共查询到20条相似文献，搜索用时 296 毫秒
1.
应用哨兵2号卫星遥感影像数据和机器学习算法对锡林郭勒草原土壤表层有机碳及全氮的估算 总被引：1，自引：0，他引：1
以锡林郭勒草原为研究区，应用谷歌地球引擎(GEE)云计算平台、哨兵2号卫星(Sentinel-2)遥感数据及其他辅助数据，选择随机森林(RF)、支持向量机(SVM)、多层感知器(MLP)模型3种机器学习算法，对土壤表层(0～20 cm)30 m分辨率的土壤有机碳(SOC)和土壤总氮(STN)质量分数进行估算，比较不同方法的精度差异，分析各影响因素的重要性。结果表明：(1)3种机器学习算法中，随机森林模型对土壤有机碳、土壤总氮估测效果最佳(土壤总氮模型，决定系数为0.67、均方根误差为0.024、百分比偏差为2.09、四分位数间距性能比(RPIQ)为2.14;土壤有机碳估测模型，决定系数为0.68、均方根误差为0.17、百分比偏差为2.26、四分位数间距性能比为2.37)。(2)各影响因素重要性评价结果表明，哨兵2号卫星遥感数据、植被指数，对土壤有机碳、土壤总氮估算贡献较大；在土壤有机碳估测模型中，光谱反射率信息贡献率为30.9%,植被指数贡献率为28.4%;在土壤总氮估测模型中，光谱反射率信息贡献率为23.2%,植被指数贡献率为46.5%。(3)锡林郭勒草地，土壤有机碳、土壤总氮质量分... 相似文献
2.
基于SPOT5和PCA的柞树林地上碳储量的估测模型 总被引：1，自引：0，他引：1
以北京市延庆县柞树林为研究对象,利用森林资源二类调查数据和2004年SPOT5遥感影像,选取SPOT5数据的4个单波段,提取差值植被指数(DVI)、比值植被指数(RVI)、归一化植被指数(NDVI)等3种植被指数以及海拔、坡度、坡向和郁闭度共11个遥感及样地因子,提取这11个因子的主成分,建立基于主成分分析的多元线性回归模型估测碳储量。结果表明:模型经方差分析以及相关性检验,达到显著相关水平,相关系数R=0.829,可用于柞树林地上部分碳储量估测。对30个独立样地进行配对样本t检验,结果达到显著相关水平,相关系数R=0.850,地上部分碳储量估算值为27.19 t·hm-2,模型估测精度可达到92.73%。 相似文献
3.
《新疆农业大学学报》2019,(3)
利用回归分析法建立Landsat-8遥感数据提取的归一化植被指数(NDVI)、归一化绿度植被指数(GNDVI)、差值植被指数(DVI)、比值植被指数(RVI)、大气阻抗植被指数(ARVI)、土壤调整植被指数(SAVI)与实测地上生物量的多种反演模型,通过模型精度检验筛选适宜荒漠灌丛植被地上生物量反演的最优模型。结果表明,6种参与建模的植被指数中SAVI最适于构建准噶尔盆地荒漠灌丛草地地上生物量反演模型;筛选出的一元非线性和多元线性回归模型相比于简单一元线性回归模型反演精度更高,所有一元回归模型中二次多项式和三次多项式模型表现最突出,S曲线、指数和幂指数反演精度普遍较低;以SAVI建立的三次多项式回归模型:Y=38.761-129.868x+263.636x~2-90.892x~3(R~2=0.653,P 0.01)最优。 相似文献
4.
为研究分树种测定并估算植被叶面积指数(IL,A),以大兴安岭地区塔河林业局为研究区域,利用TRAC-Ⅱ对41个样地真实叶面积指数进行了测定,并与基于TM遥感影像提取的植被指数进行了相关性分析,建立模型进行IL,A估算。对外业实测样地数据与其对应提取的遥感数据进行了两种分析:一种为纯针叶树种区域分析,另一种为不分树种的区域分析。结果表明:归一化植被指数(IN,D,V)、差值植被指数(IR,V)、比值植被指数(ID,V)与IL,A均有较高的相关性,其中IN,D,V与IL,A的相关性最好,在纯针叶树种区域分析中R2=82.1%,在不分树种的区域分析中R2=77.1%。分析结果还表明:分树种后的纯针叶树种区域分析比不分树种的区域分析估算IL,A的精度明显提高,估算模型精度提高了5%。 相似文献
5.
