期刊文献+
共找到116篇文章
< 1 2 6 >
每页显示 20 50 100
Allometry-based estimation of forest aboveground biomass combining LiDAR canopy height attributes and optical spectral indexes 被引量:1
1
作者 Qiuli Yang Yanjun Su +7 位作者 Tianyu Hu Shichao Jin Xiaoqiang Liu Chunyue Niu Zhonghua Liu Maggi Kelly Jianxin Wei Qinghua Guo 《Forest Ecosystems》 SCIE CSCD 2022年第5期617-629,共13页
Accurate estimates of forest aboveground biomass(AGB)are essential for global carbon cycle studies and have widely relied on approaches using spectral and structural information of forest canopies extracted from vario... Accurate estimates of forest aboveground biomass(AGB)are essential for global carbon cycle studies and have widely relied on approaches using spectral and structural information of forest canopies extracted from various remote sensing datasets.However,combining the advantages of active and passive data sources to improve estimation accuracy remains challenging.Here,we proposed a new approach for forest AGB modeling based on allometric relationships and using the form of power-law to integrate structural and spectral information.Over 60 km^(2) of drone light detection and ranging(LiDAR)data and 1,370 field plot measurements,covering the four major forest types of China(coniferous forest,sub-tropical broadleaf forest,coniferous and broadleaf-leaved mixed forest,and tropical broadleaf forest),were collected together with Sentinel-2 images to evaluate the proposed approach.The results show that the most universally useful structural and spectral metrics are the average values of canopy height and spectral index rather than their maximum values.Compared with structural attributes used alone,combining structural and spectral information can improve the estimation accuracy of AGB,increasing R^(2) by about 10%and reducing the root mean square error by about 22%;the accuracy of the proposed approach can yield a R^(2) of 0.7 in different forests types.The proposed approach performs the best in coniferous forest,followed by sub-tropical broadleaf forest,coniferous and broadleaf-leaved mixed forest,and then tropical broadleaf forest.Furthermore,the simple linear regression used in the proposed method is less sensitive to sample size and outperforms statistically multivariate machine learning-based regression models such as stepwise multiple regression,artificial neural networks,and Random Forest.The proposed approach may provide an alternative solution to map large-scale forest biomass using space-borne LiDAR and optical images with high accuracy. 展开更多
关键词 forest aboveground biomass Drone LiDAR Allometric relationship Power law Tree height Vegetation index
下载PDF
A two-scale approach for estimating forest aboveground biomass with optical remote sensing images in a subtropical forest of Nepal 被引量:2
2
作者 Upama A.Koju Jiahua Zhang +4 位作者 Shashish Maharjan Sha Zhang Yun Bai Dinesh B.I.P.Vijayakumar Fengmei Yao 《Journal of Forestry Research》 SCIE CAS CSCD 2019年第6期2119-2136,共18页
Forests account for 80%of the total carbon exchange between the atmosphere and terrestrial ecosystems.Thus,to better manage our responses to global warming,it is important to monitor and assess forest aboveground carb... Forests account for 80%of the total carbon exchange between the atmosphere and terrestrial ecosystems.Thus,to better manage our responses to global warming,it is important to monitor and assess forest aboveground carbon and forest aboveground biomass(FAGB).Different levels of detail are needed to estimate FAGB at local,regional and national scales.Multi-scale remote sensing analysis from high,medium and coarse