共查询到17条相似文献，搜索用时 250 毫秒
1.
应用Landsat8 OLI和GBRT对高山松地上生物量的估测 总被引：1，自引：0，他引：1
依据香格里拉市Landsat8 OLI提取的因子和外业调查的高山松样地地上生物量,利用梯度提升回归树(GBRT)建立了地上生物量与遥感因子的估测模型,并与随机森林、多元线性回归、偏最小二乘方法进行了对比。结果表明:纹理信息对生物量有重要影响,其中熵、相关性和Landsat8 OLI近红外波段的信息对生物量的影响最大;采用GBRT进行建模,当迭代次数大于200次时,偏差降低减缓,GBRT建模方法的精度评价指标(R2=0.96,rRMSE=8.80%,P=73.88%)均优于其他3个模型。应用Landsat数据进行森林地上生物量估测的不确定因素较多,GBRT可作为高山松及其他树种地上地上生物量遥感估测的另一新方法。 相似文献
2.
多元线性回归与神经网络模型在森林地上生物量遥感估测中的应用 总被引：3，自引：0，他引：3
利用遥感影像构建森林生物量估测模型,能够快速、实时估算区域森林生物量。采用吉水县TM影像以及森林资源调查固定样地数据,构建估算森林地上生物量的多元线性回归模型及BP神经网络模型,并对两种模型进行了比较。结果表明:两种模型对样地生物量的预测值大部分比实测值小,多元线性回归模型预测值与实测值的偏差幅度比BP神经网络模型更大,偏差幅度分别为-110.24~38.09 t·hm-2、-35.12~26.17 t·hm-2;多元线性回归模型与BP神经网络模型的决定系数(R2)分别为0.470和0.869,均方根误差(RMSE)分别为30.52和12.69 t·hm-2,预测精度分别为50.07%和71.65%。因此,运用BP神经网络模型估测森林地上生物量优于多元线性回归模型。 相似文献
3.
4.
基于机载激光雷达的森林地上碳储量估测 总被引：1，自引：0，他引：1
以内蒙古大兴安岭生态站为研究对象,以2012、2013年的66块样地数据和2012年同步获取的机载Li DAR遥感数据为数据源,分别采用多元线性回归和随机森林回归算法,通过对比不同算法间的估测精度差异,选择更适于研究区的估测方法,实现研究区森林地上碳储量的遥感估测。结果表明:随机森林回归算法的估测精度最优,模型训练精度(R2为0.861,RMSE为11.133 t/hm2,rRMSE为0.279)和预测精度(RMSE为17.956 t/hm2,rRMSE为0.342,估测精度范围40.898%~95.129%,平均估测精度76.385%)均优于多元线性回归的模型训练结果 (R2为0.676,RMSE为11.846 t/ha,rRMSE为0.351)和模型预测结果(RMSE为22.703 t/hm2,rRMSE为0.636,估测精度范围45.824%~94.752%,平均估测精度69.859%)。机载Li DAR数据的高度变量和密度变量与森林地上碳储量均具有显著相关性,高度变量相关性更为显著。随机森林回归算法对区域森林地上碳储量的估测结果趋于真实分布情况,效果比较理想。 相似文献
5.
针对区域尺度森林地上生物量的分布情况,以大兴安岭生态观测站为例,提出了一种融合光学影像纹理和机载LiDAR点云特征的森林地上生物量遥感估测方法。该方法首先提取Landsat 8 OLI不同波段在不同运算窗口下的纹理特征;然后对机载LiDAR点云进行滤波提取地面点,并利用地面点对点云数据进行高度归一化处理,提取点云特征因子;最后结合提取的遥感特征因子,利用支持向量回归的方法对研究区森林地上生物量进行估测,并对结果进行精度验证。结果表明:不同波段和窗口尺寸的建模精度差异较大,蓝光波段在7×7运算窗口下模型精度最高(R~2=0.73,R_(MSE)=22.32 t/hm~2);点云高度分位数变量的建模精度呈正态分布,变量H_(50)的建模精度最高(R~2=0.75,R_(MSE)=19.24 t/hm~2);与单一的遥感特征变量相比,融合光学影像纹理和机载LiDAR点云特征的模型精度有了一定提高,且针叶林和混交林的估测R_(MSE)分别为19.63和20.40 t/hm~2。因此,该方法可以为区域性的森林地上生物量估测提供有效参考。 相似文献
6.
