基于Sentinel数据的沅陵县针叶林可燃物载量估测研究

森林可燃物是引发森林火灾的重要因素之一,准确估测森林可燃物载量对于制定火灾防控策略、提高火灾预警能力以及保护生态环境具有重要意义。以湖南省沅陵县Senitnel-1A和Sentinel-2A影像为数据源,通过提取多源数据的不同类型遥感因子,结合地面调查获取的样地可燃物载量信息,采用前向特征筛选法和4种机器学习模型[多元线性回归(multiple linear regression,MLR)、k最近邻(k-nearest neighbor,kNN)、支持向量机回归(support vector regression,SVR)、随机森林(random forest,RF)]构建了针叶林可燃物载量反演模型,并对研究区内针叶林可燃物载量进行反演。结果表明:①基于Sentinel-1A数据提取的VH极化后向散射系数与针叶林可燃物载量有较高的相关性;②相比于单一数据源,联合Sentinel-1A和Sentinel-2A数据可显著提高针叶林可燃物载量估测精度,最优模型R^(2)分别提高了0.19、0.29,rRMSE分别降低4.66、6.94个百分点,RMSE分别降低了6.13、9.13 t/hm^(2),平均rRMSE分别降低了5.17、5.75个百分点,最优模型为SVR模型,其R^(2)=0.5,rRMSE=27.71,RMSE=36.47 t/hm^(2)。Sentinel-1A数据的加入有利于针叶林可燃物载量估测精度的提升。