基于多源数据的根河实验区生物量反演研究

• 作者: 张王菲 李增元 李春梅 田昕 陈尔学
• 来源期刊: 北京林业大学学报
• 学科: 农学
• 关键词: 森林地上生物量 多元线性逐步回归 k-最近邻 单传感器遥感数据 多传感器遥感数据
• 年，卷（期）: 2016,（3）
• 所属期刊栏目: 林 学 Forest Sciences
• 页码范围: 64-72
• 页数: 9页
• 分类号: S771.8
• 语种: 中文
• DOI: 10.13332/j.1000-1522.20150209

摘要

森林是陆地生态系统的重要组成部分,精确估测森林地上生物量能够减少陆地生态系统碳储量的不确定性。本文以内蒙古大兴安岭根河实验区为研究区,基于森林样地调查数据、Landsat 8 OLI、机载 P-波段 PolSAR以及ASTER GDEM数据,分别采用多元线性逐步回归法和基于随机森林算法( Random Forest, RF)进行特征优化选择后的k-最近邻( k-nearest neighbors, k-NN)法对研究区森林地上生物量( above-ground biomass, AGB)进行估测,对比验证采用不同类型数据(单传感器数据和多传感器数据)时2种方法的反演结果来寻求森林AGB估测的最优方法和输入因子,最后利用最优的估测方法来反演整个研究区的森林AGB,生成根河实验区的森林AGB等级分布图。结果表明：对于多元线性逐步回归和k-NN 2种不同的方法,森林AGB的反演都表现出较为一致的结果,即采用多传感器遥感数据( Landsat 8 OLI和机载P-波段PolSAR数据)比采用单传感器遥感数据估算的森林AGB精度要高；而在同时采用多传感器遥感数据进行森林AGB的反演中,k-NN算法的估测结果(R2=0.65, RMSE=17.49 t/hm2)明显优于多元线性逐步回归算法(R2=0.36, RMSE=22.08 t/hm2)的估测结果。显然,多源数据协同反演森林AGB可以充分利用每种传感器的优点,提高遥感估测森林AGB的能力；与多元逐步回归方法相比,k-NN算法能够更多地考虑到森林参数同光谱值之间的非线性依赖关系,且能够避免发生过学习现象和样本不平衡问题。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李增元	中国林业科学研究院资源信息研究所	162	3306	33.0	49.0
2	陈尔学	中国林业科学研究院资源信息研究所	81	1672	23.0	38.0
3	张王菲	西南林业大学林学院	16	39	4.0	5.0
4	田昕	中国林业科学研究院资源信息研究所	31	299	9.0	17.0
5	李春梅	西南林业大学林学院	3	29	2.0	3.0