共查询到18条相似文献,搜索用时 203 毫秒
1.
《新疆农业大学学报》2019,(5)
为提高恰西国家森林公园的郁闭度估测模型精度,对单变量和多变量建模进行对比研究,选取出最优的建模因子用于郁闭度反演。先对地形因子和遥感影像的纹理特征因子、植被指数因子进行获取和提取,接着采用偏最小二乘回归法,分别以4种不同建模因子构建郁闭度估测模型,最后用检验样本对4种模型进行精度评价和分析。结果表明,多变量的估测模型结果最好,其校正R~2为0.842,均方误差为0.069 5,估测精度达到了89.93%。采用多变量比只采用一种变量模型的估测精度要高,更适用于该研究区域的郁闭度反演。 相似文献
2.
通过对小光斑激光雷达离散点云数据进行处理,提取了6个变量参数分别用于估测针叶林叶面积指数,为了提高模型估测精度及弥补单变量模型的不足,在单变量模型的基础上尝试多变量组合共同用于估测森林叶面积指数,经过对比得出单变量模型中OGF模型最好,拟合相关性R=0.897,预测精度p=0.959;多变量预测模型结果差异不大,拟合相关性均>0.905,估测精度均>0.957。同时为了验证模型的推广性,对点云数据进行随机稀释操作获得4种不同密度的点云数据,分别用于验证点云密度对OGF模型及OGF与LPI组合模型的影响,结果表明点云密度对模型结果的影响不大,即使在0.125倍点云密度时模型仍能较好的估测针叶林叶面积指数,满足生产需要。 相似文献
3.
基于数码相机的玉米冠层SPAD遥感估算 总被引:1,自引:0,他引:1
【目的】叶绿素是植物光合作用中重要的色素。利用作物光谱信息对叶绿素含量进行反演,为作物的实时监测和生长状态诊断提供重要依据。【方法】以大田环境下不同氮肥水平(0,50%和100%)的开花期玉米为研究对象,利用轻小型无人机搭载数码相机,获取试验区RGB影像。使用土壤调整植被指数(soil adjusted vegetation index,SAVIgreen)对图像进行分割,基于分割前后的影像分别提取15种常见的可见光植被指数,综合分析指数与玉米冠层叶绿素相对含量SPAD值的相关关系。采用单变量回归模型、多元逐步回归模型和随机森林(random forest,RF)回归算法构建玉米SPAD值的遥感估算模型,通过模型精度评价指标决定系数(coefficient of determination,R2)、均方根误差(root mean square error,RMSE)、平均相对误差(mean relative error,MRE)和显著性检验水平(P0.01),确定最佳指标和最优模型。【结果】基于分割前后的数码影像提取的VIplot和VIplant植被指数与玉米冠层SPAD值之间具有显著的相关关系,其中VIplant中的红光标准化值(NRI)、归一化叶绿素比值植被指数(NPCI)、蓝红比值指数(BRRI)、差值植被指数(DVI)与SPAD值的相关性在0.77以上;以相关性高于0.77的VIplant指数NRI、NPCI、BRRI、DVI构建的线性、指数、对数、二次多项式、幂函数的单变量回归模型中,NRI指数构建的二次多项式模型效果最好,决定系数R2为0.7976,RMSE为4.31,MRE为5.91%。在VIplant指数NRI、NPCI、BRRI、DVI参与建立的多变量SPAD反演模型中,使用随机森林方法的模型精度最高,决定系数R2为0.8682,RMSE为3.92,MRE为4.98%,而多元逐步回归模型的精度高于任意单变量回归模型,决定系数R2为0.819,RMSE为4,MRE为5.67%;对数码影像结合各模型制作的SPAD分布图进行精度分析,使用随机森林回归模型对SPAD的估测值与实测值最为接近,具有最佳的预测效果,R2为0.8247,RMSE为4.3,MRE为5.36%,可以作为玉米冠层叶绿素信息监测的主要方法。【结论】本研究证明将数码相机影像提取的可见光植被指数应用于玉米叶绿素相对含量的估测是可行的,这也为无人机遥感系统在农业方面的应用增添了新的手段和经验。 相似文献
4.
5.
