基于高分六号卫星红边波段的森林蓄积量遥感反演——以西宁市针叶林为例

作     者：任枫 王琦 杨佳 任庆福 REN Feng;WANG Qi;YANG Jia;REN Qing-fu

作者机构：西安绿环林业技术服务有限责任公司西安710048 广东省科学院生态环境与土壤研究所广州510650 航天宏图信息技术股份有限公司北京100089 

基　　金：国家林业与草原局西北调查规划设计院2021年科技创新项目“青海省天然林生态系统服务功能量化研究”(XBJ-KJCX-2021-16) 广东省自然科学基金杰出青年项目“基于人工智能深度学习的土壤重金属污染演变格局过程和机制解析”(2020B1515020020) 

出 版 物：《中国农业气象》 (Chinese Journal of Agrometeorology)

年 卷 期：2022年第43卷第5期

页      码：408-420页

摘      要：红光波段和近红外波段常被作为森林蓄积量反演的敏感波段,介于两者之间的红边波段往往被忽略,为了明确红边波段对森林蓄积量的遥感反演精度的影响,本研究基于高分六号卫星宽幅影像(GF6-WFV),结合西宁市2014年森林资源二类调查数据,从光谱特征、植被指数、地形因子、影像纹理等4个方面选取蓄积量反演的自变量,采用多元线性回归(MLR)、随机森林(RF)模型,分析比较了有无红边波段对西宁市针叶林蓄积量遥感反演精度的影响。结果表明:(1)无红边波段(No Red-Edge)和加入红边波段(Red-Edge Added)两组处理的纹理特征变量降维后,其主成分信息主要解释了红外、近红外以及红边1波段的纹理特征。(2)与蓄积量相关的光谱特征变量:No Red-Edge处理主要包括红边波段和近红外波段的地表反射率,Red-Edge Added处理主要为红边1波段的地表反射率;植被指数变量:No Red-Edge处理主要包括NDVI和SAVI,Red-Edge Added处理为MTCI。(3)加入红边波段后,RF模型的R^(2)优于MLR模型,分别为0.6719和0.5487,RF模型的均方根误差(RMSE)小于MLR模型,分别为26.3m^(3)×hm^(−2)和20.8m^(3)×hm^(−2)。(4)去除模型对反演精度的影响后,相对于No Red-Edge,Red-Edge Added处理的反演结果与观测值拟合的R^(2)提高了11.6%,RMSE降低了9.1%。说明加入红边波段可显著提高西宁市针叶林蓄积量的反演精度,研究结果可为森林蓄积量的遥感反演提供科学依据。

主 题 词：高分六号卫星 红边波段 蓄积量遥感反演 随机森林模型 西宁市 

学科分类：090704[090704] 0907[农学-草药学] 09[农学] 0903[农学-动物生产类] 

核心收录：

D　O　I：10.3969/j.issn.1000-6362.2022.05.007

馆 藏 号：203111690...