spatial resolution data,along with field sampling,is one approach often used.However,the methods developed are still time consuming,expensive,and inconvenient for systematic monitoring,especially for developing countries,as they require vast numbers of field samples for upscaling.Here,we recommend a convenient two-scale approach to estimate FAGB that was tested in our study sites.The study was conducted in the Chitwan district of Nepal using GeoEye-1(0.5 m),Landsat(30 m)and Google Earth very high resolution(GEVHR)Quickbird(0.65 m)images.For the local scale(Kayerkhola watershed),tree crowns of the area were delineated by the object-based image analysis technique on GeoEye images.An overall accuracy of 83%was obtained in the delineation of tree canopy cover(TCC)per plot.A TCC vs.FAGB model was developed based on the TCC estimations from GeoEye and FAGB measurements from field sample plots.A coefficient of determination(R2)of 0.76 was obtained in the modelling,and a value of 0.83 was obtained in the validation of the model.To upscale FAGB to the entire district,open source GEVHR images were used as virtual field plots.We delineated their TCC values and then calculated FAGB based on a TCC versus FAGB model.Using the multivariate adaptive regression splines machine learning algorithm,we developed a model from the relationship between the FAGB of GEVHR virtual plots with predictor parameters from Landsat 8 bands and vegetation indices.The model was then used to extrapolate FAGB to the entire district.This approach considerably reduced the need for field data and commercial very high resolution imagery while achieving two-scale forest information and FAGB estimates at high resolution(30 m)and accuracy(R2=0.76 and 0.7)with minimal error(RMSE=64 and 38 tons ha-1)at local and regional scales.This methodology is a promising technique for cost-effective FAGB and carbon estimations and can be replicated with limited resources and time.The method is especially applicable for developing countries that have low budgets for carbon estimations,and it is also applicable to the Reducing Emissions from Deforestation and Forest Degradation(REDD?)monitoring reporting and verification processes. 展开更多
关键词 forest aboveground biomass Google Earth IMAGERY MULTI-SCALE remote sensing Virtual PLOT Optical IMAGERY
下载PDF
Machine learning and geostatistical approaches for estimating aboveground biomass in Chinese subtropical forests 被引量:7
3
作者 Huiyi Su Wenjuan Shen +2 位作者 Jingrui Wang Arshad Ali Mingshi Li 《Forest Ecosystems》 SCIE CSCD 2020年第4期851-870,共20页
Background:Aboveground biomass(AGB)is a fundamental indicator of forest ecosystem productivity and health and hence plays an essential role in evaluating forest carbon reserves and supporting the development of target... Background:Aboveground biomass(AGB)is a fundamental indicator of forest ecosystem productivity and health and hence plays an essential role in evaluating forest carbon reserves and supporting the development of targeted forest management plans.Methods:Here,we proposed a random forest/co-kriging framework that integrates the strengths of machine learning and geostatistical approaches to improve the mapping accuracies of AGB in northern Guangdong Province of China.We used Landsat time-series observations,Advanced Land Observing Satellite(ALOS)Phased Array L-band Synthetic Aperture Radar(PALSAR)data,and National Forest Inventory(NFI)plot measurements,to generate the forest AGB maps at three time points(1992,2002 and 2010)showing the spatio-temporal dynamics of AGB in the subtropical forests in Guangdong,China.Results:The