共查询到17条相似文献，搜索用时 812 毫秒
1.
集成Landsat OLI和机载LiDAR条带数据的亚热带森林生物量制图 总被引：1，自引：0，他引：1
以亚热带天然次生林为研究对象,借助一个条带的少量LiDAR点云数据和覆盖整个研究区的免费Landsat OLI多光谱数据,并结合地面实测数据,探索森林生物量低成本高精度制图方法。首先,提取了OLI和LiDAR特征变量,并与地上和地下生物量进行相关分析以筛选变量;然后,借助LiDAR数据覆盖区的样地和条带LiDAR数据构建"LiDAR生物量模型";再从LiDAR反演生物量的结果中进行采样,结合OLI特征变量构建"LiDAR-OLI模型";最后,与单独使用OLI多光谱数据建立的"OLI估算模型"结果进行比较,分析精度并验证新方法的效果。结果表明,"LiDAR-OLI模型"对地上和地下生物量的模型拟合效果较好且均优于"OLI模型",且其交叉验证的精度也较高并优于"OLI模型",从而证明了新方法的可靠性及有效性。本研究为主、被动遥感技术在中小尺度上协同反演森林参数提供了实验基础,也为基于全覆盖免费OLI多光谱数据及条带LiDAR数据的低成本森林生物量制图探索了技术路线。 相似文献
2.
基于遥感的区域尺度森林地上生物量估算研究 总被引：1，自引：0，他引：1
森林是陆地生态系统最大的碳库,精确估算森林生物量是陆地碳循环研究的关键。首先从机载LiDAR数据中提取高度和密度统计量,采用逐步回归模型进行典型样区生物量估算;然后利用机载LiDAR数据估算的生物量作为样本数据,与多光谱遥感数据Landsat8 OLI的波段反射率及植被指数建立回归模型,实现区域尺度森林地上生物量估算。实验结果显示,机载LiDAR数据估算的鼎湖山样区生物量与地面实测生物量的相关性R2达0.81,生物量RMSE为40.85 t/ha,说明机载LiDAR点云数据的高度和密度统计量与生物量存在较高的相关性。以机载LiDAR数据估算的生物量为样本数据,结合多光谱遥感数据Landsat8 OLI估算粤西北地区的森林地上生物量,精度验证结果为:R2为0.58,RMSE为36.9 t/ha;针叶林、阔叶林和针阔叶混交林等3种不同森林类型生物量的估算结果为:R2分别为0.51(n=251)、0.58(n=235)和0.56(n=241),生物量RMSE分别为24.1 t/ha、31.3 t/ha和29.9 t/ha,估算精度相差不大。总体上看,利用遥感数据可以开展区域尺度的森林地上生物量估算,为森林固碳监测提供有力的参考数据。 相似文献
3.
以吉林省汪清县为研究区,根据地理国情普查成果应用及监测工作通知要求,探讨了遥感技术在汪清县森林资源监测应用上的主要内容和方法。利用吉林省地理国情普查、基础测绘成果数据,结合Landsat、SPOT、ALOS等卫星影像数据,进行汪清县土地覆盖信息提取及动态监测、森林类型提取及动态监测、植被覆盖度提取及动态监测、森林参数模型反演及动态监测、驱动因子选取等内容进行了详细地说明,同时,针对汪清县森林资源各项的动态变化情况进行了驱动力分析。 相似文献
4.
森林地上生物量遥感反演方法综述 总被引：9，自引：0，他引：9
森林地上生物量反演对理解和监测生态系统及评估人类生产生活的影响有着重要作用,日益发展的遥感技术使全球及大区域的生物量估算成为可能。近年来,不同的遥感技术和反演方法被广泛用于估算森林生物量。本文首先总结了现有的全球及区域生物量产品及其不确定性,然后综述了3类方法在森林地上生物量遥感反演中的应用,即基于单源数据的参数化方法、基于多源数据的非参数化方法和基于机理模型的反演方法,阐述了各类反演方法的特点、优势及局限性。最后从机理模型研究、多源遥感数据协同、生物量季节变化研究和遥感数据源不断丰富4个方面对今后的生物量遥感反演研究进行了展望。 相似文献
5.
