|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 基于KNN方法的大兴安岭地区森林地上碳储量遥感估算显示文摘【目的】采用KNN方法进行碳储量估测,并对估测后的数据进行各种校正处理,绘制森林地上碳储量的空间分布图,为我国森林碳储量和固碳潜力的研究提供基础数据和科学依据。【方法】以黑龙江省大兴安岭为研究区(50°05'—53°33'N,121°11'—127°01'E),基于2010年森林资源连续清查固定样地和同年Landsat5 TM影像数据,利用k-邻近法(KNN)在像素级水平上对森林地上碳储量进行估算。采用多准则方法分东、南、北和中4个区域对样地坐标和其对应的影像光谱值进行坐标重配准,并根据实测样地数据对坐标重配置前后不同林分类型地上碳储量估测精度进行评价;针对KNN方法像素级估测结果存在明显的高值区域低估和低值区域高估现象,应用直方图匹配方法对估测结果进行变动范围调整;并根据样地实测碳储量和KNN估测值间的回归关系对调整后的结果分区域进行进一步匹配校正后处理,绘制森林碳储量的空间分布图。【结果】总体来说,本研究区域像元尺度KNN估测的欧式距离优于马氏距离,均方根误差随着最邻近值k的增大而降低,当k大于6时变化缓慢,并逐渐趋于稳定;坐标误差校正后,各林分类型森林地上碳储量的估测精度均显著提高,平均均方根误差由17.23降低到14.3 t·hm-2;直方图匹配后,各区域样地点高值区域低估和低值区域高估现象均有很大程度改善,实测值和估测值间的相关关系明显增强,然而高值地区(碳储量大于20 t·hm-2)出现过高估计现象;经匹配校正后处理的均值、标准差、直方图和累积频率分布图更接近样地实测值,均方根误差也明显降低,高值地区过高估计现象得到很好校正。【结论】森林资源清查数据、遥感数据及KNN方法相结合逐渐成为区域尺度森林参数空间连续估测的重要手段。同利用光谱值和森林参数建立的回归模型相比,KNN方法能够更多地考虑到森林参数同光谱值之间的非线性依赖关系;但KNN估测方法除了受距离度量标准、最邻近值k的大小以及影像波段的选取等因素影响外,还存在如样地坐标和对应的影像光谱值匹配误差、像素级估测结果多呈明显集中分布趋势等问题,使得该方法的应用受到一定限制。本文的研究表明,对这些因素进行合理的校正,将更有利于区域尺度森林参数的精确估计和反演。 | 戚玉娇 李凤日 | 2015 | 林业科学2015，51，5： | 34 |
| 2 | 利用小光斑激光雷达估测林分参数和生物量显示文摘为弥补小光斑激光雷达在林业研究中应用较少起步较晚,且研究结果精度不高的缺点,利用软件TerraScan及小光斑雷达数据自身的优点,对小兴安岭凉水地区的航拍数据进行了研究,并在此基础上估测了树高、胸径等林分参数及生物量,其精度均达到了90%以上,能够满足实际生产的需要。其中:树高的估测精度最高,为97%,表明小光斑激光雷达能够高效率、高精度地提供多种林分参数,可为林业生产及时准确地提供必要的数据支持。 | 刘东起 范文义 李明泽 | 2012 | 东北林业大学学报2012，40，1： | 16 |
| 3 | 三峡库区森林蓄积量遥感监测及其动态变化分析显示文摘为了快速有效获取三峡库区森林蓄积量及其时空动态变化特征,基于第六次(2003年)和第七次(2008年)森林资源一类清查样地数据和TM/ETM+遥感影像,利用偏最小二乘回归方法构建了森林蓄积量估测模型,估算了三峡库区森林蓄积量,定量分析了蓄积量的时空变化特征。利用预留独立样本对模型进行精度验证,两期模型的总体预测精度分别达到91.84%和94.61%:2003年和2008年三峡库区森林总蓄积量分别为94446687、104314340m^3。从2003年至2008年呈现缓慢增长的趋势;两期森林蓄积量在海拔400-1600m、坡度5°-44°之间分布最多,在坡向上的分布较为均匀。 | 张超 彭道黎 党永峰 智长贵 | 2013 | 东北林业大学学报2013，41，11： | 6 |
| 4 | Mapping forest age using National Forest Inventory,airborne laser scanning,and Sentinel-2 data显示文摘Background:The age of forest stands is critical information for forest management and conservation,for example for growth modelling,timing of management activities and harvesting,or decisions about protection areas.However,area-wide information about forest stand age often does not exist.In this study,we developed regression models for large-scale area-wide prediction of age in Norwegian forests.For model development we used more than 4800 plots of the Norwegian National Forest Inventory(NFI)distributed over Norway between latitudes 58°and 65°N in an 18.2 Mha study area.Predictor variables were based on airborne laser scanning(ALS),Sentinel-2,and existing public map data.We performed model validation on an independent data set consisting of 63 spruce stands with known age.Results:The best modelling strategy was to fit independent linear regression models to each observed site index(SI)level and using a SI prediction map in the application of the models.The most important predictor variable was an upper percentile of the ALS heights,and root mean squared errors(RMSEs)ranged between 3 and 31 years(6%to 26%)for SI-specific models,and 21 years(25%)on average.Mean deviance(MD)ranged between^(−1) and 3 years.The models improved with increasing SI and the RMSEs were largest for low SI stands older than 100 years.Using a mapped SI,which is required for practical applications,RMSE and MD on plot level ranged from 19 to 56 years(29%to 53%),and 5 to 37 years(5%to 31%),respectively.For the validation stands,the RMSE and MD were 12(22%)and 2 years(3%),respectively.Conclusions:Tree height estimated from airborne laser scanning and predicted site index were the most important variables in the models describing age.Overall,we obtained good results,especially for stands with high SI.The models could be considered for practical applications,although we see considerable potential for improvements if better SI maps were available. | Johannes Schumacher Marius Hauglin Rasmus Astrup Johannes Breidenbach | 2020 | Forest Ecosystems2020，7，4： | 3 |
您所在的机构暂未开通此部分的功能，请联系管理员