期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
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
基于ASO-BP神经网络的生物量反演模型研究
2
作者 尹江杰 刘丽萍 李强 《价值工程》 2023年第14期153-155,共3页
本文选择六盘山森林区为论文研究区域,光学数据选择Landsat 8 OLI,微波雷达数据选择具有L波段的ALOS-2 PALSAR-2,并结合森林资源清查数据作为六盘山森林AGB的反演模型研究数据源,对选择的两种数据源的相关特征变量进行提取、分析、筛选... 本文选择六盘山森林区为论文研究区域,光学数据选择Landsat 8 OLI,微波雷达数据选择具有L波段的ALOS-2 PALSAR-2,并结合森林资源清查数据作为六盘山森林AGB的反演模型研究数据源,对选择的两种数据源的相关特征变量进行提取、分析、筛选,基于经典及改进算法构建六盘山森林AGB反演模型。利用原子优化算法(ASO)优化BP神经网络模型构建新的森林地上生物量反演模型——基于原子优化算法改进的BP神经网络(ASO-BP)森林AGB反演模型,通过对两种生物量反演模型精度的对比与评价,最终选择精度最高的ASO-BP反演模型比较适用于六盘山森林地上生物量反演,完成六盘山森林地上生物量的估算和分析。 展开更多
关键词 森林agb反演模型 BP神经网络 原子优化算法(ASO) ASO-BP
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部