基于Google Earth Engine与机器学习的省级尺度零散分布草地生物量估算 总被引：4，自引：0，他引：4
大区域草地地上生物量估算对草地资源利用管理及全球碳循环研究具有重要意义。为高效快速地估算大区域零散分布草地地上生物量，本文选取安徽省为研究区，在谷歌地球云引擎（Google Earth Engine）平台的支撑下，通过机器学习方法建立Landsat 8 OLI及其他辅助数据与地面实测草地地上生物量之间的联系，开展了草地零散分布地区省级尺度草地地上生物量高分辨率估算，并与传统的基于归一化植被指数（NDVI）回归模型进行了比较。研究结果表明，综合利用光谱与地形因子的机器学习方法，估算零散化分布草地地上生物量的精度可以达到65%以上，其中分类回归树（CART）模型R2=0.57，预测精度为68.60%，支持向量机（SVM）模型R2=0.59，预测精度为75.74%，而使用NDVI的回归分析产生的误差较大，R2=0.37，预测精度为57.51%，因此机器学习方法相对于传统基于NDVI的回归分析具有明显优势。另外，谷歌地球云引擎平台数据来源广泛、获取方便，可以高效地实现海量影像数据的预处理及计算分析，大大提升了工作效率，与地面调查数据的结合可实现更大区域乃至全国尺度上的零散分布草地地上生物量高分辨率遥感估算。 相似文献
6.
针对艾比湖流域盐渍化土壤盐分定量监测的需要,利用Landsat8 OLI多光谱影像进行土壤盐分估算模型研究,以提高土壤盐分反演的精度。通过分析不同含盐量土壤的影像光谱反射率特征和不同变换形式的光谱反射率与盐分的相关性,寻求对盐分含量敏感的光谱波段;采用多元逐步回归算法,分别建立基于OLI影像光谱与ASD光谱仪重采样光谱的土壤盐分估算模型,并对影像光谱模型进行校正。结果表明:ASD重采样光谱数据的对数倒数一阶微分变换的土壤盐分估算模型精度较高,模型的决定系数(R2)为0.779;校正后的OLI影像光谱土壤盐分估算模型的R2从0.28提高到0.777 6,且均方根误差值仅为0.281。本研究实现了从实地测量光谱尺度向遥感多光谱尺度的转换,为土壤盐渍化的遥感定量监测提供了科学参考。 相似文献
7.
利用机载E-SAR传感器获取的P-波段全极化SAR数据与实测林分样地数据,分析不同极化方式后向散射系数在地形起伏区与森林地上生物量（AGB）的响应关系,以改进的水云模型为基础,建立了融入地形因子的分析性模型。采用遗传算法确定模型的最优参数,并对模型在不同坡度情况下的可靠性、稳定性进行分析,同时通过与常用模型相对比,确定水云分析模型在复杂地形区估算AGB的优势。结果表明：在森林AGB处于较低值的情况下,后向散射系数（HH、HV、VV）变化趋势与AGB变化趋势保持一致,但随着AGB值的增大,这种一致性仅在HV极化方式下继续保持,因此相比之下,HV极化方式更适用于复杂地形区生物量的估算。地形对森林AGB的估算具有极大的影响,后向散射系数与AGB的相关性随着地形坡度的增加而减小。5种模型估算森林AGB的能力大小排序为：水云分析模型 > 二次模型 > 对数模型 > 指数模型 > 线性模型。地形起伏较小的地区估算稳定性排序为：水云分析模型 > 二次模型 > 对数模型 > 指数模型>线性模型。地形起伏较大的地区估算稳定性排序为。水云分析模型 > 二次模型 > 线性模型 > 指数模型 > 对数模型。利用水云分析模型对研究区AGB估算,其实测AGB与模型估算的生物量值决定系数为0.597,RMSE为30.876 t/hm2,拟合精度为77.40%。 相似文献
8.
