摘要：森林资源调查对于我国森林生态系统可持续发展具有重要意义,森林平均高度是森林资源调查的主要结构参数,也是获取难度最大的关键参数之一。为探究联合主被动遥感技术在估测森林平均高度方面的潜力,本研究以吉林省临江市西小山林场为研究区,利用Sentinel-1 SAR和Sentinel-2A数据,通过提取Sentinel-1的2个后向散射系数、8个纹理信息,以及Sentinel-2A的10个光谱波段及其纹理信息和11个植被指数,采用多元线性回归方法分别建立基于上述变量以及融合4类变量的5组平均树高估算模型,并评估各变量对反演精度的影响。结果表明:单一数据源变量中,基于Sentinel-2A光谱波段提取的纹理信息建模效果较好,能够作为估算森林平均高度的有效数据;融合4类变量的森林平均高度估算模型最优,R2达0.56、留一交叉验证均方根误差为2.92 m、相对留一交叉验证均方根误差为21.5%。基于Sentinel-1与Sentinel-2A特征变量的平均树高模型能够提高森林高度的估算精度,可用于区域森林平均高度估测和制图。

摘要：森林蓄积量是森林资源调查的重要指标,探究主动、被动遥感结合估算森林蓄积量对于森林资源监测具有重要意义.在吉林省临江市西小山林场以Sentinel-1和Sentinel-2A为数据源,提取80个纹理变量、24个光学特征变量和3个后向散射系数3种类型的变量,比较了基于多元逐步回归方法和随机森林方法建立的森林蓄积量估算模型,从而确定森林蓄积量估算的最佳方法.单一类型特征变量中,纹理变量构建的模型(a)效果相对较好,均方根误差为53.91 m3·hm^(−2).在5个森林蓄积量估算模型中,结合多类型参数建立的模型(d)估算效果较好,R2为0.513,均方根误差为49.70 m3·hm^(−2),相对均方根误差为0.26.此外,西小山林场呈现中南部较低,东部和中部偏西较高的森林蓄积量空间分布格局.融合Sentinel-1和sentinel-2A数据的信息,可以提高森林蓄积量估算精度.