排序方式： 共有3条查询结果，搜索用时 0 毫秒
1
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.
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
3.
西藏砂生槐种群结构与点格局分析 总被引：1，自引：0，他引：1
以雅鲁藏布江中游砂生槐种群为研究对象,采用相邻格子法分别在半固定沙地和固定沙地设立20 m×30 m的样方,通过对不同生境条件下种群年龄结构、空间分布格局以及不同径级空间关联等方面的研究,探讨了砂生槐种群结构与空间格局及其影响因素。结果表明,半固定沙地和固定沙地砂生槐种群年龄结构与种群（总和）特征基本一致,均呈基部宽、顶部狭,随径级增大个体数减少的趋势。砂生槐种群中幼龄体的空间分布呈明显的集群分布,随着年龄等级的增加,由中幼龄体不同尺度下的集群和随机分布交替出现过渡到大龄等级下的随机分布。半固定沙地砂生槐种群不同径级的空间关系有正相关和不相关两种方式,变化趋势是随着径级差距的加大,幼体与其他径级砂生槐的空间正相关性逐渐减弱;固定沙地砂生槐种群不同径级的空间关系均呈正相关。 相似文献
1