《国土资源遥感》2016,(3)
基于多时相的Landsat8 OLI卫星遥感数据,采用面向对象的分类方法,提取双台河口国际重要湿地芦苇分布信息。通过对归一化植被指数(normalized difference vegetation index,NDVI)等6个植被指数与野外实测芦苇地上生物量数据间的统计分析,比较不同植被指数对芦苇地上生物量的敏感性,构建双台河口国际重要湿地芦苇地上生物量遥感反演模型;应用该模型对芦苇地上生物量进行遥感反演以及空间格局分析。结果表明:双台河口国际重要湿地芦苇分布面积为4.39×104hm2,约占该研究区总面积32.96%;选取的6个植被指数均与芦苇地上生物量显著相关(p0.05),其中,以NDVI为变量的幂指数形式的估算模型为芦苇地上生物量遥感估算最优模型,模拟精度为79%,决策系数为0.76;双台河口国际重要湿地芦苇地上生物量呈东高西低和北高南低的分布格局,其平均地上生物量为4 785.5 g/m2,总地上生物量为2.06×106t;本研究结果可为双台河口国际重要湿地生态系统管理和生物多样性保护提供数据支持与科学指导。 相似文献
9.
精确估算森林生物量对全球碳平衡以及气候变化的研究有重要意义。以亚热带天然次生林为研究对象,借助地面实测样地数据,通过对机载LiCHy(LiDAR,CCD and Hyperspectral)传感器同时获取的高光谱和高空间分辨率数据进行信息提取和数据融合,建模反演森林生物量。首先通过面向对象分割方法进行单木冠幅提取,然后融合从高光谱数据提取的光谱特征变量和从高空间分辨率数据提取的单木冠幅统计变量,构建多元回归模型估算地上、地下生物量,最后利用地面实测生物量经交叉验证评价模型精度。结果表明,综合模型的精度(R~2为0.54—0.62)高于高光谱模型(R~2为0.48—0.57);在高光谱模型中地上生物量模型精度(R~2为0.57)高于地下生物量模型(R~2为0.48);在综合模型中地上生物量模型精度(R~2为0.62)同样高于地下生物量模型(R~2为0.54)。交叉验证结果表明,与仅使用高光谱数据(单一数据源)相比,通过集成高光谱和高空间分辨率数据的生物量反演效果有所提升,可以更加有效地估算亚热带森林生物量。 相似文献
10.
徐婵 《测绘与空间地理信息》2017,(2)
主要研究地理国情普查分类体系与森林资源二类调查分类体系的关系和数据转换思路,以及基于监测数据进行统计分析的内容和技术方法。选择某县进行实验,并对监测成果进行分析,论证了地理国情普查成果应用于森林资源监测的可行性。 相似文献
11.
In remote sensing–based forest aboveground biomass (AGB) estimation research, data saturation in Landsat and radar data is well known, but how to reduce this problem for improving AGB estimation has not been fully examined. Different vegetation types have their own species composition and stand structure, thus they have different data saturation values in Landsat or radar data. Optical and radar data also have different characteristics in representing forest stand structures, thus effective use of their features may improve AGB estimation. This research examines the effects of Landsat Thematic Mapper (TM) and ALOS PALSAR L-band data and their integrations in forest AGB estimation of Zhejiang Province, China, and the roles of textural images from both datasets. The linear regression models of AGB were conducted by using (1) Landsat TM alone, (2) ALOS PALSAR data alone, (3) their combination as extra bands, and (4) their data fusion, based on non-stratification and stratification of vegetation types, respectively. The results show that (1) overall, Landsat TM data perform better than PALSAR data, but the latter can produce more accurate estimates for bamboo and shrub, and for forests with AGB values less than 60 Mg/ha; (2) the combination of TM and PALSAR data as extra bands can greatly improve AGB estimation performance, but their fusion using the modified high-pass filter resolution-merging technique cannot; (3) textures are indeed valuable in AGB estimation, especially for forests with complex stand structures such as mixed forests and pine forests with understories of broadleaf species; (4) stratification of vegetation types can improve AGB estimation performance; and (5) the results from the linear regression models are characterized by overestimation and underestimation for the smaller and larger AGB values, respectively, and thus, selecting non-linear models or non-parametric algorithms may be needed in future research. 相似文献
12.