以博斯腾湖西岸湖滨绿洲为研究区,将野外原位高光谱实测数据和土壤有机碳（SOC）含量作为基础数据,通过对原始光谱进行4种数学变换,探索不同光谱变换形式下的弓曲差（C）、差值光谱指数（DSI）、简单比值土壤指数（RSI）、亮度光谱指数（BSI）、归一化土壤指数（NDSI）与SOC含量的关系,并建立基于随机森林法（RF）的SOC含量估算模型。结果表明：（1）研究区SOC含量主要集中在5.25～78.76 g/kg,平均值为21.82 g/kg,变异系数为69.11%,呈中等变异性;（2）在光谱数据lgR下,SOC含量与DIS指数相关系数最高,相关系数为0.80,最佳组合波段为（1 758 nm, 1 752 nm）;（3）基于不同光谱指数与弓曲差（C）建立的模型验证集精度R2和RMSE分别介于0.67～0.84和5.85～8.45 g/kg,模型的RPD均在1.66以上;在基于光谱数据lg（1/R）变换下,模型的验证集R2=0.82、RMSE=3.52 g/kg、RPD=3.99,可以较好地估算研究区SOC含量,为干旱半干旱地区湖滨绿洲SOC含量反... 相似文献
6.
基于Landsat 8的深圳市森林碳储量遥感反演研究 总被引：1，自引：0，他引：1
《西北林学院学报》2017,(4)
以2014年Landsat 8遥感影像为数据源,研究了深圳市森林碳储量遥感反演模型的构建及其空间分布情况,对城市生态系统碳循环研究具有重要意义。采用分层随机抽样的方式布设168个样地,结合外业样地数据,从遥感影像中提取31个植被指数作为自变量,分别构建了多元线性回归模型、Logistic回归模型和Radical Basis Function(RBF)径向基函数神经网络模型,进而估算该地区的森林碳储量并比较分析。结果表明,RBF神经网络模型的估算精度最高,决定系数最大且均方根误差最小,分别为0.829t·hm~(-2)和9.131t·hm~(-2);Logistic回归模型估算精度次之,决定系数和均方根误差分别为0.523t·hm~(-2)和11.821t·hm~(-2);多元线性回归模型估算精度最低,决定系数最小,均方根误差最大,分别为0.438t·hm~(-2)和12.870t·hm~(-2)。可见,RBF神经网络模型能更好地模拟森林碳储量与各个因子之间的关系。研究区森林碳储量的空间分布特点表现为东南沿海部分碳储量大,中西部城市经济开发区碳储量小,与实际森林分布基本一致。 相似文献
7.
为探讨鄱阳湖季节性淹水湿地土壤有机碳的空间分布特征及遥感方法在土壤有机碳估算中的适用性,依托江西鄱阳湖国家级自然保护区,选择蚌湖、常湖池和泗洲头湿地为研究区域,基于野外实测土壤有机碳含量数据和同期的Landsat8 OLT遥感影像,采用遥感图像处理和GIS技术提取影像中遥感特征因子,构建遥感参数与土壤有机碳的一元线性、一元曲线和多元逐步线性回归模型,通过对比分析选择最优遥感估算模型,预测鄱阳湖季节性淹水湿地表层（0~20 cm）土壤有机碳含量。结果表明,提取了影像中33个遥感特征因子,包括7个波段的反射率值（b1~b7）、4个植被指数（NDVI、SR、SAVI、EVI）、第一主成分特征（PCA1）、单波段纹理特征的均值（MEAN）、熵（ENT）和相关性（COR）,其中纹理特征是研究区土壤有机碳含量预测的重要遥感因子,其与土壤有机碳含量构建的多元逐步线性回归模型拟合效果最优,模型决定系数R2=0.772,平均相对误差45.53%,均方根误差2.417。遥感反演发现,研究区预测表层土壤有机碳含量主要集中在0~20 g/kg,土壤有机碳含量平均值约为10.75 g/kg。 相似文献
8.