7.
《西南林业大学学报》2015,(6)
以河南西峡县2013年Landsat 8影像及同期217块森林资源连续清查固定样地数据为信息源,以9个植被指数、3个地形指数为自变量,建立多元线性回归、决策与回归树、装袋算法、随机森林4种遥感估测模型;采用十折交叉验证,及相关系数、绝对误差、均方根误差、相对误差、相对均方根误差5个指标,对遥感估测模型进行精度评价,在此基础上,对研究区域2013年的森林地上部分生物量进行遥感估测和空间分析。结果表明:在4种遥感估测模型中,随机森林综合性能最高,装袋法次之,多元线性回归最低;在12个自变量中,地形(海拔、坡度)、土壤(亮度指数、湿度指数)、植被生长状况(垂直植被指数、有效叶面积指数)6个因子是影响研究区域森林地上部分生物量的重要环境变量;2013年,研究区域单位面积森林生物量为38.56 t/hm2,其中低(40 t/hm2)、中(40~60 t/hm2)、高(60 t/hm2)的面积分别占59.92%、24.30%、15.78%;研究区域森林地上部分生物量较高的区域,主要分布在交通不便、森林茂密、人类干扰活动较少的北部石质山区,而较低的区域,主要分布在交通发达,人口密度大,坡度较为平缓的南部鹳河谷地。 相似文献
8.
《西南林业大学学报》2017,(6)
在高光谱数据预处理、土壤有机质高光谱敏感波段提取基础上,建立多元线性回归、最邻近法、装袋算法、多元感知器、随机森林5种遥感估测模型。用10折交叉验证方法,借助相关系数、绝对误差、均方根误差、相对误差、相对均方根误差5个指标,对遥感估测模型结果进行精度评价,选择精度最高的模型进行湿地土壤有机质遥感估测和空间分析。结果表明:土壤有机质高光谱敏感波段主要集中在925、1 144、1 477、1 780 nm 4个波段;在预测土壤有机质的5种模型中,多元线性回归模型预测精度最高,随机森林次之;土壤有机质空间分布呈现由洲滩中间向四周逐渐增加的带状分布格局;新济洲沼泽地土壤有机质含量最高,为2.22%;靠近沼泽的林地次之;植被覆盖度较低的农地和裸地的土壤有机质最低,为0.43%;这种土壤有机质空间分布格局与研究区土壤类型的带状分布存在密切联系。 相似文献
9.
利用TM遥感数据以及同期获得的野外调查样地数据,研究了河北省丰宁满族自治县森林地上生物量的遥感估测技术。提取TM遥感影像6个波段反射率及DVI、NDVI、PVI、RVI、VI3、SLAVI和SAVI 7个植被指数,分析了森林样地地上生物量与各个因子间的关系,得出相关系数较小（均小于0.400）;因此采用Stepwise逐步回归法,建立了多元回归模型。结果表明,ρ2、ρ3、ρ4、ρ54波段反射率和有效叶面积植被指数（SLAVI）结合建立的多元回归模型,可用于森林生物量的遥感估测,估测的R2值达0.730,留一交叉验证均方根误差RMSE最小,达33.712。利用2008年的全覆盖TM影像,结合丰宁遥感分类图像,获得了丰宁县2008年森林地上生物量分布图,森林植被总生物量为1.805×107t。 相似文献
10.
