森林高度是反映森林数量和质量的重要指标,是森林经营管理的重要基础数据,准确获取森林高度信息一直是林业遥感研究的目标。本研究以广西高峰林场的105块地面实测样地数据和机载激光雷达(Light detection and ranging,LiDAR)数据为基础...森林高度是反映森林数量和质量的重要指标,是森林经营管理的重要基础数据,准确获取森林高度信息一直是林业遥感研究的目标。本研究以广西高峰林场的105块地面实测样地数据和机载激光雷达(Light detection and ranging,LiDAR)数据为基础,从点云数据中提取35个特征变量,分别采用支持向量机-递归特征消除法(SVM-RFE)、轻量级梯度提升机(LightGBM)和主成分分析(PCA)法进行特征筛选,并结合参数模型(LR)和非参数模型(RFR、KNN)对林分平均高进行反演。研究结果表明,不同特征选择方法和估测模型的组合精度差异较大。其中,利用LightGBM进行特征筛选结合KNN回归反演效果最佳,建模的R^(2)和RMSE分别为0.83和1.64 m,验证的R^(2)和RMSE分别为0.81和1.56 m。此外,在SVM-RFE、LightGBM和PCA这3种特征筛选方法中LightGBM的效果最好,无论在RFR模型还是在KNN模型中均能得到较高的R^(2),优于SVM-RFE和PCA。展开更多
以美国航空航天局(National Aeronautics and Space Administration,NASA)、欧洲航天局(European Space Agency,ESA)、加蓬航天局合作的AfriSAR项目中的Lopenp和Mondah为实验区,以L波段的多基线全极化无人驾驶飞行器合成孔径雷达(unmann...以美国航空航天局(National Aeronautics and Space Administration,NASA)、欧洲航天局(European Space Agency,ESA)、加蓬航天局合作的AfriSAR项目中的Lopenp和Mondah为实验区,以L波段的多基线全极化无人驾驶飞行器合成孔径雷达(unmanned aerial vehicle synthetic aperture radar,UAVSAR)数据为数据源,分别采用高度偏差(height variance,VAR)方法、偏心率(eccentricity,ECC)方法和平均相干幅度与分离度乘积(product of average coherence magnitude and separation,PROD)方法、原点到拟合直线距离与分离度乘积(product of fitted line distance from origin and coherence separation,LINE)方法进行基线选择,并基于地面随机体散射模型(random volume on ground,RVoG)三阶段方法反演森林高度,以激光雷达获取的相对高度RH100对两个实验区的森林冠层高度反演结果进行验证。结果表明:在植被高度较小时,利用4种基线选择方法反演的森林冠层高度均比较合理,但森林高度较大时,ECC和VAR方法的低估较为严重;在Lopenp实验区中,采用VAR方法选择基线时,总体反演精度最低,R^(2)和均方根误差(root mean square error,RMSE)分别为0.36、26.27 m;采用ECC方法选择基线时,总体反演精度优于VAR方法,R^(2)和RMSE分别为0.50、13.94m;LINE方法的R^(2)和RMSE分别为0.72、8.71 m,PROD方法的R^(2)和RMSE分别为0.72、8.55 m。4种基线选择方法中,PROD和LINE方法的总体反演精度明显优于ECC和VAR方法。Mondah实验区结果的规律与Lopenp实验区的一致,说明利用多基线极化合成孔径雷达干涉测量(polarimetric interferometric synthetic aperture radar,PolInSAR)技术反演森林冠层高度时,基线选择方法对反演结果有重要影响。展开更多
文摘以美国航空航天局(National Aeronautics and Space Administration,NASA)、欧洲航天局(European Space Agency,ESA)、加蓬航天局合作的AfriSAR项目中的Lopenp和Mondah为实验区,以L波段的多基线全极化无人驾驶飞行器合成孔径雷达(unmanned aerial vehicle synthetic aperture radar,UAVSAR)数据为数据源,分别采用高度偏差(height variance,VAR)方法、偏心率(eccentricity,ECC)方法和平均相干幅度与分离度乘积(product of average coherence magnitude and separation,PROD)方法、原点到拟合直线距离与分离度乘积(product of fitted line distance from origin and coherence separation,LINE)方法进行基线选择,并基于地面随机体散射模型(random volume on ground,RVoG)三阶段方法反演森林高度,以激光雷达获取的相对高度RH100对两个实验区的森林冠层高度反演结果进行验证。结果表明:在植被高度较小时,利用4种基线选择方法反演的森林冠层高度均比较合理,但森林高度较大时,ECC和VAR方法的低估较为严重;在Lopenp实验区中,采用VAR方法选择基线时,总体反演精度最低,R^(2)和均方根误差(root mean square error,RMSE)分别为0.36、26.27 m;采用ECC方法选择基线时,总体反演精度优于VAR方法,R^(2)和RMSE分别为0.50、13.94m;LINE方法的R^(2)和RMSE分别为0.72、8.71 m,PROD方法的R^(2)和RMSE分别为0.72、8.55 m。4种基线选择方法中,PROD和LINE方法的总体反演精度明显优于ECC和VAR方法。Mondah实验区结果的规律与Lopenp实验区的一致,说明利用多基线极化合成孔径雷达干涉测量(polarimetric interferometric synthetic aperture radar,PolInSAR)技术反演森林冠层高度时,基线选择方法对反演结果有重要影响。