基于不同树种的LAI遥感估测研究

发布时间：2022-10-15 15:38

　　基于哑变量模型探究树种差异性对LAI反演模型精度的影响,为建立更精确的LAI反演模型提供一定参考。以塞罕坝机械林场中的落叶松、樟子松、白桦及云杉为研究对象,基于178块样地（白桦40个,落叶松56个,樟子松48个,云杉34个）的LAI实地调查数据及2019年8月8日的哨兵2号遥感影像,利用全子集回归模型进行全局择优,在19个变量因子中选取适宜的变量因子,构建相关的线性模型以及哑变量模型。结果表明,引入树种作为哑变量后,模型的R~2提高了0. 03,RMSE减少了0. 05,AIC减少了7. 23。树种差异性对LAI的反演存在显著影响,综合考虑树种的哑变量模型拟合精度更高,为建立更高精度的LAI反演模型提供借鉴。 

【文章页数】：5 页

【文章目录】：
引言
1 材料与方法
    1.1 研究区概况
    1.2 数据获取与处理
        1.2.1 遥感影像的处理
        1.2.2 植被指数与地形因子的获取
    1.3 研究方法
        1.3.1 基本模型
        1.3.2 哑变量模型
        1.3.3 模型评价
2 结果与分析
    2.1 变量因子选择
    2.2 模型构建与评价
3 结论


【参考文献】：
期刊论文
[1]锡林河流域植被叶面积指数时空变化特征及其对地形因子的响应[J]. 段利民,李玮,罗艳云,刘廷玺,Buren Scharaw,于长翔.  水土保持研究. 2019(03)
[2]地形对典型阔叶红松林叶面积指数分布的影响[J]. 刘志理,毕连柱,宋国华,王全波,刘琪,金光泽.  应用生态学报. 2017(09)
[3]基于HJ-CCD数据和随机森林算法的小麦叶面积指数反演[J]. 王丽爱,周旭东,朱新开,郭文善.  农业工程学报. 2016(03)
[4]马尾松纯林叶面积指数和平均树高的协整模型研究[J]. 王传立,李建军,王萍.  西部林业科学. 2013(04)
[5]偏最小二乘回归在Hyperion影像叶面积指数反演中的应用[J]. 孙华,鞠洪波,张怀清,林辉,凌成星.  中国农学通报. 2012(07)
[6]典型草原通量塔通量贡献区地上生物量和叶面积指数的时空变异[J]. 王猛,李贵才,王军邦.  应用生态学报. 2011(03)
[7]不同空间尺度森林叶面积指数的估算方法[J]. 向洪波,郭志华,赵占轻,王建力.  林业科学. 2009(06)
[8]基于TM的辐射传输模型反演叶面积指数可行性研究[J]. 陈艳华,张万昌,雍斌.  国土资源遥感. 2007(02)



本文编号：3691569