结合机载、星载激光雷达对GLAS(地球科学激光测高系统)光斑范围内的森林地上生物量进行估测,并利用MODIS植被产品以及MERIS土地覆盖产品进行了云南省森林地上生物量的连续制图。机载LiDAR扫描的260个训练样本用于构建星载GLAS的森林地上生物量估测模型,模型的决定系数(R2)为0.52,均方根误差(RMSE)为31Mg/ha。研究结果显示,云南省总森林地上生物量为12.72亿t,平均森林地上生物量为94Mg/ha。估测的森林地上生物量空间分布情况与实际情况相符,森林地上生物量总量与基于森林资源清查数据的估测结果相符,表明了利用机载LiDAR与星载ICESatGLAS结合进行大区域森林地上生物量估测的可靠性。 相似文献
13.
结合树龄信息的遥感森林生态系统生物量制图 总被引：10，自引：0，他引：10
森林生态系统是陆地生态系统中的重要组成部分，其中的地上生物量（AGB，Aboveground Biomass）在全球气候变化和碳循环研究中起着重要的作用。本文利用ETM^＋遥感影像，首先建立了实测叶面积指数（LAI，Leaf Area Index）与实测生物量数据的回归关系，基于遥感叶面积指数图像得到初步地上生物量空间分布图；同时在短波植被指数（SWVI，Short Wave Vegetation Index）与实测树龄之间建立了回归关系，在此基础上得到了树龄空间分布图。然后通过将植被指数（VI，Vegetation Index），LAI，树龄等变量针对不同的树种类型进行逐步回归，得到了较好的回归模型，并结合土地利用／土地覆盖估算了贵州省黎平县的地上生物量，绘制了其空间分布图。统计结果显示：总体森林生态系统的AGB与LAI和RSR（Reduced Simple Ratio）之间有一定的相关关系（R^2=0．895）；杉木林的AGB与LAI和归一化植被指数（NDVI，Normalized Difference Vegetation Index）之间有较强的相关性（R^2=0．93）；针叶树种的LAI与年龄是AGB较好的估算因子（R^2=0．937）；阔叶林的AGB与年龄有一定的相关性（R^2=0．792）；混交林的AGB与LAI和SR（Simple Ratio）有较强的相关性（R^2=0．931）。结果表明，将树龄和土地覆盖／土地利用类型的信息加入到地上生物量估算模型的建立中，是一种改善利用多光谱遥感估算精度的较好的方法。结合土地覆盖／土地利用类型的高分辨率的树龄空间分布图，可为森林生态系统的可持续发展和管理提供科学的论据。 相似文献
14.
Accurately estimating the spatial distribution of forest aboveground biomass (AGB) is important because of its carbon budget forms part of the global carbon cycle. This paper presented three methods for obtaining forest AGB based on a forest growth model, a Multiple-Forward-Mode (MFM) method and a stochastic gradient boosting (SGB) model. A Li-Strahler geometric-optical canopy reflectance model (GOMS) with the ZELIG forest growth model was run using HJ1B imagery to derive forest AGB. GOMS-ZELIG simulated data were used to train the SGB model and AGB estimation. The GOMS-ZELIG AGB estimation was evaluated for 24 field-measured data and compared against the GOMS-SGB model and GOMS-MFM biomass predictions from multispectral HJ1B data. The results show that the estimation accuracy of the GOMS-MFM model is slightly higher than that of the GOMS-SGB model. The GOMS-ZELIG and GOMS-MFM models are considerably more accurate at estimating forest AGB in arid and semiarid regions. 相似文献
15.