proposed model was capable of mapping forest AGB using spectral,textural,topographical variables and the radar backscatter coefficients in an effective and reliable manner.The root mean square error of the plotlevel AGB validation was between 15.62 and 53.78 t∙ha^(−1),the mean absolute error ranged from 6.54 to 32.32 t∙ha^(−1),the bias ranged from−2.14 to 1.07 t∙ha^(−1),and the relative improvement over the random forest algorithm was between 3.8%and 17.7%.The largest coefficient of determination(0.81)and the smallest mean absolute error(6.54 t∙ha^(−1)were observed in the 1992 AGB map.The spectral saturation effect was minimized by adding the PALSAR data to the modeling variable set in 2010.By adding elevation as a covariable,the co-kriging outperformed the ordinary kriging method for the prediction of the AGB residuals,because co-kriging resulted in better interpolation results in the valleys and plains of the study area.Conclusions:Validation of the three AGB maps with an independent dataset indicated that the random forest/cokriging performed best for AGB prediction,followed by random forest coupled with ordinary kriging(random forest/ordinary kriging),and the random forest model.The proposed random forest/co-kriging framework provides an accurate and reliable method for AGB mapping in subtropical forest regions with complex topography.The resulting AGB maps are suitable for the targeted development of forest management actions to promote carbon sequestration and sustainable forest management in the context of climate change. 展开更多
关键词 forest aboveground biomass Random forest co-kriging ALOS PALSAR Landsat TM National forest inventory Digital elevation model
下载PDF
Estimating forest aboveground biomass using HJ-1 Satellite CCD and ICESat GLAS waveform data 被引量:21
4
作者 GUO ZhiFeng1,CHI Hong1,2 & SUN GuoQing1,3 1State Key Laboratory of Remote Sensing Science,Jointly Sponsored by the Institute of Remote Sensing Applications of Chinese Academy of Sciences and Beijing Normal University,Institute of Remote Sensing Applications,Chinese Academy of Sciences,Beijing 100101,China 2Graduate University of Chinese Academy of Sciences,Beijing 100049,China 3Department of Geography University of Maryland,College Park,MD 20742,USA 《Science China Earth Sciences》 SCIE EI CAS 2010年第S1期16-25,共10页
The ecosystem in northeastern China and the Russian Far East is a hotspot of scientific research into the global carbon balance.Forest aboveground biomass(AGB) is an important component in the land surface carbon cycl... The ecosystem in northeastern China and the Russian Far East is a hotspot of scientific research into the global carbon balance.Forest aboveground biomass(AGB) is an important component in the land surface carbon cycle.In this study,using forest inventory data and forest distribution data,the AGB was estimated for forest in Daxinganlin in northeastern China by combining charge-coupled device(CCD) data from the Small Satellite for Disaster and Environment Monitoring and Forecast(HJ-1) and Geoscience Laser Altimeter System(GLAS) waveform data from the Ice,Cloud and land Elevation Satellite(ICESat).The forest AGB prediction models were separately developed for different forest types in the research area at GLAS footprint level from GLAS waveform parameters and field survey plot biomass in the Changqing(CQ) Forest Center,which was calculated from forest inventory data.The resulted statistical regression models have a R2=0.68 for conifer and R2=0.71 for broadleaf forests.These models were used to estimate biomass for all GLAS footprints of forest located in the