高山松地上生物量估测与尺度转换研究

为研究遥感影像尺度上推对森林地上生物量估测的影响,以香格里拉市为研究区,基于Landsat-8,Sentinel-2A,和Spot-7影像,采用最邻近像元法、双线性内插法、三次卷积插值法、局部平均法以及像元聚合法将原始影像转换至低空间分辨率影像,结合外业调查的高山松样地地上生物量数据,分别建立随机森林(RF)和梯度提升回归树(GBRT)生物量估测模型,并与目标尺度真实影像的建模效果进行对比。结果表明:经最邻近像元法上推后,基于Spot-7影像的RF和GBRT建模的预估精度(P)分别为76.65%和75.55%,基于Sentinel-2影像的RF和GBRT建模的P值分别为81.78%和72.74%,均优于其余4种尺度转换方法;经5种方法尺度上推后的影像构建的RF预估精度(81.78%~63.94%)总体优于GBRT预估精度(75.55%~61.03%);采用Sentinel-2A影像更适合尺度上推进行森林生物量估测。研究结果可为尺度转换方法和生物量估测模型的选取提供参考。

基于遥感特征变量的高山松碳储量抽样估算

以Landsat 8 OLI遥感影像为数据源,结合香格里拉市森林资源二类调查数据,在可靠性为95%,抽样精度分别为95%、90%、85%的3种情况下,基于遥感特征变量采用分层抽样对高山松碳储量进行估算,并与一般分层抽样、系统抽样结果进行比较分析。结果表明:遥感特征变量的筛选中,相关性最强的4个依次为11窗口第4波段信息熵(R11B4EN)、11窗口第4波段均值(R11B4ME)、11窗口第7波段协同性(R11B7HO)、11窗口第2波段二阶矩(R11B2SM)。在相同抽样设计精度下,抽样单元数量均呈现系统抽样>一般分层抽样>遥感分层抽样的规律。在95%和85%的抽样设计精度下,采用11窗口第2波段二阶矩(R11B2SM)的实际抽样精度最高,误差最小。可见,基于遥感特征变量的分层抽样可为森林碳储量调查提供参考。