选用江西省余干县多角度高光谱遥感数据CHRIS/PROBA,提取了5种植被指数(VI),即归一化植被指数(NDVI)、垂直植被指数(PVI)、调整土壤植被指数(MSAVI)、比值植被指数(RVI)、大气阻抗植被指数(ARVI),与地面实测的植被叶面积指数进行了回归分析,建立300个LAI-VI关系模型。结果表明:在所有的模型中,从5个角度来看,0°提取叶面积指数效果最好,R2=0.591,RMSE=0.650;-55°提取叶面积指数效果最差,R2=0.551,RMSE=0.821;从植被类型来看,针阔林最好,其次为阔叶林、灌木、针叶林和草地;从植被模型种类来看,指数模型好于一次回归模型;从植被指数来看,PVI最好,其次为MSAVI、NDVI、RVI、ARVI。在LAI-VI关系建模过程中,基于多角度高光谱遥感数据提取植被指数,有利于充分挖掘遥感影像信息,能够提高LAI估算精度。 相似文献
6.
以凉水国家级自然保护区为研究区,对小光斑机载LIDAR数据结合同步获取的大比例尺航片进行了处理,提取出两组变量(即单株木树高变量组和单株木冠幅变量组)作为自变量,用凉水保护区内10块样地的实测树高和冠幅作为因变量,进行相关性分析,建立回归模型进而反演树高和冠幅,以检验其精度.结果表明:小光斑机载LIDAR数据结合大比例... 相似文献
7.
基于氮素叶绿素关系的冬小麦籽粒蛋白质含量高光谱反演 总被引:1,自引:1,他引:0
为进一步提高光谱数据反演小麦籽粒蛋白质含量的精度以及反演模型的可解释性,研究以籽粒蛋白质含量(GPC)-氮素-叶绿素之间的关系为载体,通过叶绿素筛选相关植被指数,采用偏最小二乘回归(PLS)方法建立GPC反演模型。结果表明,开花期是监测籽粒蛋白质含量的最优时期。开花期氮素与对应密度叶绿素的相关性较高。通过筛选出与叶绿素密切相关的植被指数,利用PLS建立籽粒蛋白质含量反演模型,模型决定系数R2为0.77,RMSE为0.95%,用其他年份数据进行模型验证,结果显示RMSE达到1.22%。本研究表明:基于氮素、叶绿素关系建立PLS反演模型能够实现不同年份GPC光谱遥感反演,且模型在年际间表现出较高的精度和稳定性。 相似文献
8.
以坐果期枣树为研究对象,利用无人机可见光影像,对田间尺度的枣树冠层SPAD值进行监测,基于14种植被指数与枣树冠层实测SPAD值的相关性,优选植被指数构建单变量回归、多元逐步回归和随机森林回归的枣树冠层SPAD值估算模型,以期探讨无人机可见光遥感影像估算枣树冠层SPAD值的可行性。通过相关性分析发现,红绿比值指数(RGRI)、超绿指数(EXG)、改进型绿红植被指数(MGRVI)、可见光波段差异植被指数(VDVI)、可见光大气阻抗植被指数(ARVI)与枣树冠层SPAD值的相关性极显著,其中EXG与枣树冠层SPAD值的相关系数达到-0.578。基于枣树冠层SPAD值的相关性极显著的5种植被指数构建的单变量反演模型的r2在0.111~0.604之间,RMSE在1.936~3.085之间。其中,以EXG构建的线性模型为单变量反演模型中效果最优的模型,r2达到0.604,RMSE为1.936。基于RGRI、MGRVI、EXG协同构建的多元逐步回归模型效果优于任何单一植被指数构建的单变量反演模型,R2达到0.635。与使用单变量构建... 相似文献
9.
10.
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
11.