study area.All GLAS footprint biomass coupled with various spectral reflectivity parameters and vegetation indices derived from HJ-1 satellite CCD data were used in multiple regression analyses to establish biomass prediction models(R2=0.55 and R2=0.52 for needle and broadleaf respectively).Then the models were used to produce a forest AGB map for the whole study area using the HJ-1 data.Biomass data obtained from forest inventory data of the Zhuanglin(ZL) Forest Center were used as independent field measurements to validate the AGB estimated from HJ-1 CCD data(R2=0.71).About 80% of biomass samples had an error less than 20 t ha-1,and the mean error of all validation samples is 5.74 t ha-1.The pixel-level biomass map was then stratified into different biomass levels to illustrate the AGB spatial distribution pattern in this area.It was found that HJ-1 wide-swath data and GLAS waveform data can be combined to estimate forest biomass with good precision,and the biomass data can be used as input data for future carbon budget analysis. 展开更多
关键词 Disaster and Environment Monitoring and Forecast SATELLITE ICESAT GLAS WAVEFORM BOREAL forest forest aboveground biomass multiple linear regression
原文传递
Estimating aboveground biomass using Pléiades satellite image in a karst watershed of Guizhou Province,Southwestern China 被引量:2
5
作者 GUO Yin-ming NI Jian +4 位作者 LIU Li-bin WU Yang-yang GUO Chun-zi XU Xin ZHONG Qiao-lian 《Journal of Mountain Science》 SCIE CSCD 2018年第5期1020-1034,共15页
Biomass in karst terrain has rarely been measured because the steep mountainous limestone terrain has limited the ability to sample woody plants.Satellite observation, especially at high spatial resolution, is an impo... Biomass in karst terrain has rarely been measured because the steep mountainous limestone terrain has limited the ability to sample woody plants.Satellite observation, especially at high spatial resolution, is an important surrogate for the quantification of the biomass of karst forests and shrublands. In this study, an artificial neural network(ANN) model was built using Pléiades satellite imagery and field biomass measurements to estimate the aboveground biomass(AGB) in the Houzhai River Watershed, which is a typical plateau karst basin in Central Guizhou Province, Southwestern China. A back-propagation ANN model was also developed.Seven vegetation indices, two spectral bands of Pléiades imagery, one geomorphological parameter,and land use/land cover were selected as model inputs. AGB was chosen as an output. The AGB estimated by the allometric functions in 78 quadrats was utilized as training data(54 quadrats, 70%),validation data(12 quadrats, 15%), and testing data(12 quadrats, 15%). Data-model comparison showed that the ANN model performed well with an absolute root mean square error of 11.85 t/ha, which was 9.88%of the average AGB. Based on the newly developed ANN model, an AGB map of the Houzhai River Watershed was produced. The average predicted AGB of the secondary evergreen and deciduous broadleaved mixed forest, which is the dominant forest type in the watershed, was 120.57 t/ha. The average AGBs of the large distributed shrubland,tussock, and farmland were 38.27, 9.76, and 11.69 t/ha, respectively. The spatial distribution pattern ofthe AGB estimated by the new ANN model in the karst basin was consistent with that of the field investigation. The model can be used to estimate the regional AGB of karst landscapes that are distributed widely over the Yun-Gui Plateau. 展开更多
关键词 aboveground biomass SECONDARY karstforest Artificial neural network VEGETATION indices Very high resolution satellite image
