检索结果-内蒙古大学图书馆

结合Landsat 8与PALSAR-2影像的龙南县针叶林蓄积量遥感估测研究

林草资源研究 2021年第1期 69-76页

作者：罗凯健许晓东龙江平徐聪荣林辉和晓风中南林业科技大学林学院林业遥感信息工程研究中心林业遥感大数据与生态安全湖南省重点实验室江西省林业调查规划研究院长沙市长长林业技术咨询有限责任公司

林分蓄积量估测是林业遥感的重要研究领域,由于云雾天气和光谱饱和现象等因素限制了光学遥感影像估测林分蓄积量的精度。合成孔径雷达(SAR)具有穿透性强、受云雾影响小等特点,弥补了光学遥感的不足。以江西省龙南县的针叶林为研究对象,... 详细信息

林分蓄积量估测是林业遥感的重要研究领域,由于云雾天气和光谱饱和现象等因素限制了光学遥感影像估测林分蓄积量的精度。合成孔径雷达(SAR)具有穿透性强、受云雾影响小等特点,弥补了光学遥感的不足。以江西省龙南县的针叶林为研究对象,结合Landsat 8与PALSAR-2双极化SAR影像数据,在遥感数据预处理基础上,提取了光谱信息、植被指数、纹理信息和后向散射系数等共245个遥感因子。基于Pearson相关系数法和多元逐步回归法,筛选出65个遥感因子参与林分蓄积量估测。以林分郁闭度作为分层因子,分别采用线性、KNN、支持向量机(SVM)、多重感知机(MLP)和随机森林(RF)5种模型估测林分蓄积量,并对估测结果进行精度检验。实验结果表明:1)相比单独使用Landsat 8的光谱和纹理信息,基于郁闭度分级并融合PALSAR-2的后向散射信息明显提高了蓄积量的反演精度;2)对于低郁闭度林分,线性模型精度最高(rRMSE=21.16%),中郁闭度林分,多重感知机模型估测效果最好(rRMSE=30.61%),高郁闭度林分,多重感知机模型估测效果最好(rRMSE=27.53%)。在结合PALSAR-2的后向散射系数的基础上,郁闭度分层能有效改善中高蓄积量区域的反演精度。

关键词：郁闭度分级 PALSAR-2 林分蓄积量多重感知机模型针叶林

来源：评论

学校读者我要写书评

暂无评论

基于KNN算法的森林地上生物量遥感估测

引用

林草资源研究 2024年第3期 106-112页

作者：熊珂邢元军和晓风唐林鲁宏旺湖南省林业资源调查监测评价中心长沙410000 国家林业和草原局中南调查规划设计院长沙410019 长沙市长长林业技术咨询有限责任公司长沙410004

为探索K近邻算法(KNN)的优化方式并使用Sentinel-2实现大尺度的森林地上生物量(AGB)估测,以湖南省湘潭市及长沙市的宁乡市和望城区为研究区,以栎类和杉木为研究对象,使用Sentinel-2为遥感数据源并结合地面调查数据,提出一种基于最优K值... 详细信息

为探索K近邻算法(KNN)的优化方式并使用Sentinel-2实现大尺度的森林地上生物量(AGB)估测,以湖南省湘潭市及长沙市的宁乡市和望城区为研究区,以栎类和杉木为研究对象,使用Sentinel-2为遥感数据源并结合地面调查数据,提出一种基于最优K值的KNN优化算法(OK-KNN),实现森林AGB的遥感估测与空间制图。将OK-KNN模型与传统的KNN模型,距离加权KNN(DW-KNN)模型以及多元线性回归(MLR)模型进行对比,用决定系数(R^(2))、均方根误差(RMSE)和相对均方根误差(rRMSE)验证模型精度。结果表明:3种KNN模型比MLR模型具有更好的森林AGB预测性能,且在3种KNN模型中,OK-KNN模型估测结果最优,相比于传统KNN和DW-KNN模型,杉木样本的R^(2)分别提高了17.02%和13.04%,RMSE分别降低了17.21%和7.03%;栎类样本的R^(2)分别提高了20.93%和13.04%,RMSE分别降低了15.17%和9.24%。利用OK-KNN模型可以实现不同样本的最优K值自适应选择,从而有效提高森林AGB的估测精度。

关键词：森林AGB KNN模型最优K值 Sentinel-2 遥感制图

来源：评论

学校读者我要写书评

暂无评论

基于多分类器集成的沅陵县天然林类型信息提取研究

引用

湖南林业科技 2023年第3期50卷 28-36页

作者：张颖肖越鲁宏旺龙江平林辉中南林业科技大学林业遥感信息工程研究中心湖南长沙410004 林业遥感大数据与生态安全湖南省重点实验室湖南长沙410004 南方森林资源经营与监测国家林业与草原局重点实验室湖南长沙410004 长沙市长长林业技术咨询有限责任公司湖南长沙410004

对天然林进行分类能够掌握天然林的林分组成与生长状况,是对天然林进行保护的前提,然而由于天然林林内林分组成复杂、龄组不一致等原因,使得如何使用遥感技术准确且有效地提取天然林信息成为了亟待解决的问题。针对于此,本研究以Sentine... 详细信息

对天然林进行分类能够掌握天然林的林分组成与生长状况,是对天然林进行保护的前提,然而由于天然林林内林分组成复杂、龄组不一致等原因,使得如何使用遥感技术准确且有效地提取天然林信息成为了亟待解决的问题。针对于此,本研究以Sentinel-2影像为数据源,提取光谱特征、植被指数以及纹理特征等31个分类特征,采用随机森林算法进行了特征筛选。结合分层分类的思想,将最大似然算法(ML)、神经网络算法(ANN)、支持向量机算法(SVM)以及随机森林算法(RF)4种单分类器以加权投票的策略进行了集成(EL),以期提高天然林信息提取精度。结果表明:RF为4种单分类算法中的最佳算法,但EL的表现更为优秀,其总体精度达到了87.18%,相较于RF、SVM、ANN和ML分别提高了4.13、7.94、8.86、9.01个百分点;EL的Kappa系数达到了0.82,展现出了极佳的分类性能,表明EL能够有效提高天然林分类的精度。

关键词：遥感信息提取天然林分类集成学习分层分类 Sentinel-2

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：