首页|高光谱和LiDAR联合反演森林生物量研究

高光谱和LiDAR联合反演森林生物量研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
估算森林地上生物量(AGB)对于全球实现碳中和目标至关重要.本文以美国缅因州Howland森林为研究区域,借助地面实测样地数据,对比分析协同不同数据源(高光谱和LiDAR)和机器学习算法(随机森林、支持向量机、梯度提升决策树和K最邻近回归)的研究,以改善Howland森林的生物量估计精度.结果表明,采用LiDAR和高光谱植被指数变量模型的最佳精度分别为0.874和0.868,协同高光谱和LiDAR变量并采用梯度提升决策树回归模型的精度为0.927,即多源遥感数据要优于单一数据源.高光谱和LiDAR数据的协同使用对于提高类似于Howland地区或更广泛区域的生物量估计的准确性,具有普遍的适用性与一定的应用前景.
Study on inversion of forest biomass by LiDAR and hyperspectral

温雨笑、吕杰、马庆勋、张鹏、徐汝岭

展开 >

西安科技大学,陕西 西安710054

LiDAR 高光谱遥感 森林地上生物量 机器学习 梯度提升决策树

国家自然科学基金国家自然科学基金

4167401341874012

2022

测绘通报
测绘出版社

测绘通报

CSTPCDCSCD北大核心
影响因子：1.027
ISSN：0494-0911
年,卷(期)：2022.(7)
  • 8
  • 8