原文传递
基于星载激光雷达数据的森林地上生物量估算方法比较
6
作者 宋洁 刘学录 《生态科学》 CSCD 北大核心 2024年第5期52-62,共11页
近年来,星载激光雷达数据已被广泛用于大尺度森林地上生物量估计,但由于其激光光斑采样点不连续,通常使其需要与辅助数据相结合来估算森林地上生物量的连续分布,且估算方法仍存在许多不确定性。研究以祁连山国家公园为样本,结合星载激... 近年来,星载激光雷达数据已被广泛用于大尺度森林地上生物量估计,但由于其激光光斑采样点不连续,通常使其需要与辅助数据相结合来估算森林地上生物量的连续分布,且估算方法仍存在许多不确定性。研究以祁连山国家公园为样本,结合星载激光雷达ICESat/GLAS数据、Landsat OLI数据和样地调查数据建立了3种基于非参数化算法(普通克里金插值(Ordinary Kriging,OK),支持向量回归(Support Vector regression,SVR)和随机森林(Random forest,RF))的森林地上生物量估算模型,以森林资源清查数据独立验证各模型估计精度。结果发现:3种模型的均方根误差(RMSE)从低到高依次为SVR(19.053 t·hm^(-2))、RF(21.074 t·hm^(-2))和OK(26.362 t·hm^(-2)),平均相对误差(MRE)从低到高依次为SVR(31.890%)、RF(33.314%)和OK(55.398%),且除OK模型外,SVR与RF模型的总体相对误差(TRE)都在可接受的范围内。进一步对SVR与RF模型生成的森林地上生物量空间分布的准确性进行验证,发现相较RF模型,SVR模型生成的森林地上生物量空间分布与森林资源清查数据更为接近。SVR森林地上生物量估计模型在数量精度和分布精度上都表现更优。结果可为今后基于星载激光雷达数据的森林地上生物量估算提供借鉴。 展开更多
关键词 森林地上生物量 星载激光雷达 普通克里金插值 支持向量回归 随机森林
下载PDF
基于无人机多维数据集的森林地上生物量估测模型研究 被引量:1
7
作者 孙钊 谢运鸿 +3 位作者 王宝莹 谭军 王轶夫 孙玉军 《农业机械学报》 EI CAS CSCD 北大核心 2024年第6期186-195,236,共11页
森林地上生物量(Aboveground biomass,AGB)是评价森林生长情况的重要指标。基于数字航空摄影(Digital aerial photography,DAP)生成的二维和三维数据,分别计算了41个点云高度变量和16个可见光植被指数,利用6种回归算法(随机森林(RF)、... 森林地上生物量(Aboveground biomass,AGB)是评价森林生长情况的重要指标。基于数字航空摄影(Digital aerial photography,DAP)生成的二维和三维数据,分别计算了41个点云高度变量和16个可见光植被指数,利用6种回归算法(随机森林(RF)、袋装树(BT)、支持向量回归(SVR)、Cubist、类别型特征提升(CatBoost)、极端梯度提升(XGBoost))分别构建了单一变量集和综合变量集AGB估测模型,探索了不同变量对于AGB估测模型的贡献。研究结果表明光谱数据集和点云数据集AGB预测模型精度最高分别为Cubist和XGBoost,R^(2)分别为0.5309和0.6395。组合数据集最高精度模型为XGBoost,R^(2)达到0.7601,XGBoost模型具有更高的AGB估测稳定性。研究还表明6种机器学习模型的贡献主要取决于所考虑的回归方法,所选择的特征个数和特征对模型的重要性在不同的模型中并不一致。DOM光谱特征在AGB的估测中具有更高的重要性。总体来说,二维和三维数据的结合能够有效提高森林AGB估测精度,基于无人机倾斜摄影获取的RGB影像能够实现森林AGB的快速无损估计。 展开更多
关键词 森林地上生物量 估测模型 无人机密集点云 SFM 可见光植被指数 机器学习
下载PDF
应用机器学习算法模型预测兴安落叶松地上生物量 被引量:3
8
作者 沐钊颖 张兹鹏 +1 位作者 张浩 姜立春 《东北林业大学学报》 CAS CSCD 北大核心 2024年第3期41-47,共7页
为了准确预测兴安落叶松地上生物量,以小兴安岭201株兴安落叶松地上生物量作为研究对象,以胸径(D)和树高(H)为变量,构建随机森林(RF)、人工神经网络(ANN)、支持向量回归(SVR)和梯度提升回归树(GBRT)等4种机器学习模型,并将机器学习算法... 为了准确预测兴安落叶松地上生物量,以小兴安岭201株兴安落叶松地上生物量作为研究对象,以胸径(D)和树高(H)为变量,构建随机森林(RF)、人工神经网络(ANN)、支持向量回归(SVR)和梯度提升回归树(GBRT)等4种机器学习模型,并将机器学习算法的预测结果与传统二元生物量模型的预测结果进行对比分析。结果表明:对比传统生物量模型,4种机器学习算法的拟合效果与检验精度均有了大幅度提高。模型拟合精度由高到低的顺序为随机森林、梯度提升回归树、人工神经网络、支持向量回归、传统生物量模型;RF模型在各模型中的拟合精度最高,相对于传统生物量模型,RF模型的确定系数(R~2)提升了3.72%,均方根误差(R_(MSE))降低了44.47%,平均绝对误差(M_(AE))降低了42.81%,相对误差绝对值(M_(PB))降低了42.80%,赤池信息准则值降低了18.17%。模型检验精度由高到低的顺序为随机森林、人工神经网络、梯度提升回归树、支持向量回归、传统生物量模型;RF模型在各模型中的预测精度最高,与传统生物量模型相比,RF模型的确定系数(R~2)提升了1.08%,均方根误差(R_(MSE))降低了10.95%,平均绝对误差(M_(AE))降低了10.34%,相对误差绝对值(M_(PB))降低了10.34%,赤池信息准则值降低了5.20%。因此,相对于传统生物量模型,4种机器学习算法模型均可以提高兴安落叶松地上生物量的预测精度,RF模型的预测精度最高。 展开更多
关键词 兴安落叶松 地上生物量 随机森林 人工神经网络 支持向量回归 梯度提升回归树
下载PDF
应用UAVSAR数据及改进极化水云模型对热带森林地上生物量反演
9
作者 段云芳 罗洪斌 +5 位作者 岳彩荣 罗广飞 王宁 余琼芬 郭喜龙 孙妙琦 《东北林业大学学报》 CAS CSCD 北大核心 2024年第1期54-60,共7页
针对热带森林地上生物量遥感估测中容易饱和区域大尺度森林地上生物量估测精度低的问题,以非洲加蓬中部的洛佩达国家公园为研究区,以NASA提供的L波段全极化机载合成孔径雷达(SAR)数据和LiDAR网格化森林地上生物量产品为数据源开展森林... 针对热带森林地上生物量遥感估测中容易饱和区域大尺度森林地上生物量估测精度低的问题,以非洲加蓬中部的洛佩达国家公园为研究区,以NASA提供的L波段全极化机载合成孔径雷达(SAR)数据和LiDAR网格化森林地上生物量产品为数据源开展森林生物量估测方法研究。采用极化分解方法提取森林的多种散射机制,从中选择反映森林结构差异的地面散射特征和森林体散射的特征构建体-地散射比,采用极化水云模型(PWCM)进行森林地上生物量反演和精度评价。为了提高PWCM模型的适应性,建模过程中根据体散射分量(V_(ol))分段进行模型的参数优化。结果表明:以Freeman三分量极化分解后得到的体散射(V_(ol))、表面散射(O_(dd))、地-干散射(D_(bl))为基础构建的6个体-地散射比在极化水云模型估算森林地上生物量中,以μ_(VG2)作为体-地散射比时估测效果最好,模型决定系数(R^(2))为0.60,均方根误差(R_(MSE))为127.78 Mg/hm^(2);在此基础上,进一步根据体散射分量分段优化极化水云模型,模型决定系数(R^(2))增加到0.74,均方根误差(R_(MSE))降低了约20%,预测精度从50.76%提升至60.28%,并改善了低值高估、高值低估问题,在地上生物量高达450 Mg/hm^(2)时未出现饱和现象。 展开更多
关键词 机载SAR 森林地上生物量 极化水云模型 体地散射比 体散射分量分段
下载PDF
应用双频合成孔径雷达(SAR)数据和干涉水云模型估算森林生物量
10
作者 赵露伟 范文义 聂永辉 《东北林业大学学报》 CAS CSCD 北大核心 2024年第9期58-68,共11页