基于机载激光雷达的寒温带典型森林高度制图研究 总被引:1,自引:0,他引:1
以内蒙古根河市潮查林场境内的寒温带兴安落叶松原始林及其次生林为研究对象,利用机载激光雷达点云数据与地面调查的66个样地数据,采用不同算法计算样地实测树高(Lorey's高、冠幅面积加权树高和算术平均高)分别与基于双正切角树冠识别算法获取的LiDAR估测高(冠幅面积加权树高、算术平均高)和基于点云提取的百分位高构建树高回归模型(冠幅面积加权树高模型、算术平均树高模型和LiDAR百分位树高模型)。对比不同树高模型的训练精度与估测精度的差异,探讨双正切角树冠识别算法对本研究区的适用性;同时了解冠幅面积加权的样地实测树高与Lorey's高对林分平均高代表性的差异,确定最优解释变量,筛选最优树高模型,计算研究区森林高度空间分布图,为后续生物量和碳储量研究提供参考数据。结果表明:样地冠幅面积加权树高的模型训练精度和估测精度与Lorey's高的结果一致性较好,略低于Lorey's高的估测结果。LiDAR百分位树高模型中的50%分位高与样地实测树高相关性显著且回归模型拟合效果较好,其中,以Lorey's高为样地实测树高时模型的R2=0.869、RMSE=1.366m;以冠幅面积加权树高为样地实测树高时模型的R2=0.839、RMSE=1.392m;Lorey's高的50%分位高模型的估测精度最高,各独立验证样本点估测精度均高于85%,平均估测精度为94.73%,最高估测精度可达99.78%,其中混交林平均估测精度(96.72%)高于针叶林的平均估测精度(93.58%)。因此,选择Lorey's高的50%分位高模型计算研究区的森林高度空间分布。 相似文献
12.
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
13.
长白落叶松人工林单木冠幅模型 总被引:1,自引:0,他引:1
以黑龙江省伊春市朗乡林业局的49块样地共2 499棵长白落叶松为研究对象,基于区组和样地嵌套二水平构建非线性混合效应冠幅模型。从10种常用的冠幅—胸径模型中选出一种最好的作为建模的基础模型,从其他林分因子中选取与冠幅相关性较高的作为协变量参与建模。结果表明:与基础模型相比,混合模型的赤池信息准则(AIC)、贝叶斯准则(BIC)、负二倍的最大似然值(-2LL)和剩余均方根误差(RMSE)值均降低,调整决定系数(Radj2)提高,冠幅预测值的残差分布和密度分布相对更集中,说明模型的预测精度和拟合能力均有所提高。研究发现,以逻辑斯蒂模型作为基础模型,将树高、冠长率和高径比作为协变量,考虑区组和样地嵌套二水平的混合模型有利于提高冠幅模型的预测精度,从而有助于更好地模拟长白落叶松的冠幅胸径关系。 相似文献
14.
基于联立方程组的人工樟子松枝下高模型构建 总被引:2,自引:2,他引:0
15.
长白落叶松?水曲柳混交林冠幅预测模型 总被引:1,自引:1,他引:0
16.
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
17.
采用卡萨生物圈(CASA)模型的遥感间接估算法对长汀县河田镇马尾松林地土壤有机碳进行模型构建。结果表明:结合多种植被指数构建的综合植被指数(ICV),缓解了归一化植被指数(INDV)在植被净第一性生产力(NPP)反演的饱和现象及高估现象,拟合精度比归一化植被指数提高了17.4%,说明综合植被指数在研究区土壤有机碳(SOC)的估算上有更高的契合度;运用综合植被指数构建的随机森林回归模型,对土壤有机碳预测综合精度(R^2=0.597 2,RMSE=1.76,RM=94.85%)比其他回归模型高,适用于研究区SOC的估算。 相似文献
18.
以黑龙江省区域小兴安岭地区遥感影像和130块2005年小兴安岭二类调查数据及土壤数据为基础,选择各个波段的灰度值、不同波段灰度值之间的线性和非线性波段组合、纹理信息以及非生物因子栅格化后所形成的辅助波段等为自变量,选择与碳密度相关性显著的自变量,采用郁闭度碳密度联立方程组模型,对黑龙江省区域小兴安岭森林生态系统的碳密度进行估算、精度评价。结果表明:黑龙江省区域小兴安岭的南部和中部地区,森林碳密度主要集中在200~250 t·hm-2;北部地区大部在250~300 t·hm-2。黑龙江省区域小兴安岭森林生态系统碳密度,具有从西向东、从南向北,逐步升高的趋势。模型平均拟合精度85.1%,均方根误差=31.27 t·hm-2;平均检验精度84.7%,均方根误差=33.61 t·hm-2。 相似文献