GLAS星载激光雷达和Landsat/ETM+数据的森林生物量估算 总被引：1，自引：0，他引：1
基于大脚印激光雷达数据和野外观测数据,该文提出一种获取脚印点内森林生物量的新思路,并结合陆地卫星数据应用于长白山地区森林地上生物量估算。首先,基于3种森林类型(针叶林、阔叶林和针阔混交林),采用多元逐步回归方法建立激光雷达波形指数与脚印点内实测平均树高的回归模型,估算全部脚印点内的平均树高;然后根据脚印点内样方的野外观测数据(平均树高和平均胸径)以及它们与样方生物量的拟合方程估算没有野外调查数据对应的脚印点的生物量;最后对3种森林类型的脚印点森林生物量在各森林覆盖度条件下进行分层分区统计得到生物量等级图。验证比较遥感估算的生物量与野外调查数据推算的生物量,总体误差在0~30(t·hm~(-2))之间,均方根误差为14.66(t·hm~(-2))。 相似文献
16.
A survey of remote sensing-based aboveground biomass estimation methods in forest ecosystems 总被引：7，自引：0，他引：7
Dengsheng Lu Qi Chen Guangxing Wang Lijuan Liu Guiying Li Emilio Moran 《International Journal of Digital Earth》2016,9(1):63-105
Remote sensing-based methods of aboveground biomass (AGB) estimation in forest ecosystems have gained increased attention, and substantial research has been conducted in the past three decades. This paper provides a survey of current biomass estimation methods using remote sensing data and discusses four critical issues – collection of field-based biomass reference data, extraction and selection of suitable variables from remote sensing data, identification of proper algorithms to develop biomass estimation models, and uncertainty analysis to refine the estimation procedure. Additionally, we discuss the impacts of scales on biomass estimation performance and describe a general biomass estimation procedure. Although optical sensor and radar data have been primary sources for AGB estimation, data saturation is an important factor resulting in estimation uncertainty. LIght Detection and Ranging (lidar) can remove data saturation, but limited availability of lidar data prevents its extensive application. This literature survey has indicated the limitations of using single-sensor data for biomass estimation and the importance of integrating multi-sensor/scale remote sensing data to produce accurate estimates over large areas. More research is needed to extract a vertical vegetation structure (e.g. canopy height) from interferometry synthetic aperture radar (InSAR) or optical stereo images to incorporate it into horizontal structures (e.g. canopy cover) in biomass estimation modeling. 相似文献
17.
Forests play a critical role in ecological functioning, global warming and climate change through its unique potential to capture and hold carbon (C). Biomass is one of the indicator of the status of forests hence accurate assessment and biomass mapping is important for sustainable forest management. The objectives of this study is to estimate above ground biomass (AGB) from field inventory data and to map AGB combining field inventory data, remote sensing and geo-statistical model. In the present study stratified random sampling were used for estimation of biomass in which 59 plots were laid down in different homogenous strata depending on the NDVI values for the region of Maharashtra Western Ghats. The above ground biomass from field ranged from 0.05 to 271 t-dry wt ha?1 in which trees added maximum towards total biomass followed by shrubs and herbs. This paper evaluates the best vegetation indices to estimate biomass. This study was carried out by using Landsat TM satellite data and field inventory data in the Ratnagiri district of Maharashtra, India. A significant correlation was observed between biomass and vegetation indices. The best fit regression equation developed from field above ground biomass and NDVI with R2 value of 0.61 was used for spectral modeling to estimate the geospatial distribution of AGB in the entire region. The results of spatial predictions Geostatistical technique and remotely sensed data as auxiliary variables were compared using statistical error methods. This study employed Mean error, Root-Mean-Square error, Average Standard error and Root-Mean Square Standardized error. The ME, RMSE, Average Standard error and Root-Mean Square Standardized error was 0.078, 8.032, 7.982 and 0.967 respectively. The results showed that cokriging technique is one of the geostatistical method for spatial predictions of biomass in the studied region. The present study revealed that remote sensing technique combined with field sampling provides quick and reliable estimates of above ground biomass and carbon pool and can be used as baseline information for further temporal studies of biomass status of the region and in planning of forest and natural resources management. 相似文献