以河北省承德市塞罕坝机械林场为研究区域,应用哨兵1号(Sentinel-1A)C波段双极化数据和大地2号L波段全极化数据分别建立干涉水云模型(IWCM)估算森林地上生物量。结果表明:大地2号(ALOS-2)L波段全极化数据体散射比例为72%,二面角散射比例... 以河北省承德市塞罕坝机械林场为研究区域,应用哨兵1号(Sentinel-1A)C波段双极化数据和大地2号L波段全极化数据分别建立干涉水云模型(IWCM)估算森林地上生物量。结果表明:大地2号(ALOS-2)L波段全极化数据体散射比例为72%,二面角散射比例为4%;L波段HV极化和VH极化的估算结果较好,HV极化估算结果的决定系数(R^(2))为0.737,均方根误差(R_(MSE))为28.88 t/hm^(2);VH极化估算结果的决定系数(R^(2))为0.743,均方根误差(R_(MSE))为27.76 t/hm^(2);C+L波段的组合方式反演结果最优,决定系数(R^(2))为0.863,均方根误差(R_(MSE))为18.92 t/hm^(2)。采用干涉水云模型估算森林生物量,L波段合成孔径雷达(SAR)数据估算精度高于C波段估算精度,L波段SAR数据更适合进行森林生物量的估算;C波段和L波段SAR融合对森林生物量的估算精度显著提高。 展开更多
关键词 森林地上生物量 干涉水云模型 哨兵1号数据 大地2号数据 多频SAR
下载PDF
基于机器学习的油松人工混交林单木地上生物量混合效应模型构建
11
作者 王永平 刘利萍 吴子昂 《西北林学院学报》 CSCD 北大核心 2024年第6期27-33,共7页
利用现地调查数据,构建油松人工混交林单木地上生物量估算模型。通过野外调查,共获取了1313株油松人工混交林单木生物量实测数据,基于最小二乘法、线性混合效应模型和随机森林混合效应模型,分别构建油松人工混交林单木地上生物量模型。... 利用现地调查数据,构建油松人工混交林单木地上生物量估算模型。通过野外调查,共获取了1313株油松人工混交林单木生物量实测数据,基于最小二乘法、线性混合效应模型和随机森林混合效应模型,分别构建油松人工混交林单木地上生物量模型。结果表明:1)线性混合效应模型(LME)和随机森林混合效应模型(MXRF)结果与普通最小二乘模型(OLS)相比,立地因子作为随机效应能够提升模型的解释能力;2)随机森林混合效应模型(MXRF)的决定系数(0.9907)大于线性混合效应模型(0.9347)和普通最小二乘模型(0.9332),且随机森林混合效应模型的均方根误差(RMSE)和平均绝对误差绝对值(MAE)均小于线性混合效应模型和普通最小二乘模型,说明MXRF模型拟合效果优于OLS模型;3)MXRF模型拟合克服了2种线性模型拟合中存在的异方差问题。本研究构建的模型较好地反映了油松人工混交林地上生物量与生长指标间的关系,形式简单、使用方便,可以为林分生长预测和可持续经营提供依据。 展开更多
关键词 油松人工混交林 地上生物量 混合效应模型 随机森林
下载PDF
基于GEE的香格里拉草地分类及其生物量遥感估算
12
作者 徐祖平 舒朗朗 +3 位作者 吴文桂 王子芝 程鑫萌 廖声熙 《草业科学》 CAS CSCD 北大核心 2024年第10期2250-2262,共13页
草地类型划分及其生物量估测对于草地管理与保护具有重要意义。香格里拉草地资源丰富,类型多样,属同纬度高海拔草地的典型代表。为了提升高原复杂地形下草地资源信息的质量,以香格里拉市为研究区,基于谷歌地球引擎(GEE)云平台和Sentine... 草地类型划分及其生物量估测对于草地管理与保护具有重要意义。香格里拉草地资源丰富,类型多样,属同纬度高海拔草地的典型代表。为了提升高原复杂地形下草地资源信息的质量,以香格里拉市为研究区,基于谷歌地球引擎(GEE)云平台和Sentinel-2遥感影像,结合光谱、植被指数、纹理和地形特征构建了33个原始特征,并使用递归特征消除(RFE)和特征重要性得分进行特征优化,采用随机森林(RF)、支持向量机(SVM)、分类回归树(CART)和梯度提升决策树(GBDT)4种算法对研究区草地进行提取与分类,最后基于地面样地数据对地上生物量(AGB)进行反演。结果表明:1)RFE算法将特征数压缩到了21个,且海拔特征对草地类型的划分具有最高的重要性。2)RF算法的分类精度最高,总体精度(OA)为91.41%,Kappa系数为88.18%。3)香格里拉草地可分为5种类型,草地总面积为3265.77 km^(2),面积最大的类型为亚高山草甸,其面积为2230.03 km^(2),占草地总面积的68.28%;其次为高寒草甸,约占草地总面积的18.42%。4)建立了地上生物量与差异植被指数(DVI)的二次多项式预测模型,R2为0.783,均方根误差(RMSE)为154.72 g·m^(-2)。5)香格里拉草地总AGB为152.15万t,亚高山草甸AGB为102.41万t,占总AGB的67.31%;其次高寒草甸为27.37万t,占总AGB的17.99%。本研究利用遥感技术与机器学习,成功实现了香格里拉地区草地类型的划分及其生物量的估算。这些成果不仅为高原草地的管理和保护提供了科学依据,还为类似生态系统的研究提供了有效的方法论。 展开更多
关键词 草地分类 地上生物量 机器学习 遥感估算 随机森林 谷歌地球引擎 滇西北
下载PDF
应用XGBoost算法对森林地上生物量的机载LiDAR反演 被引量:5
13
作者 李洋 彭道黎 袁钰娜 《东北林业大学学报》 CAS CSCD 北大核心 2023年第5期106-112,129,共8页
为了探究机载LiDAR数据结合极端梯度提升(XGBoost)算法估算森林地上生物量的可行性和适用性,寻求更优的森林地上生物量的监测和估算模型的建模方法。根据125块地面样地调查数据和机载激光雷达提取的点云特征变量,结合根据皮尔森相关系... 为了探究机载LiDAR数据结合极端梯度提升(XGBoost)算法估算森林地上生物量的可行性和适用性,寻求更优的森林地上生物量的监测和估算模型的建模方法。根据125块地面样地调查数据和机载激光雷达提取的点云特征变量,结合根据皮尔森相关系数和递归特征消除筛选变量,采用多元线性回归(MLR)、随机森林(RF)、支持向量机(SVM)和极端梯度提升(XGBoost)算法,建立4种不同算法的地上生物量估测模型并进行对比分析。结果表明:在训练集中,RF模型表现最好(R_(MSE)=9.98 t·hm^(-2),R^(2)=0.93,M_(AE)=5.69 t·hm^(-2)),其次是XGBoost模型(R_(MSE)=10.80 t·hm^(-2),R^(2)=0.89,M_(AE)=7.24 t·hm^(-2));在测试集中,采用XGBoost算法建立的模型表现(R_(MSE)=12.20 t·hm^(-2),R^(2)=0.83,M_(AE)=8.30 t·hm^(-2))明显优于其他3种模型,XGBoost模型估测表现稳定且差异很小,MLR、RF和SVM模型在训练集和测试集的表现上都存在较大差异。 展开更多
关键词 极限梯度提升算法 机载激光雷达 森林地上生物量
下载PDF
陆地生态系统碳监测卫星系统设计与技术创新 被引量:1
14
作者 曹海翊 张新伟 +3 位作者 黄缙 贺涛 毛一岚 卢清荣 《中国空间科学技术》 CSCD 北大核心 2023年第6期112-124,共13页
由国家民用空间基础设施支持的陆地生态系统碳监测卫星“句芒号”瞄准森林碳汇储量评估的需求,配置了多波束激光雷达、多角度多光谱相机、超光谱探测仪和多角度偏振成像仪等4个载荷。卫星采用主被动遥感相结合的体制,综合运用激光、多... 由国家民用空间基础设施支持的陆地生态系统碳监测卫星“句芒号”瞄准森林碳汇储量评估的需求,配置了多波束激光雷达、多角度多光谱相机、超光谱探测仪和多角度偏振成像仪等4个载荷。卫星采用主被动遥感相结合的体制,综合运用激光、多角度、多光谱、超光谱、偏振等遥感手段,可实现植被生物量、叶绿素荧光、气溶胶分布的高精度定量测量。通过在轨定标和真实性检验,发布了包括森林树高、生物量、叶绿素荧光等反演产品。目前该卫星处于在轨测试阶段,预期在地面坡度小于5°的区域,树高测量精度优于1.5 m,区域尺度的生物量反演精度优于85%。该卫星将在碳汇储量监测、生态资源详查、国家重大生态工程监测评价等方向上提供遥感监测服务,为“碳达峰、碳中和”战略发挥遥感力量。 展开更多
关键词 陆地生态系统碳监测卫星 句芒号 森林碳汇 生物量 叶绿素荧光
下载PDF