利用landsat5影像和通过蓄积量-生物量转换方法获得的样地生物量数据,从宜良县云南松林遥感特征、地形特征、郁闭度等方面选取自变量,采用随机森林回归和偏最小二乘法进行生物量遥感估测建模。结果表明:随机森林回归估测模型调整决定系数R2为0.881,模型估测精度为82.3%;偏最小二乘模型的调整决定系数R2为0.753,模型估测精度为78.43%。随机森林回归在模型拟合效果和检验精度上均优于偏最小二乘模型。 相似文献
11.
运用GF-1影像光谱和纹理信息构建森林蓄积量估测模型 总被引：1，自引：0，他引：1
以GF-1遥感影像为数据源,研究区森林资源二类调查数据为样地实测数据,综合考虑光谱、地形、纹理特征,利用多元线性回归、BP神经网络、支持向量机和随机森林建立研究区森林蓄积量估测模型,并验证模型预测的性能。结果表明:4种模型预测评价指标的决定系数(R2)和均方根误差(RMSE)相近,但有一定的差异,多元线性回归模型R2和RMSE分别为0.446、39.979 6 m^3·hm^-2,BP神经网络模型R2和RMSE分别为0.474、39.703 9 m^3·hm^-2,支持向量机模型R2和RMSE分别为0.485、38.924 8 m^3·hm^-2,随机森林模型R2和RMSE分别为0.534、37.882 2 m^3·hm^-2;3种机器学习方法构建的蓄积量估测模型预测性能优于传统的多元线性回归模型,随机森林模型的预测性能最优。 相似文献
12.
以永嘉县四海山林场7 块天然阔叶林样地中602株林木为例,首先选用6种常用的树高曲线方程模拟该阔叶林主要树种的树高曲线,根据决定系数、均方根误差、平均相对误差3个统计量以及残差图检验,确定1个用于构建混合效应模型的基础模型。然后确定树种间的差异和样地间的差异作为随机效应,构建两水平的非线性混合效应模型,并利用AIC、BIC等指标评价不同混合模型的效果。结果表明,在树种水平和样地水平均同时考虑2个参数的随机效应时,模拟温州地区天然阔叶树树高曲线混合效应模型拟合效果最好,能够显著提高模型的拟合精度、大幅度减小模型误差;混合效应模型随机参数的方差协方差表明,天然阔叶树的树高曲线的变化主要受树种的影响,其次是样地的影响。 相似文献
13.
5种主要森林类型涵养水源能力比较研究 总被引：16，自引：0，他引：16
从林冠层、凋落物层及土壤层3个生态作用层次对三峡库区莲峡河小流域5种主要森林类型的涵养水源功能进行了定量研究 结果表明: 林内透雨量、树干径流量与降雨量、降雨强度呈二元线性关系; 林冠截留量与降雨量呈幂函数关系 林冠截留率为16 34%~27 43%, 平均为22 15%, 依次为针阔混交林>马尾松林>针叶混交林>柏木林; 凋落物储量为10 52~21 90t·hm-2, 平均为17 61t·hm-2, 依次为针阔混交林>马尾松林>柏木林>针叶混交林>灌木林; 凋落物最大持水量为2 66~4 19mm, 平均为3 48mm, 依次为柏木林>针叶混交林>针阔混交林>马尾松林>灌木林; 土壤层非毛管蓄水量为34 68~ 44 16 mm, 平均为40 35mm,依次为柏木林>针阔混交林>针叶混交林>马尾松林>灌木林; 各种森林生态系统能够截留的降雨量总量为377 6~494 6t·hm-2, 平均为446 56t·hm-2, 柏木林的涵养水源功能最好, 针阔混交林、针叶混交林、马尾松林次之, 灌木林最小 相似文献
14.
林分蓄积生长量是森林资源监测的一个重要内容,也是林业经营的决策依据。利用北京市第6~8次森林资源连续清查数据和ClimateAP软件中提取的气候信息,建立了基于随机森林的林分蓄积生长量预测模型,对北京市林分蓄积生长量进行了预测。结果表明:运用随机森林的针叶林、阔叶林、针阔混交林的林分生长模型的R 2分别为0.93、0.94、0.89,拟合效果良好;预测北京市2021年林分蓄积生长量平均值为58.1073 m^3/hm^2,变化范围为7.2846~388.7756 m^3/hm^2,蓄积量平均值由大到小的顺序为针叶林、针阔混交林、阔叶林。 相似文献
15.