《浙江大学学报(农业与生命科学版)》2021,(5)
以博斯腾湖西岸湖滨绿洲为研究区,利用实测的土壤有机碳含量与高光谱数据,应用连续投影算法(successive projection algorithm, SPA)从全波段光谱数据中筛选特征变量,并分别采用全波段和特征波段构建偏最小二乘回归(partial least square regression, PLSR)与支持向量机(support vector machine, SVM)模型来估算土壤有机碳含量。结果表明:1)土壤有机碳质量分数变化范围为0.75～48.13 g/kg,平均值为13.31 g/kg,呈中等变异性,变异系数为63.19%。2)土壤有机碳含量与原始光谱反射率表现为负相关性[-0.62相关系数(r)-0.07];经SG平滑结合标准化正态变换后进行一阶微分(Savitzky-Golay-standard normal variate-first derivative, SG-SNV-1st Der)预处理后,通过极显著性检验(P0.01)的波段数达到414个,主要集中在487～575、725～998和1 464～1 514 nm处,其中在788、800与1 768 nm波长处的相关性最高,r均大于0.80。3)光谱经SG-SNV-1st Der预处理后,用SPA构建的PLSR模型验证集的决定系数(R~2)=0.79,均方根误差(root mean square error, RMSE)=3.58 g/kg,残余预测误差(residual prediction deviation, RPD)=1.99,四分位数间距性能比(ratio of performance to interquartile distance, RPIQ)=2.23;而运用SPA结合SVM构建的模型验证集R~2=0.81,RMSE=3.16 g/kg,RPD=2.25,RPIQ=2.53。说明运用SPA结合SVM构建的模型能较好地估算研究区土壤有机碳含量。 相似文献
9.
土壤有机碳含量的高光谱估算，可快速、准确监测土壤肥力，为农业生产进行合理施肥提供科学依据。以博斯腾湖西岸湖滨绿洲为研究区，应用ASD FieldSpec3光谱仪测定表层土壤的高光谱反射率，采用重铬酸钾-外加热法测定表层土壤有机碳(SOC)含量；运用连续小波变换(CWT)分别对土壤高光谱反射率(R)及其一阶微分变换(R′)进行尺度分解，分析不同尺度分解后的数据与表层SOC含量的相关性，筛选敏感波段，分别建立偏最小二乘回归(PLSR)、随机森林(RF)和支持向量机(SVM)3种模型估算表层SOC含量。研究结果表明，土壤高光谱反射率与SOC含量呈负相关，经过一阶微分变换后，通过极显著性检验(P<0.01)的波段数由1 689个降低为227个，最大相关系数绝对值(|r|)由0.39提高至0.54;土壤高光谱数据CWT处理后，与表层SOC含量的相关性随分解尺度的增加呈现先增后降的趋势。R′-CWT-SVM模型估算效果最优，建模集和验证集R2分别为0.83和0.80,RMSE分别为5.24和3.56,RPD值为2.12,能够有效估算研究区表层SOC含量。 相似文献
10.
土壤是陆地生态系统最大的碳库,在提升生态系统服务功能和调节气候变化等方面发挥关键作用。对复杂多变环境下土壤有机碳(SOC)含量的精确预测将有助于正确评估区域土壤质量和碳汇功能。本研究以亚热带丘陵区一个典型小流域为研究对象,以地形、气候和植被三类环境变量为驱动因子,分析支持向量机回归(SVR)、随机森林(RF)、极端梯度提升算法(XGBoost)和轻量级梯度提升机(LightGBM)四种不同的机器学习算法在土壤(0~20 cm)SOC含量预测中的精度差异,并筛选影响SOC分布的主要环境影响因素。结果表明,RF模型、XGBoost模型和LightGBM模型均能较好预测SOC含量,以RF模型的表现相对最佳(R^(2)=0.540),其预测精度优于XGBoost(R^(2)=0.528)和LightGBM模型(R^(2)=0.504)。而SVR模型的预测精度(R^(2)=0.427)低于模型预测精度的最低可接受值0.50,并不适用于亚热带丘陵地貌SOC含量的预测。相关分析表明,在亚热带丘陵地貌区,地形(主要为海拔)对几种模型预测的贡献最大,是预测SOC的重要环境变量。基于四种模型预测的SOC数字制图显示,SOC空间分布趋势总体相似,均表现为北部区域、西南和东南边缘区域SOC含量较高,而中部区域SOC含量普遍偏低。 相似文献
11.
[目的]为紫茎泽兰生物入侵的遥感监测提供参考。[方法]以ASTER影像数据为主信息源,结合西昌市紫茎泽兰样地调查,提取3种植被指数分别为归一化植被指数NDVI、垂直植被指数PVI和比值植被指数RVI,通过与紫茎泽兰表征因子盖度、高度和生物量进行相关分析,筛选敏感植被指数。在紫茎泽兰单个表征因子回归分析基础上,建立敏感植被指数与重要值的回归模型。[结果]3种植被指数中,NDVI最能反映紫茎泽兰表征因子的变化信息。NDVI与紫茎泽兰表征因子及IV显著正相关,对IV的复相关系数(R2=0.72)大于单个表征因子。基于NDVI与紫茎泽兰IV的线性模型模拟误差较小。[结论]利用NDVI与IV的线性模型对研究区紫茎泽兰入侵进行监测是较为可行的。 相似文献
12.
