Sentinel-1A微波遙感數(shù)據(jù)的森林蓄積量估測
發(fā)布時(shí)間:2022-07-13 12:42
Sentinel-1A作為開源的集微波和光學(xué)數(shù)據(jù)一體的衛(wèi)星數(shù)據(jù)源,給森林資源調(diào)查和監(jiān)測提供了重要的數(shù)據(jù)源。為了探索Sentinel-1A數(shù)據(jù)在森林資源調(diào)查中的可用性,以Sentinel-1A為遙感數(shù)據(jù)源,結(jié)合地面樣地森林蓄積量調(diào)查數(shù)據(jù),采用隨機(jī)森林法和偏最小二乘法兩種模型對云南省普洱市思茅區(qū)的森林蓄積量進(jìn)行預(yù)測以及遙感反演。通過對遙感影像進(jìn)行一系列預(yù)處理,提取微波遙感數(shù)據(jù)VV和VH極化下的后向散射系數(shù),并分別計(jì)算5個(gè)窗口(3m×3m、5m×5m、7m×7m、9m×9m、11m×11m)下的8種紋理特征,共計(jì)83個(gè)特征作為備選自變量,其中31個(gè)特征與蓄積量通過相關(guān)性檢驗(yàn),結(jié)合219塊地面調(diào)查樣地,采用隨機(jī)森林法和偏最小二乘法兩種算法,進(jìn)行建模因子重要性分析,選擇10個(gè)最優(yōu)特征,建立隨機(jī)森林蓄積量估測模型并進(jìn)行定量反演。隨機(jī)森林法回歸模型在結(jié)果上優(yōu)于偏最小二乘法回歸模型,隨機(jī)森林法的模型預(yù)測R~2為0.80,RMSE為30.14 m~3/hm~2;偏最小二乘法的模型預(yù)測R~2為0.70,RMSE為36.68 m~3/hm~2。隨機(jī)森林法相較于偏最小二乘法在森林蓄積量預(yù)估及反演方面具有明顯的...
【文章頁數(shù)】:9 頁
【文章目錄】:
1 研究區(qū)概況
2 材料與方法
2.1 數(shù)據(jù)來源
2.1.1 雷達(dá)數(shù)據(jù)
2.1.2 樣地點(diǎn)數(shù)據(jù)
2.2 數(shù)據(jù)處理
2.2.1 雷達(dá)影像預(yù)處理
2.2.2 紋理變量提取
2.3 蓄積量估測方法
2.3.1 隨機(jī)森林回歸模型
2.3.2 偏最小二乘回歸模型
2.3.3 模型評價(jià)與檢驗(yàn)
3 結(jié)果與分析
3.1 自變量與因變量相關(guān)性分析
3.2 模型的構(gòu)建
3.3 精度評價(jià)
3.4 森林蓄積量反演
4 結(jié)論與討論
【參考文獻(xiàn)】:
期刊論文
[1]基于Sentinel-1A衛(wèi)星SAR數(shù)據(jù)的水體提取方法研究[J]. 李成繞,薛東劍,張露,蘇璐璐. 地理空間信息. 2018(01)
[2]結(jié)合紋理因子和地形因子的森林蓄積量多光譜估測模型[J]. 楊柳,馮仲科,岳德鵬,孫金華. 光譜學(xué)與光譜分析. 2017(07)
[3]思茅區(qū)森林資源動態(tài)變化分析及可持續(xù)發(fā)展建議[J]. 鄧桃. 林業(yè)調(diào)查規(guī)劃. 2017(02)
[4]基于Sentinel-1A后向散射特性的高原山區(qū)地物分類探討——以安順市為例[J]. 許璟,安裕倫,劉綏華,韓可欣. 貴州師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(06)
[5]基于最優(yōu)特征空間構(gòu)建的隨機(jī)森林算法在WorldView-2影像分類中的適用性研究[J]. 叢佃敏,趙書河,李嫻,莊喜陽. 科學(xué)技術(shù)與工程. 2016(31)
[6]基于面向?qū)ο蟮腝UICKBIRD數(shù)據(jù)和SAR數(shù)據(jù)融合的地物分類[J]. 王宇航,范文義,劉超逸. 東北林業(yè)大學(xué)學(xué)報(bào). 2016(09)