不同波长极化SAR数据水云模型森林生物量反演对比分析 被引量:4
15
作者 姬永杰 徐昆鹏 +2 位作者 张王菲 史建敏 张甫香 《北京林业大学学报》 CAS CSCD 北大核心 2023年第2期24-33,共10页
【目的】水云模型(WCM)是一种采用SAR数据反演森林地上生物量(AGB)应用较为广泛的半经验模型,探索将不同波长、极化方式、极化信息等引入WCM,以期为提高森林AGB反演精度提供科学依据。【方法】本文以X、C、L、P波段多频极化SAR数据为数... 【目的】水云模型(WCM)是一种采用SAR数据反演森林地上生物量(AGB)应用较为广泛的半经验模型,探索将不同波长、极化方式、极化信息等引入WCM,以期为提高森林AGB反演精度提供科学依据。【方法】本文以X、C、L、P波段多频极化SAR数据为数据源,首先将各波长各极化后向散射系数用于WCM进行森林AGB反演,对比其反演精度;接着采用极化分解分量构建地体散射比参数,并将其引入WCM发展为极化水云模型(PolWCM),同时对比分析其在X、C、L、P波段森林AGB的反演结果。【结果】(1)在X、C、L、P 4个波段中,除X波段外,将HV极化后向散射系数代入WCM进行森林AGB反演,精度均高于基于其他极化通道后向散射系数的反演结果;且长波长(L和P)的反演精度高于短波长(X和C)的反演精度。在L波段,将HV极化后向散射系数代入WCM进行森林AGB反演,R2和RMSE分别为0.46和18.00 t/hm2;P波段HV极化反演结果的R2和RMSE分别为0.43和21.18 t/hm2。(2)将极化信息以地体散射比的形式引入WCM,PolWCM模型在X、C、L、P各个波段均可提高反演精度,反演结果的RMSE值分别为24.90、24.71、17.70和18.08 t/hm2。【结论】采用WCM进行森林AGB反演具有极化、波长依赖性,其中将L波段HV极化后向散射系数代入WCM进行森林AGB反演时精度最优;将极化信息以地体散射比的方式引入WCM,发展PolWCM,可以明显提高森林AGB的反演精度。 展开更多
关键词 X、C、L、P波段SAR数据 森林地上生物量 极化 地体散射比
下载PDF
基于遥感数据和机器学习算法的草地地上生物量估算研究 被引量:3
16
作者 王婷 周伟 +1 位作者 肖洁芸 谢利娟 《冰川冻土》 CSCD 北大核心 2023年第2期753-762,共10页
草地生态系统作为自然生态系统的重要组成部分,为畜牧经济发展提供了重要的牧草资源,对调节气候变化和维持生态系统平衡等起着非常重要的作用。草地地上生物量(aboveground biomass,AGB)是草地植被生理状态的重要指标,它的大小体现着草... 草地生态系统作为自然生态系统的重要组成部分,为畜牧经济发展提供了重要的牧草资源,对调节气候变化和维持生态系统平衡等起着非常重要的作用。草地地上生物量(aboveground biomass,AGB)是草地植被生理状态的重要指标,它的大小体现着草地初级生产力水平,是衡量草地生态系统中能量循环和物质流动的重要指标,在陆地生态系统的碳循环中起着重要的作用。近几十年来,伴随畜牧业经济快速发展和全球气候变暖,草地生态系统的稳定性降低,生态环境发生退化,草地地上生物量和固碳能力势必受到影响。大尺度、动态化、高精度的草地地上生物量监测对草地碳储量核算和畜牧业可持续发展具有重要意义,而遥感技术凭借高时空探测能力恰好为其提供了解决思路。机器学习算法凭借其优越性、高效性、稳健和精确性已被广泛应用于各个研究领域,使用机器学习算法快速、准确、大范围监测草地地上生物量是目前的研究热点。因此,构建准确的草地地上生物量估算模型,精确估算草地地上生物量及分析其空间分布特征能够有效地衡量草地生态系统的稳定性和维持草地生态资源的可持续发展利用,为该区域草地资源的可持续利用和科学管理提供依据,对该地区的生态安全保护和畜牧业可持续发展具有重要意义。本研究以青海省兴海县草地为研究区,基于野外实测的草地地上生物量数据,结合高空间分辨率的遥感数据、气候数据、地形数据和土壤数据等,利用随机森林(random forest,RF)和极端梯度提升决策树(extreme gradient boosting,XGBoost)方法构建兴海县草地地上生物量估算模型,采用决定系数R^(2)和均方根误差(Root Mean Square Error,RMSE)两个精度验证指标评价两种草地地上生物量估算模型的精度,实现草地地上生物量高精度模拟和制图,并分析其空间分布格局特征。结果表明:基于XGBoost模型的草地地上生物量估算精度(R^(2)=0.75,RMSE=44.64)高于RF的模拟精度(R^(2)=0.72,RMSE=46.36),并且XGBoost模型估算的草地地上生物量与实测的草地地上生物量值更接近。基于两种机器学习模型估算的草地地上生物量数据制作空间分布图,其空间特征与实测草地地上生物量的空间分布相似,草地地上生物量高值区位于研究区的东部,西部地区草地地上生物量值最低,但是模型模拟能更好地揭示草地地上生物量分布的空间异质性。在空间分布特征上,XGBoost模型估算的草地地上生物量空间变异细节更加详细,尤其在研究区东部。本研究基于两种机器学习算法实现草地地上生物量的高精度(30 m空间分辨率)估算和数字制图,并分析其空间分布格局,可为草地生态环境监测和草地资源可持续利用提供科学依据,对于维持生态系统平衡和预测未来气候变化对草地生态系统的影响具有十分重要的理论和实践意义。 展开更多
关键词 草地生态系统 地上生物量 随机森林 极端梯度提升 空间分布
下载PDF
Modelling the integrated effects of land use and climate change scenarios on forest ecosystem aboveground biomass, a case study in Taihe County of China 被引量:5
17
作者 WU Zhuo DAI Erfu +2 位作者 GE Quansheng XI Weimin WANG Xiaofan 《Journal of Geographical Sciences》 SCIE CSCD 2017年第2期205-222,共18页
Global and regional environmental changes such as land use and climate change have significantly integrated and interactive effects on forest. These integrated effects will undoubtedly alter the distribution, function... Global and regional environmental changes such as land use and climate change have significantly integrated and interactive effects on forest. These integrated effects will undoubtedly alter the distribution, function and succession processes of forest ecosystems. In order to adapt to these changes, it is necessary to understand their individual and integrated effects. In this study, we proposed a framework by using coupling models to gain a better understanding of the complex ecological processes. We combined an agent-based model for land use and land cover change(ABM/LUCC), an ecosystem process model(PnET-Ⅱ), and a forest dynamic landscape model(LANDIS-Ⅱ) to simulate the change of forest aboveground biomass(AGB) which was driven by land use and climate change factors for the period of 2010–2050 in Taihe County of southern China, where subtropical coniferous plantations dominate. We conducted a series of land use and climate change scenarios to compare the differences in forest AGB. The results show that:(1) land use, including town expansion, deforestation and forest conversion and climate change are likely to influence forest AGB in the near future in Taihe County.