基于Sentinel-2与机载激光雷达数据的误差变量联立方程组森林蓄积量反演研究

编号 zgly0001725356

文献类型 期刊论文

文献题名 基于Sentinel-2与机载激光雷达数据的误差变量联立方程组森林蓄积量反演研究

作者 陈松  孙华  吴童  蒋馥根 

作者单位 中南林业科技大学林业遥感信息工程研究中心  中南林业科技大学林业遥感大数据与生态安全湖南省重点实验室  中南林业科技大学南方森林资源经营与监测国家林业与草原局重点实验室 

母体文献 中南林业科技大学学报 

年卷期 2020,40(12)

页码 44-53

年份 2020 

分类号 S758 

关键词 蓄积量  遥感反演  联立方程组  机载激光雷达  Sentinel-2影像 

文摘内容 【目的】研究通过提取Sentinel-2中的特征变量与机载激光雷达(Light detection and ranging,LiDAR)中的冠层高度模型(Canopy height model,CHM),探索使用误差变量联立方程组反演森林蓄积量制图的新方法。【方法】以广西壮族自治区国有高峰林场的界牌与东升分场为研究区,机载LiDAR和Sentinel-2影像为数据源,利用皮尔森相关系数与方差膨胀因子(Variance inflation factor,VIF)结合线性逐步回归进行遥感特征变量筛选。通过VIF判断和线性逐步回归保留后的遥感特征变量与LiDAR提取的CHM,分别选用普通回归模型(多元线性逐步回归与Logistic模型)、误差变量联立方程组、随机森林(Random forest,RF)、kNN(k-Nearest Neighbor,kNN)4种反演方法开展森林蓄积量反演,并利用地面实测数据对反演结果进行验证。【结果】1)在普通回归模型中,Logistic模型的反演精度(RRMSE=30.41%)优于MLR模型的反演精度(RRMSE=30.53%);2)在误差变量联立方程组反演方法中,MLR-Logistic联立模型精度(RRMSE=29.29%)优于Logistic-Logistic、MLR-MLR与Logistic-MLR联立模型(RRMSE分别为29.40%、29.60%与29.66%);3)在4种反演方法中,误差变量联立方程组反演结果精度最高(R2=0.60),显著优于普通回归模型方法、随机森林与kNN反演方法(R2分别为0.56、0.39与0.28)。【结论】误差变量联立方程组反演方法更适用于森林蓄积量遥感估测,其反演精度最高,且获得的蓄积量空间连续分布结果与实际接近,制图效果最好,表明误差变量联立方程组反演森林蓄积量制图方法是可行的。