排序方式： 共有18条查询结果，搜索用时 15 毫秒
1.
【目的】探究Landsat8 OLI数据和KNN算法在森林蓄积量估测中的潜力。【方法】以湖南省湘潭县为研究区,采用Landsat8 OLI数据和同时期的二类调查数据,通过距离相关系数筛选特征,分别采用线性回归模型(MLR)、K-近邻模型(KNN)、距离加权KNN模型(DW-KNN)和优化欧式KNN模型(FW-KNN)对森林蓄积量进行估测。使用十折交叉方法进行精度检验,对检验结果进行对比分析。【结果】3种KNN模型的估测结果均高于传统的线性模型,并且在3种KNN模型中,FW-KNN算法效果最好,决定系数达到0.69,为3种模型中最高;3种KNN模型中,本研究优化欧氏距离KNN模型的估测精度最高,其均方根误差为30.3%,相比于传统KNN模型的均方根误差降低了5.1%,相比于DW-KNN模型降低了3.3%。【结论】采用DW-KNN蓄积量估测结果明显优于其他两种模型,说明通过特征与蓄积量的相关性优化样本间的距离是一种可行的KNN优化方法。 相似文献
2.
3.
本文以2003年长沙市森林资源二类清查数据和2003年TM遥感数据为主要信息源,借助3s技术平台,运用景观生态学原理和方法对长沙市边缘区城市森林进行了景观格局梯度分析,结果表明：在斑块类型水平上,城市森林景观类型在样带梯度上表现出明显的“梯度特征”,城市森林在沿样带移动过程中,大致呈“V”型分布,其景观比例在城市外边缘处最大;在景观水平上,城市森林在中心城区分布最少,但较为集中,破碎化程度不高,形状比较规则,在向边缘区移动的过程中,其分布趋于零碎化,形状趋于自然。 相似文献
4.
随着遥感技术的快速发展,基于遥感影像和地面样地的方法成为目前森林碳密度精确估算的主要手段,然而没有找到具有普适性的建模因子和最佳的森林碳密度估算模型。鉴于此,本文通过分析研究区地面固定样地碳密度与Landsat-5影像及其衍生波段的相关性,筛选出估算森林碳密度的敏感因子。采用三种回归分析方法(逐步回归、偏最小二乘回归及非线性回归)分别建立森林碳密度的最优遥感估算模型。结果表明:1参与建模的遥感因子中,1/TM3与森林碳密度的相关性最大,敏感性最高;2三种回归分析方法建立的预测模型中,以4个遥感因子建立的非线性回归模型预测精度最高,预测值与实测值得决定系数R2为0.74;3通过测算,研究区平均森林碳密度为14.36 t/hm2,变化范围介于0.00~38.28 t/hm2之间。研究表明非线性回归在区域森林碳密度反演方面具有一定的潜力。 相似文献
5.
基于Quickbird影像的土地利用调查研究 总被引：1，自引：0，他引：1
以广西天峨县龙滩电站淹没区及周边区域为研究对象,应用IHS变换、主成分变换和Brovey变换等3种影像融合方法对Quickbird多光谱和全色遥感影像进行融合,并利用目视评价和偏差指数等指标对融合效果进行定量评价;利用融合后的高分辨率影像对研究对象的遥感调查进行了处理和研究.结果表明:主成分变换法的融合效果最佳;用材林、经济林和水田分别占被淹没土地总面积的40.53%、18.35%和18.50%,是主要土地类型. 相似文献
6.
长株潭城市群生态绿心区域土壤侵蚀研究 总被引：1，自引：0，他引：1
以长株潭城市群生态绿心地区为典型研究区域,利用GIS技术对遥感图像解译,并结合2015年实地调查资料,对该地区土壤侵蚀现状进行分析,为控制当地水土流失提供科学依据。研究表明:湖南省长株潭绿心地区总面积为52 287 hm~2,土壤侵蚀面积为3 617.56 hm~2,占区域总面积的6.92%;株洲市的侵蚀率最高,长沙次之,湘潭最低;禁止开发区仍有7.19%的土壤侵蚀,其中47%以工程建设为主,以湘潭尤为突出;不同强度土壤侵蚀面积以中度和强度侵蚀为主,占土壤侵蚀面积的74%,其次为轻度、极强度和剧烈侵蚀;不同地类土壤侵蚀面积(hm~2)为工程建设用地(1 920.24)非耕地(1 489.99)坡耕地(207.33);随着覆盖度的增加,土壤侵蚀面积减小。土壤侵蚀主要由工程建设导致,建议加强工程建设区域植被恢复和监控,科学规划土地利用,加强生态文明宣传教育。 相似文献
7.
8.
西藏自治区云杉林生物量密度模型研建 总被引：1，自引：0，他引：1
生物量密度模型是估算生物量和碳储量的依据。以西藏主要针叶树种云杉为研究对象,利用森林资源连续清查实测样地和样木数据,建立了云杉林生物量密度模型。结果表明:生物量密度随树高、郁闭度、胸径及林龄的增加而增加,随海拔的升高和经度的增加而减少。以海拔、郁闭度、平均胸径、经度作为解释变量构建的生物量密度非线性模型,其决定系数为0.716,总相对误差和平均系统误差控制在±1%以内,预估精度达到91.9%,可应用于实测或目测样地/小班生物量估算;以海拔、郁闭度、林龄、经度作为解释变量构建的生物量密度非线性模型,其决定系数为0.626,总相对误差和平均系统误差控制在±2%以内,预估精度达到90.6%,可应用于遥感样地/小班生物量估算;以海拔、郁闭度、胸径、林龄作为解释变量的生物量密度模型,其决定系数为0.717,总相对误差和平均系统误差控制在±2%以内,预估精度达到91.9%,可用于估算某个时间段内云杉林生物量变化或碳汇量。结合西藏森林资源连续清查或森林资源规划设计调查数据,可用于全区尺度上云杉林生物量的估算;利用林龄等因子建立的生物量模型,可掌握生物量、碳汇在空间上的分布规律及某一时期内的碳汇估算。 相似文献
9.
10.
基于面向对象的高分辨率影像的森林植被变化信息提取研究 总被引：3，自引：0，他引：3
如何利用遥感技术获取森林植被变化信息是遥感应用的重要领域之一。基于ALOS高空间分辨率的遥感影像数据,研究利用面向对象的分类方法,对影像进行多尺度分割,通过隶属度函数,提取森林植被变化信息,并实地验证变化结果。研究表明:利用面向对象的方法对ALOS遥感影像进行森林植被变化信息的提取,个数精度达到80.85%,面积精度达到84.90%。此研究为森林植被变化信息的提取提供了又一有效的方法。 相似文献