基于k-NN算法的叶面积指数遥感反演

叶面积指数(Leaf Area Index,LAI)作为植被冠层结构的重要描述参数之一,能体现植被光合、蒸腾和呼吸作用的能力。借助GPS和LAI-2200冠层分析仪在攸县黄丰桥林场开展LAI测量。利用ENVI软件对Geo Eye-1数据进行了辐射定标,大气校正和正射校正。通过研究LAI与Geo Eye-1影像波段及其衍生指数的相关性,筛选出2组估算LAI的指数因子(6个指数因子和10个指数因子)。应用k-NN进行叶面积指数反演,同时将反演结果与多元线性回归模型结果进行比较。结果表明:利用2组指数因子进行多元线性回归模型反演LAI中,6个指数因子的模型决定系数R2为0.386,10个指数因子的模型决定系数R2为0.498。从回归模拟的角度分析,10个指数因子得到的模拟结果要优于6个指数因子的模拟结果。利用2组指数因子通过设置4个不同的k值(k=3,5,7,10)得到8个k-NN反演结果中,以10个指数因子得到的k-NN反演结果较好,其中在k=3时效果最好,其决定系数R2为0.733,精度为85.4%。建模精度分析表明选用10个指数因子进行LAI的反演优于选用6个指数因子,其中k-NN方法的反演结果优于多元线性回归模型,说明利用k-NN方法进行LAI的反演是可行的。

基于MODIS影像大尺度森林资源信息提取方法研究

森林类型的识别对于掌握森林生态系统和自然环境变化具有重要意义。针对单一时相遥感数据提取森林植被类型信息方法的局限性,以中国东北三省为研究区,探讨了基于多时相MODIS遥感数据,实现主要森林类型识别的方法。将东三省的森林植被划分为非林地、针叶林、阔叶林、针阔混交林、灌木林5种类型,通过分析不同森林类型一年内生长差异,选取多时相NDVI第10期、NDIV第23期、EVI第10期、LAI第20期特征数据,建立了非林地、针叶林、阔叶林、针阔混交林、灌木林的决策树模型,实现了森林类型信息的识别,得出了东三省的森林覆盖率42.39%,植被类型分类总体精度为86.7%,与第八次全国森林资源清查的东三省结果对比,森林覆盖率提取精度高达95.6%。说明应用多时相的MODIS遥感影像可以实现大尺度森林资源信息的快速提取,在大范围的植被类型调查与监测方法具有较大的应用价值。

基于哑变量非线性联立方程组模型的林木参数遥感反演

以湖南省攸县黄丰桥林场Worldview-2影像和地面样地调查数据为基础,采用Mean shift算法对影像进行多尺度分割,提取杉木人工林林木冠幅信息,共提取有效林木冠幅227个,并对提取的冠幅边界信息进行平滑处理。分析调查数据中实测冠幅与影像提取冠幅之间的相关性,结合实测胸径、树高与冠幅的关系,应用曲线估计、非线性联立方程组以及基于哑变量的非线性联立方程组分别建立树高和胸径的最优估算模型,并进行了精度评价。结果表明:将树高与胸径作为哑变量,并进行数量化分级建立的影像冠幅与胸径、树高的非线性误差变量联立方程组模型的拟合效果要优于其他2种方法,树高和胸径模型决定系数R2H和R2D分别为0.899和0.913。模型的适用性检验表明,模型的变动系数、平均百分标准误差均在10%以内,具有较强的稳健性。

深圳市建成区森林碳分布估测方法比较研究

城市森林是森林生态系统的重要组成部分,在改善城市生态环境方面发挥着重要作用。研究城市森林碳分布对于陆地生态系统碳循环的模拟和城市的生态建设规划具有重要意义。以深圳市建成区森林为研究对象,分别采用逐步回归、协同克里格和K个最靠近邻居(KNN)3种方法对深圳市的森林碳分布进行模拟。结果表明:3种方法估测结果各有其优缺点。逐步回归和KNN法能够较准确地反映森林碳分布的信息(如行道树、公园等),但逐步回归的预测结果偏小,KNN法的预测结果偏大。协同克里格法则可以较准确的反映建成区森林碳分布并能导出总体估测值,但对森林碳空间分布的细节反映不如逐步回归和KNN。