参数优选支持的光学与SAR数据森林地上生物量反演研究

编号 zgly0001715977

文献类型 期刊论文

文献题名 参数优选支持的光学与SAR数据森林地上生物量反演研究

作者 李云  张王菲  崔鋆波  李春梅  姬永杰 

作者单位 西南林业大学林学院  北京航天泰坦科技股份有限公司 

母体文献 北京林业大学学报 

年卷期 2020年10期

年份 2020 

分类号 S771.8  S718.5 

关键词 森林生物量  特征选择  KNN-FIFS 

文摘内容 【目的】森林是整个陆地碳循环系统中最大的有机碳贮库,准确地估测森林地上生物量影响着全球碳源与碳储量的分析与评价。本文旨在评价利用Landsat8 OLI、高分一号光学数据、ALOS-1 PALSAR-1SAR 3组不同源遥感数据估测森林AGB的潜力,进而剖析光学数据和SAR数据在估测森林AGB方面的差异。【方法】首先对Landsat8 OLI、高分一号光学数据、ALOS-1 PALSAR-1SAR数据分别提取波段比值、植被指数、纹理信息,对ALOS-1 PALSAR-1SAR数据同时提取极化分解信息;然后,利用随机森林算法对不同数据提取的特征参数进行重要性排序,选择排序靠前的特征进行建模;最后,利用KNN-FIFS算法分析不同特征组合,对4组数据建立4个模型估测森林AGB,并使用留一交叉验证法对4个模型估测森林AGB值进行精度评价。【结果】使用植被因子、波段比值、纹理因子、极化分解信息4种特征参数分别对3组数据进行建模估测森林AGB,基于Landsat8 OLI数据反演森林AGB的精度评价结果为R~2=0.50,RMSE=33.34 t/hm~2;基于高分一号数据估测精度为R~2=0.36,RMSE=37.60 t/hm~2;基于PALSAR纹理特征估测精度为R~2=0.45,RMSE=35.40 t/hm~2;基于PALSAR全极化分解信息估测精度为R~2=0.63,RMSE=28.84 t/hm~2。【结论】参数提取方法相同时,即基于植被因子、波段比值、纹理信息3种特征参数估测森林AGB,其光学数据和SAR数据的反演潜力基本一致;参数提取方法不同时,即SAR数据加入极化分解信息估测森林AGB,与光学数据相比,SAR数据对森林AGB的反演潜力较好。