森林演替中的土壤氮素转化是生态系统的关键过程,其相互关系的研究正受到愈来愈多的重视,探讨土壤可溶性有机氮(SON)和酶活性对维持森林生态系统氮循环及植被恢复、森林生态系统管理有重要的意义。在湖南省长沙县大山冲森林公园不同演替阶段三种林地(针叶林、落叶阔叶林和常绿阔叶林)的1 hm~2长期观测样地,采集表层土壤样品,测定SON和葡糖胺糖苷酶、葡萄糖苷酶和木糖苷酶酶活性,分析亚热带常绿阔叶林演替序列森林土壤SON和酶活性特征,探讨其特征及其与土壤理化性质的关系。结果表明:森林土壤SON表现为常绿阔叶林落叶阔叶林针叶林,且针叶林的铵态氮(NH_4~+-N)、硝态氮(NO_3~--N)、微生物生物量氮(MBN)、总氮(TN)均低于常绿阔叶林和落叶阔叶林(P0.05);阔叶林土壤葡糖胺糖苷酶、葡萄糖苷酶和木糖苷酶明显高于针叶林,常绿阔叶林土壤与三种酶底物的亲和力最强,而落叶阔叶林土壤酶活性最高;冗余分析显示SON与三种酶活性均存在显著正相关关系,葡糖胺糖苷酶活性和亲和力与土壤TN、NH_4~+-N和MBN呈显著正相关。研究表明,亚热带不同演替阶段森林土壤SON和酶活性差异明显;SON随植被正向演替而增加,SON转化相关的酶活性亦随植被正向演替而增强。亚热带森林植被正向演替伴随着土壤氮素养分快速循环过程。 相似文献
16.
生物量是作物生长过程中重要的生物参数之一,能较好地反映作物长势情况。获取了冬小麦开花期数码影像数据、高光谱数据和实测生物量数据,运用相关性分析筛选出对冬小麦生物量相关性高的数码影像指数和植被指数,分别使用多元线性回归分析和逐步回归分析法建立生物量反演估算模型,最后将最优模型估算结果进行可视化空间分析。结果表明：与冬小麦生物量相关性高的数码影像指数有VARI、MGRVI、b等,植被指数有NDVI、SR、LCI、OSAVI等。建立的冬小麦生物量反演模型估算效果较好,其中精度最高的模型为高光谱数据多元线性回归模型,其验证模型均方根误差为0.9041 t/hm2。可视化处理结果能直观地显示试验区冬小麦生物量分布情况,为生长监测及种植管理提供有效依据。 相似文献
17.
中国西南地区森林生物量及生产力研究综述 总被引：2，自引：0，他引：2
在参考前人大量的研究结果基础上,按不同林分类型和林分起源对中国西南地区(云南省、贵州省、四川省、重庆市)的森林生物量和净生产力进行了总结概述.结果显示,西南地区的森林生物量为162.15 t/hm2;若按不同的林分类型来划分,则阔叶林的森林生物量(178.08 t/hm2)大于针叶阔叶混交林( 164.63 t/hm2)和针叶林(145.18 t/hm2)的;若按不同的林分起源进行划分,则天然林的森林生物量(210.58 t/hm2)大于人工林(110.65 t/hm2)的.西南地区的森林净生产力为11.98 t/(hm2·a),若按不同的林分类型来划分,则阔叶林的森林净生产力12.75 t/(hm2·a)大于针叶林的12.13 t/(hm2·a)和针叶阔叶混交林的9.61 t/(hm2·a);若按不同的林分起源进行划分,则天然林的森林净生产力13.38t/(hm2·a)大于人工林的10.56 t/(hm2·a).同时对研究中发现的一些问题及以后的研究方向进行了讨论与展望. 相似文献