基于TM数据提取竹林遥感信息的方法 总被引：2，自引：0，他引：2
利用LandSat5-TM对竹林遥感信息提取方法进行了研究:将归一化植被指数NDVI、结构效应指数CVI、综合效应指数MVI以及主成分变换的前3个分量PCA1、PCA2、PCA3与TM数据的6个波段(除第六波段)合成一个具有12波段的新数据;在最佳波段组合的基础上,结合地形图、土地利用图和野外调查数据,采用光谱特征模型、支持向量机、光谱角填图以及最大似然法对竹林信息进行了提取。研究表明:叶冠结构指数、综合指数、主成分变换等新波段对竹林信息提取很有帮助;与支持向量机、光谱角填图和最大似然法3种监督分类方法相比,基于光谱特征模型的竹林遥感信息提取方法具有一定的适应性,在保证竹林分类精度的同时,其他植被类型的分类精度也能得到满意的结果。 相似文献
13.
基于高光谱的冬小麦叶面积指数估算方法 总被引：3，自引：0，他引：3
【目的】冬小麦叶面积指数是评价其长势和预测产量的重要农学参数,高光谱技术监测叶面积指数的方法能够实现快速无损的监测管理。本文旨在将田间监测和高光谱遥感相结合,探索研究中国南方江汉平原地区冬小麦的最佳波段、光谱参数及监测模型。【方法】研究选取江汉平原的湖北省潜江市后湖管理区,利用ASD地物光谱仪和SunScan冠层分析系统在田间对冬小麦的冠层光谱及叶面积指数的变化进行监测,并探讨高光谱植被指数与冬小麦叶面积指数之间的定量关系。通过相关性分析、回归分析等方法构建6种植被指数与冬小麦叶面积指数的反演模型。【结果】冬小麦冠层光谱反射率中近红外波段870 nm,红光波谷670 nm,绿光波峰550 nm,蓝光450 nm波段对叶面积指数变化最为敏感,通过构建植被指数与叶面积指数模型,相关性均较好,决定系数（R2）为0.675-0.757,其中NDVI反演模型的R2最高为0.757。【结论】经模型精度检验,NDVI植被指数反演模型的精度较其它模型好,较适合对研究样区的冬小麦进行叶面积指数反演。 相似文献
14.
异常气候条件下小麦估产方法研究 总被引：1，自引：0，他引：1
发展针对异常气候条件下的作物估产模型,对于理解气候变化对作物产量的影响,提高估产模型的适用性具有重要意义。本文提出了一种综合气象灾害指标、遥感植被指数与趋势产量的随机森林回归估产方法,基于该方法构建了中国五大麦区的小麦单产估算模型,并选择典型的灾害年份在县级尺度和麦区尺度上分别进行了精度验证,对比分析了不同麦区输入变量对估产模型构建的重要性。结果显示：五大麦区估产模型拟合精度的R2均在0.95以上,各麦区县级实际单产与预测单产平均相对误差均低于0.060,区级均低于0.049;输入变量在不同麦区的重要性存在差异。标准化降水蒸散指数在五大麦区重要性均较高,干热风指标在西北春麦区与北部春麦区相比其他区域更重要,月平均温度距平与月平均降水距平在各个麦区的重要性差异不大,小麦拔节期与抽穗期的标准化差分植被指数（NDVI）重要性相对其他时间段的NDVI更高。本文构建的估产模型能够满足异常气候条件下估产的精度,可以为极端气候条件下大尺度的估产研究提供参考。 相似文献
15.
全球气候的变化已使得人类日益关注森林生态系统的碳储量变化.以福建省长汀县河田盆地为例,开展马尾松林碳储量估算模型的研究.通过2010年的野外样地调查获得了马尾松林的实测数据,并将其与同年的ALOS遥感影像对应样地的植被光谱信息进行比较.通过研究5种遥感植被指数与马尾松林碳储量之间的相关关系,从中选取了基于归一化植被指数(NDVI)的研究区最佳马尾松林碳储量反演模型.精度分析表明,该模型平均相对误差为-1.95％,均方根误差为3.01 t/hm2,因此可以有效地用于反演研究区的马尾松林碳储量.利用该模型反演出河田盆地2010年马尾松林的总碳储量为114.58×104 t,碳密度为34.92 t./hm2. 相似文献
16.
