基于无人机倾斜摄影的广西桉树冠层碳储量计量模型构建

森林碳储量计量是在全球气候变暖背景下,实现“碳达峰”和“碳中和”目标的重要技术环节之一。目前常规的森林碳储量计量方法仍然主要采用传统的林业样地调查法,存在效率低、人力物力成本高,且对森林冠层数据的测定精度不高等问题。以无人机倾斜摄影测量技术在广西桉树冠层碳储量计量中的应用为研究对象,参考林业部门和各地的相关标准,采用实验对比和数理统计方法构建基于广西桉树冠层体积(V)推算其冠层碳储量(T)的计量模型。实验验证和回归分析方法测定该模型的拟合优度R^(2)达到0.889 6。该模型可为广西桉树林碳储量的调查工作,以及其他树种的碳储量计量模型构建提供参考。

高寒山区积雪遥感提取决策树分类模型构建与精度评价

青藏高原位于亚洲中部,是亚洲数十条大江大河的发源地,也被誉为“亚洲水塔”,因此青藏高原的水环境和气候变化对欧亚大陆上的数十个国家的生态环境都有着重大影响.如何高效获取青藏高原积雪覆被数据是目前相关领域研究的热点问题.本研究以归一化差异雪指数(Normalized Difference Snow Index,NDSI)为基础,针对高原湖泊结冰容易导致运用常规监督分类方法进行遥感影像积雪提取中分类误差较大的问题,构建了针对高寒山区积雪提取的决策树分类模型,并执行获取决策树分类成果.同时以ENVI遥感图像处理平台共提供的6种应用较为成熟的监督分类算法获取的分类成果为对照,并分别统计各分类方法提取成果的总体分类精度(Overall Accuracy)和Kappa系数两个精度验证指标.最后,通过综合分析得出这7种分类方法的综合分类精度,由高到低分别为:专家决策树>最大似然法>支持向量机>神经网络法>马氏距离法>最小距离法>平行六面体法.其中,本研究所构建的决策树分类结果的总体分类精度和Kappa系数分别达到了96.83%和0.96,远高于其他6种常规监督分类方法的精度,验证了该分类模型的精度.