基于多源遥感数据的森林蓄积量估测研究——以北方孟家岗林场为例

发布时间：2024-07-09 05:35

　　以北方孟家岗林场的落叶松人工林为研究对象，引入遥感技术作为一种更高效、适用于大区域的遥感监测方法，利用Sentinel-1和Sentinel-2遥感数据，提取光谱特征、纹理特征、植被指数和后向散射系数等特征指标，基于Pearson相关系数和距离相关系数这两种特征选择方式，结合KNN、SVR和RF等3种机器学习模型，开展了6种人工林蓄积量估测方案的对比。研究表明：遥感数据源对模型的估测精度影响最大；以单一Sentinel-1数据作为来源的模型估测精度最低，而基于Sentinel-1和Sentinel-2综合数据的估测模型精度最高，其中RF回归模型结合DC特征重要性评价方案获得了最佳的蓄积量估测结果，R_RMSE和R²分别为22.94%和0.59。利用特征选择的方式结合多源遥感数据可以有效提升模型精度和泛化能力，得到更优的人工林蓄积量估测结果，为森林资源的保护、管理和可持续利用提供科学依据。

【文章页数】：7 页

【部分图文】：

图1基于不同特征选择方法选择的特征数量

基于不同特征选择方法的模型精度如图2所示，其中折线“Mean”表示KNN、SVR和RF三种回归模型精度的均值。基于不同的遥感数据源、回归模型和特征重要性评价指标，模型的估测精度不同。整体上看，模型的估测精度受遥感数据源的影响最大。其中单独基于Sentinel-1数据的模型估测精度....

图2基于不同特征选择方法的模型RRMSE

图1基于不同特征选择方法选择的特征数量结合多源遥感数据(Sentinel-1和Sentinel-2),将得到较优的蓄积量估测结果。其中，不同特征选择方法的真实值与预测值分布散点如图3所示。虚线表示估测误差为真实值均值的50%的临界线，超过虚线范围则认为是估测误差过大。基于特征重....

图3基于不同特征选择方法的真实值与预测值的散点分布

以精度最佳的RF-DC特征选择方法结合多源遥感数据进行蓄积量估测并对研究区落叶松人工林进行反演发现，研究区整体森林资源丰富，蓄积量集中分布在200～300m3/hm2之间。其中低海拔地区受人为影响较大的区域落叶松人工林蓄积量相对较低，而高海拔地区蓄积量相对较高。4讨论与结论

本文编号：4004478