以2010年TM影像为数据源,结合实测叶面积指数(LAI)数据,采用逐步回归方法,分析滁州市森林叶面积指数与植被指数关系并建立估测模型。结果表明:在0.01显著水平下,地面LAI和NDVI、RVI、SAVI的相关性分别为0.899、0.868、0.853;以NDVI为自变量构建的指数函数关系模型与LAI相关系数最高,相关性达0.839,LAI预测精度达78.96%;以NDVI、RVI、SAV为自变量构建的多元线性回归模型与LAI相关性达0.917,LAI估测平均精度达83.36%,符合森林资源监测要求。研究结果为使用遥感数据进行滁州市大面积森林质量监测、森林分布变化提供依据和技术支持。 相似文献
17.
以三江源区为研究区,利用2006~2009年每年8月份的野外采样数据并结合同期的EOS/MODIS数据建立了草地总生物量、可食产草粮与归一化植被指数（Normolized Differential Vegetation Index,NDVI）、修改的土壤调整植被指数（Modified Soil Adjusting VegetationIndex,MSAVI）、增强型植被指数（Enhanced Vegetation Index,EVI）之间的3种（线性、乘幂和指数）关系模型,并进行了比较。研究结果表明：3种模型能够对草地总生物量、可食产草粮进行较好的估算;3种植被指数对草地总生物量、可食产草粮均具有较高的相关性,可用于对草地总生物量、可食产草粮的估测;3种植被指数对草地总生物量的估算好于可食产草量。 相似文献
18.
基于树木年轮的呼图壁河流域草地归一化植被指数重建 总被引：1，自引：0，他引：1
利用天山北坡中部呼图壁河流域6个标准化年表,结合NOAA/AVHRR-NDVI资料提取研究区1981—2001年生长季草地各月最大INDV(归一化植被指数)值。结果表明:当年生长季草地最大INDV与树木年轮指数有较好的相关关系,夏末、秋初草地月最大INDV与树轮指数的相关性较好。将呼图壁河流域草地9月最大INDV与相关较好的3个标准化年表序列进行多元回归分析,重建了研究区1662—2001年9月草地最大INDV值,重建方程的相关系数达到0.86,重建值对实测值的方差解释量分别为73.0%,达到0.000 012的显著性水平,重建结果是可靠的。 相似文献
19.
光学和合成孔径雷达（SAR）多源传感器数据融合对提高森林地上生物量（AGB）提取精度具有重要意义。以太平湖森林为研究对象,以Sentinel-1 SAR数据和Sentinel-2光学数据为数据源,利用随机森林回归算法系统性地评估光学和SAR数据对AGB反演的互补优势和策略选择。采用Sentinel-2光学数据的AGB反演精度（R2=0.63,RMSE=37.05 mg/hm2,sMAPE=0.56）优于采用Sentinel-1 SAR数据的AGB反演精度（R2=0.37,RMSE=52.25 mg/hm2,sMAPE=0.65）,联合两者数据的AGB估算精度最高（R2=0.69,RMSE=34.17 mg/hm2,sMAPE=0.55）;基于不同策略构建的AGB估计模型当中,植被指数（RVI、NDVI和红边相关的NDVIre）和纹理变量（NDVIre_Mea）的重要性高于光谱波段和后向散射系数。联合Sentinel-1和Sentinel-2数据的光谱波段、植被指数、纹理信息和后向散射系数,能够有效的缓和遥感信息饱和性问题和提高AGB反演精度。 相似文献
20.
基于多生育期MODIS-NDVI的区域冬小麦遥感估产研究 总被引：1，自引：0，他引：1
以河南省开封市为研究区,采用2005—2013年种植区域冬小麦生育期内16 d合成的250 m空间分辨率的归一化植被指数(NDVI)之和,与冬小麦产量数据进行相关分析,筛选得到最佳遥感估产时相,建立单变量回归模型;同时,基于冬小麦生长的各个关键时期NDVI构建多元回归模型,再通过主成分分析方法对多元回归模型参数进行改进,得到新的估产模型;最后使用开封市2014年的产量数据对估产模型进行验证,旨在构建具有较高精度的估产模型,从而更好地指导小麦生产。结果显示,3种估产模型的估产误差均控制在10.55%内,根据3个模型得到研究区内冬小麦最佳产量预测时段为3月下旬,即拔节期;3个模型中,主成分回归估产模型的产量拟合精度最高,达93.12%,具有一定的实用价值。 相似文献