期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于机载L波段全极化无人机合成孔径雷达的森林地上生物量估测
1
作者
余琼芬
岳彩荣
+5 位作者
罗洪斌
罗广飞
段云芳
孙妙琦
恒承志
徐天蜀
《森林工程》
北大核心
2024年第5期17-29,共13页
为探索L波段全极化合成孔径雷达(Synthetic Aperture Radar,SAR)数据估算森林地上生物量(Aboveground bio⁃mass,AGB)的潜力,基于非洲合成孔径雷达(AfricaSAR)项目无人机合成孔径雷达(Unmanned Aero Vehicle Synthetic Aperture Radar,UA...
为探索L波段全极化合成孔径雷达(Synthetic Aperture Radar,SAR)数据估算森林地上生物量(Aboveground bio⁃mass,AGB)的潜力,基于非洲合成孔径雷达(AfricaSAR)项目无人机合成孔径雷达(Unmanned Aero Vehicle Synthetic Aperture Radar,UAVSAR)数据的冠层-地面散射分量构建5种极化散射比参数(R1、R2、R3、R4、R5),计算雷达植被指数(Radar Vegetation Index,RVI),采用六分量和七分量分解等4种基于模型的分解提取21个极化分解参数,最后合并所有特征并采用随机森林特征重要性筛选出最优特征组合,采用随机森林(Random forest,RF)、支持向量机回归(Support vector machine regression,SVR)、K最近邻回归(K-nearest neighbor regression,KNN)对不同特征组合估测非洲加蓬洛佩(Lope)区的森林地上生物量。结果表明,极化散射比参数、体散射(Vol)和雷达植物指数(Radar Vagetation Index,RVI)对森林AGB具有较高的敏感性,R2与AGB的相关性为0.823,最优特征组合为Vol、极化散射比参数和RVI。不同特征组合的机器学习模型均表现出较好的效果,基于极化分解参数机器学习模型的决定系数(R2)大于0.800,均方根误差(RMSE)小于88.000 Mg/hm^(2),效果最好的是基于最优特征组合的RF模型,对比单独使用极化分解参数,R2提高0.144,RMSE降低30.327 Mg/hm^(2)。极化散射比参数在森林AGB估计中具有一定的潜力,引入RVI提高模型精度,基于模型的分解适用于森林AGB估测,特征筛选的机器学习模型能较好地反演森林AGB,并在AGB达到400.000 Mg/hm^(2)未出现明显饱和点。
展开更多
关键词
UAVSAR
极化
分解
极化散射比参数
特征筛选
机器学习
森林AGB
下载PDF
职称材料
题名
基于机载L波段全极化无人机合成孔径雷达的森林地上生物量估测
1
作者
余琼芬
岳彩荣
罗洪斌
罗广飞
段云芳
孙妙琦
恒承志
徐天蜀
机构
西南林业大学林学院
云南省高校
出处
《森林工程》
北大核心
2024年第5期17-29,共13页
基金
国家自然基金项目(42061072)
云南省科技厅重大科技专项项目(202002AA00007-015)
西南林业大学预科基金项目(18200139)。
文摘
为探索L波段全极化合成孔径雷达(Synthetic Aperture Radar,SAR)数据估算森林地上生物量(Aboveground bio⁃mass,AGB)的潜力,基于非洲合成孔径雷达(AfricaSAR)项目无人机合成孔径雷达(Unmanned Aero Vehicle Synthetic Aperture Radar,UAVSAR)数据的冠层-地面散射分量构建5种极化散射比参数(R1、R2、R3、R4、R5),计算雷达植被指数(Radar Vegetation Index,RVI),采用六分量和七分量分解等4种基于模型的分解提取21个极化分解参数,最后合并所有特征并采用随机森林特征重要性筛选出最优特征组合,采用随机森林(Random forest,RF)、支持向量机回归(Support vector machine regression,SVR)、K最近邻回归(K-nearest neighbor regression,KNN)对不同特征组合估测非洲加蓬洛佩(Lope)区的森林地上生物量。结果表明,极化散射比参数、体散射(Vol)和雷达植物指数(Radar Vagetation Index,RVI)对森林AGB具有较高的敏感性,R2与AGB的相关性为0.823,最优特征组合为Vol、极化散射比参数和RVI。不同特征组合的机器学习模型均表现出较好的效果,基于极化分解参数机器学习模型的决定系数(R2)大于0.800,均方根误差(RMSE)小于88.000 Mg/hm^(2),效果最好的是基于最优特征组合的RF模型,对比单独使用极化分解参数,R2提高0.144,RMSE降低30.327 Mg/hm^(2)。极化散射比参数在森林AGB估计中具有一定的潜力,引入RVI提高模型精度,基于模型的分解适用于森林AGB估测,特征筛选的机器学习模型能较好地反演森林AGB,并在AGB达到400.000 Mg/hm^(2)未出现明显饱和点。
关键词
UAVSAR
极化
分解
极化散射比参数
特征筛选
机器学习
森林AGB
Keywords
UAVSAR
polarimetric decomposition
polarimetric scattering ratio parameter
feature screening
machine learn-ing
forest AGB
分类号
S771.8 [农业科学—森林工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于机载L波段全极化无人机合成孔径雷达的森林地上生物量估测
余琼芬
岳彩荣
罗洪斌
罗广飞
段云芳
孙妙琦
恒承志
徐天蜀
《森林工程》
北大核心
2024
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部