[7]基于林分結(jié)構(gòu)響應(yīng)的PALSAR森林結(jié)構(gòu)參數(shù)估測[J]. 趙明瑤,劉會云,張曉麗,焦志敏,姚智,楊銘. 北京林業(yè)大學(xué)學(xué)報(bào). 2015(06)
[8]Sentinel-1衛(wèi)星綜述[J]. 楊魁,楊建兵,江冰茹. 城市勘測. 2015(02)
[9]雷達(dá)遙感技術(shù)在水稻識別中的研究進(jìn)展[J]. 王松寒,何隆華. 遙感信息. 2015(02)
[10]基于偏最小二乘的森林生物量遙感估測[J]. 劉瓊閣,彭道黎,涂云燕,李艷麗,高東啟. 東北林業(yè)大學(xué)學(xué)報(bào). 2014(07)
碩士論文
[1]復(fù)雜地形區(qū)域合成孔徑雷達(dá)正射影像制作方法研究[D]. 魏鉅杰.遼寧工程技術(shù)大學(xué) 2009
本文編號:3660063
【文章頁數(shù)】:9 頁
【文章目錄】:
1 研究區(qū)概況
2 材料與方法
2.1 數(shù)據(jù)來源
2.1.1 雷達(dá)數(shù)據(jù)
2.1.2 樣地點(diǎn)數(shù)據(jù)
2.2 數(shù)據(jù)處理
2.2.1 雷達(dá)影像預(yù)處理
2.2.2 紋理變量提取
2.3 蓄積量估測方法
2.3.1 隨機(jī)森林回歸模型
2.3.2 偏最小二乘回歸模型
2.3.3 模型評價(jià)與檢驗(yàn)
3 結(jié)果與分析
3.1 自變量與因變量相關(guān)性分析
3.2 模型的構(gòu)建
3.3 精度評價(jià)
3.4 森林蓄積量反演
4 結(jié)論與討論
【參考文獻(xiàn)】:
期刊論文
[1]基于Sentinel-1A衛(wèi)星SAR數(shù)據(jù)的水體提取方法研究[J]. 李成繞,薛東劍,張露,蘇璐璐. 地理空間信息. 2018(01)
[2]結(jié)合紋理因子和地形因子的森林蓄積量多光譜估測模型[J]. 楊柳,馮仲科,岳德鵬,孫金華. 光譜學(xué)與光譜分析. 2017(07)
[3]思茅區(qū)森林資源動態(tài)變化分析及可持續(xù)發(fā)展建議[J]. 鄧桃. 林業(yè)調(diào)查規(guī)劃. 2017(02)
[4]基于Sentinel-1A后向散射特性的高原山區(qū)地物分類探討——以安順市為例[J]. 許璟,安裕倫,劉綏華,韓可欣. 貴州師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(06)
[5]基于最優(yōu)特征空間構(gòu)建的隨機(jī)森林算法在WorldView-2影像分類中的適用性研究[J]. 叢佃敏,趙書河,李嫻,莊喜陽. 科學(xué)技術(shù)與工程. 2016(31)
[6]基于面向?qū)ο蟮腝UICKBIRD數(shù)據(jù)和SAR數(shù)據(jù)融合的地物分類[J]. 王宇航,范文義,劉超逸. 東北林業(yè)大學(xué)學(xué)報(bào). 2016(09)
[7]基于林分結(jié)構(gòu)響應(yīng)的PALSAR森林結(jié)構(gòu)參數(shù)估測[J]. 趙明瑤,劉會云,張曉麗,焦志敏,姚智,楊銘. 北京林業(yè)大學(xué)學(xué)報(bào). 2015(06)
[8]Sentinel-1衛(wèi)星綜述[J]. 楊魁,楊建兵,江冰茹. 城市勘測. 2015(02)
[9]雷達(dá)遙感技術(shù)在水稻識別中的研究進(jìn)展[J]. 王松寒,何隆華. 遙感信息. 2015(02)
[10]基于偏最小二乘的森林生物量遙感估測[J]. 劉瓊閣,彭道黎,涂云燕,李艷麗,高東啟. 東北林業(yè)大學(xué)學(xué)報(bào). 2014(07)
碩士論文
[1]復(fù)雜地形區(qū)域合成孔徑雷達(dá)正射影像制作方法研究[D]. 魏鉅杰.遼寧工程技術(shù)大學(xué) 2009
本文編號:3660063
本文鏈接:http://sikaile.net/wenshubaike/mfmb/3660063.html
教材專著