基于方差优化k最近邻法的森林蓄积量估测

编号 zgly0001678714

文献类型 期刊论文

文献题名 基于方差优化k最近邻法的森林蓄积量估测

作者 蒋馥根  孙华  ZHAOFeng  林辉  龙江平 

作者单位 中南林业科技大学林业遥感信息工程研究中心  林业遥感大数据与生态安全湖南省重点实验室  美国大气与海洋局卫星应用研究中心  北京师范大学遥感科学国家重点实验室  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 森林与环境学报 

年卷期 2019年05期

年份 2019 

分类号 S758.51 

关键词 蓄积量  遥感反演  优化kNN  PlanetLabs影像 

文摘内容 森林资源调查是数字森林资源监测的基础,遥感技术可以克服传统方法如抽样调查的局限性,有效地缩短作业时间,提高效率。虽然目前森林蓄积量遥感估测方法很多,但随着样本数量的增加,这些方法无法保证估算的准确性。本研究拟提出一种基于方差速率优化的k最近邻法（kNN）,以2017年10月Planet Labs影像为数据源,结合赤峰市旺业甸林场蓄积量实测数据建立反演模型,并与地理加权回归（GWR）模型、随机森林（RF）模型、普通kNN模型和距离加权kNN模型进行对比分析。在建立的森林蓄积量反演模型中,方差优化kNN模型得到最优精度[决定系数（R2）为0.69,均方根误差（RMSE）为67.6 m3·hm-2,相对均方根误差（RRMSE）为32.04%],显著优于其他模型。结果表明,方差优化kNN模型相比其他模型更适用于森林蓄积量遥感估测,森林蓄积量遥感反演空间分布符合实际分布情况,可以满足建立反演模型的需求。同时,由于Planet Labs影像的鲜明特征（即具有高时间分辨率）,该数据的时间序列数据对于森林季节变化有丰富的记录,在反演森林蓄积量方面有着很大潜力。