旺业甸林场人工林生物量遥感反演研究

编号 zgly0001680484

文献类型 期刊论文

文献题名 旺业甸林场人工林生物量遥感反演研究

作者 蒋馥根  孙华  林辉  龙江平  蒋治浩  雷思君 

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  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 2019年10期

年份 2019 

分类号 S718.5  S771.8 

关键词 生物量  Landsat8OLI  地理加权回归  随机森林回归 

文摘内容 森林生物量能直接反映森林质量,遥感技术结合地面样地能实现林分或区域范围森林生物量的反演,反演结果对制定森林资源合理利用、生态环境改善等方面的政策具有重要的指导意义。论文以旺业甸林场Landsat8 OLI影像为数据源,从影像中提取161个植被指数,对比Pearson相关系数法和随机森林法进行特征变量选择,分别筛选出合适的因子作为模型自变量,结合实地调查数据,建立多元线性逐步回归、地理加权回归、kNN回归和随机森林等4种生物量反演模型,并对模型结果进行精度验证。研究结果表明:1)利用Pearson相关系数法进行特征变量选择要优于随机森林法。2)短波红外光和近红外区间波段组合得到的植被指数与生物量的相关性显著,相关性系数最高的前五个因子为SR627、SR637、SR647、SR64、SR213,分别达到了0.776、0.761、0.730、0.702和0.657;3)4种生物量反演模型中,随机森林模型效果最好,决定系数R2为0.72,RMSE=8.12,EA=76.54%;线性逐步回归模型次之,R2为0.65,RMSE=9.01,EA=72.88%;其次是kNN回归模型,R2为0.59,RMSE=9.75,EA=74.89%;地理加权回归模型效果最差,R2为0.58,RMSE=13.75,EA=53.95%;4)利用随机森林模型对研究区进行生物量反演,反演结果生物量空间分布与实际情况基本一致,反演效果较好。