首页|联合GF-1和GF-3影像的森林地上生物量反演

联合GF-1和GF-3影像的森林地上生物量反演

扫码查看
原文链接
  • 万方数据
  • 维普
[目的]探索高分(GF)光学、合成孔径雷达(SAR)数据及其联合数据在森林地上生物量(AGB)及其组成部分反演中的可行性.[方法]以云南省昆明市宜良县小哨林区的云南松为研究对象,结合实地调查数据,以GF-1光学数据和GF-3 SAR数据作为数据源,提取光学数据常用的植被指数和纹理特征,SAR数据的各极化后向散射系数、纹理特征以及极化分解等参数,利用KNN-FIFS方法分别进行森林AGB及其分量的反演;然后采用留一交叉验证法对反演结果进行精度评价,并在此基础上绘制森林AGB及其分量空间分布图.[结果]联合GF-1和GF-3数据反演森林AGB及其分量的精度最高,R2均超过了0.710,RMSEr的值在22％～27％之间,其中树叶的反演精度最优,模型的R2为0.714,RMSE为10.270 t/hm2,RMSEr为24.58％;除树叶生物量外,森林AGB和其他分量仅采用GF-1提取的特征进行反演时,精度均优于采用GF-3特征的反演结果.[结论]联合GF-1光学数据和GF-3全极化SAR可以实现一定程度的互补,提高森林AGB及其分量的反演精度,此外KNN-FIFS方法在低生物量水平的云南松纯林的AGB及其分量的反演中具有一定的鲁棒性,且KNN-FIFS优选的重要参数多为SAR和光学的纹理特征.
Inversion of forest aboveground biomass from combined images of GF-1 and GF-3

史建敏、张王菲、曾鹏、赵丽仙、王梦金

展开 >

西南林业大学林学院,云南昆明650224

GF系列卫星 森林地上生物量 森林地上生物量分量 KNN-FIFS

318602403216036580201444CAFYBB2021SY006

2022

10.12171/j.1000?1522.20220029

北京林业大学学报
北京林业大学

北京林业大学学报

CSTPCDCSCD北大核心
影响因子：1.237
ISSN：1000-1522
年,卷(期)：2022.44(11)
  • 2
  • 15