(2) Though climate change will make a good contribution to an increase in forest AGB, land use change can result in a rapid decrease in the forest AGB and play a vital role in the integrated simulation. The forest AGB under the integrated scenario decreased by 53.7%(RCP2.6 + land use), 57.2%(RCP4.5 + land use), and 56.9%(RCP8.5 + land use) by 2050, which is in comparison to the results under separate RCPs without land use disturbance.(3) The framework can offer a coupled method to better understand the complex and interactive ecological processes, which may provide some supports for adapting to land use and climate change, improving and optimizing plantation structure and function,and developing measures for sustainable forest management. 展开更多
关键词 RCPs PLANTATION forest aboveground biomass ABM LANDIS-Ⅱ Taihe County
原文传递
西双版纳栎林和思茅松林地上生物量遥感估测 被引量:6
18
作者 刘彦枫 李紫荆 +2 位作者 吴勇 陆驰 欧光龙 《西部林业科学》 CAS 北大核心 2023年第1期147-155,共9页
构建森林地上生物量(AGB)不同随机森林分层模型并进行反演,以探索提升遥感生物量估测精度的方法。以西双版纳栎林、思茅松林为研究对象,基于2016年森林资源二类调查数据与同期Landsat 8 OLI遥感影像数据,分析栎林、思茅松林的AGB和遥感... 构建森林地上生物量(AGB)不同随机森林分层模型并进行反演,以探索提升遥感生物量估测精度的方法。以西双版纳栎林、思茅松林为研究对象,基于2016年森林资源二类调查数据与同期Landsat 8 OLI遥感影像数据,分析栎林、思茅松林的AGB和遥感变量间的相关性,根据分层理论分别构建坡向分层、龄组分层以及坡向龄组结合分层的随机森林模型,并对西双版纳栎林、思茅松林的AGB进行反演。结果显示:分层模型相较于无分层模型具有较高的估测精度,其中栎类林、思茅松林龄组分层模型相对于无分层模型分别在生物量段60~90 t/hm^(2)和90~120 t/hm^(2)表现更为优异,平均残差(ME)绝对值分别降低了4.025和0.781,平均相对残差(MRE)绝对值分别降低了5.387%和0.597%。因此,采用龄组分层可在一定程度上降低森林AGB遥感估测中低值高估和高值低估问题的影响。 展开更多
关键词 随机森林模型 森林地上生物量 遥感估测 栎类林 思茅松
下载PDF
基于森林冠层高度和异速生长方程的中国红树林地上生物量估算 被引量:5
19
作者 闻馨 刘凯 +2 位作者 曹晶晶 朱远辉 王子予 《热带地理》 CSCD 北大核心 2023年第1期1-11,共11页
红树林是一种高效率的滨海蓝碳生态系统,准确估算红树林地上生物量对研究碳循环和气候变化十分重要,获取中国红树林地上生物量将具有现实意义和应用价值。遥感技术便捷高效、观测范围广,能够服务于大尺度的生态系统监测。文章使用基于G... 红树林是一种高效率的滨海蓝碳生态系统,准确估算红树林地上生物量对研究碳循环和气候变化十分重要,获取中国红树林地上生物量将具有现实意义和应用价值。遥感技术便捷高效、观测范围广,能够服务于大尺度的生态系统监测。文章使用基于GEDI星载激光雷达反演的森林冠层高度数据和基于异速生长原理构建的红树林“树高-生物量”异速生长方程,估算2019年中国红树林地上生物量,进而分析其数量、空间分布特征及主要影响因素。结果显示,2019年中国红树林地上生物量总量和均值分别约为1974827 t和73.0 t/hm^(2);红树林分布的各省份(地区)的地上生物量均值在53.3~92.1 t/hm^(2),其中海南省的红树林地上生物量均值最高,达到92.1 t/hm^(2);中国红树林地上生物量的累积和分布受纬度和人为因素的影响。研究结果能够为后续红树林生态系统碳储量的核算提供数据基础和技术参考,也将有助于中国沿海红树林生态恢复和保护措施的制定,以及控制碳排政策的出台实施。 展开更多
关键词 红树林 遥感 地上生物量 森林冠层高度 异速生长方程 中国
下载PDF
深度学习方法下GEDI数据的天然云杉林地上生物量反演 被引量:1
20
作者 孙丹阳 魏建新 +3 位作者 杨辽 王杰 唐宇琪 巴比尔江·迪力夏提 《干旱区研究》 CSCD 北大核心 2023年第9期1472-1483,共12页
森林作为陆地最大碳库,对人类的生活与发展至关重要,精准掌握森林资源动态变化并对其进行现代化可持续发展已成为当下研究热点。本文以天山山脉的天然云杉林为研究对象,利用地面实测数据、直升机机载激光雷达点云数据以及全球生态系统... 森林作为陆地最大碳库,对人类的生活与发展至关重要,精准掌握森林资源动态变化并对其进行现代化可持续发展已成为当下研究热点。本文以天山山脉的天然云杉林为研究对象,利用地面实测数据、直升机机载激光雷达点云数据以及全球生态系统动态调查激光雷达(Global Ecosystem Dynamics Investigation,GEDI)数据,构建多源融合数据框架,通过使用AutoKeras框架下的深度学习算法,实现GEDI数据的多个相对高度百分位数(Relative Height Percentile,RH)与其光斑内地上生物量的回归模型预测,验证GEDI数据在较大范围的地上生物量反演方面的可行性,主要结论如下:(1)GEDI数据用于森林地上生物量估测研究具有较高可行性,通过自动化深度学习算法,训练集、验证集、整体数据的决定系数(Coefficient of Determination,R2)分别为0.69、0.63和0.67,平均绝对误差(Mean Absolute Error,MAE)分为3.73 mg·hm^(-2)、4.22 mg·hm^(-2)和3.89 mg·hm^(-2),具有较高的预测精度。(2)直升机激光雷达作为GEDI数据估算地上生物量的中间技术,整个研究区内的单木识别准确率高于0.75。最终本次研究通过多模态数据融合,定量化描述研究区单木基础结构参数的同时,验证GEDI数据在获取森林地上生物量方面的潜力,也为相近区域大面积的森林碳源汇、生物量、蓄积量估算、森林管理与经营、生物多样性保护等多个项目研究提供理论基础,具有一定的指导意义和基础数据支撑作用。 展开更多
关键词 天然云杉林 GEDI LIDAR 地上生物量 深度学习
下载PDF
上一页 1 2 6 下一页 到第
使用帮助 返回顶部