基于随机森林模型的青藏高原森林地上生物量遥感估算

扫码查看

原文链接

万方数据
维普

中文摘要：遥感数据可以实时快速获取森林属性信息,利用遥感技术数据估算的森林地上生物量(aboveground biomass,AGB)具有空间连续性且精度较高的优势.与低纬度或低海拔的森林生态系统相比,高寒区因地形复杂、气候特殊,森林属性信息的获取更加困难,因此遥感是获取大尺度高寒区森林属性的重要手段.本研究以青藏高原为研究区,利用MODIS卫星影像和样地调查数据,建立随机森林模型(RF)估算森林AGB,并结合K最近邻算法(KNN)进一步探究该区域主要树种AGB.本研究在不同尺度上验证了模型预测精度,并分析预测变量的重要性.结果表明:(1)建立的AGB估算模型在像元(R2=0.82,RMSE=64.93 t·hm-2)和景观尺度(t=0.15,P=0.88)上皆表现较好;(2)青藏高原森林AGB空间分布呈现由东南向西北逐渐降低的趋势,平均森林AGB为181.28±104.54 t·hm-2;最高的森林AGB出现在海拔1000 m以下,为237.66±60.92 t·hm-2;树种水平上,冷杉、云杉和云南松AGB较高,分别为214.86、216.14和172.24 t·hm-2;(3)地理位置和气候变量在估算AGB时更为重要.本研究结果有助于加强对青藏高原森林资源的了解,提高中国碳动态预测的准确性.

外文标题：Remote sensing estimation of forest aboveground biomass in Tibetan Plateau based on random forest model

外文关键词：

machine learningaboveground biomassforest ecosystemremote sensing information

作者：

张鹏超、梁宇、刘波、马天啸、吴苗苗

展开 >

作者单位：

中国科学院森林生态与管理重点实验室(中国科学院沈阳应用生态研究所),沈阳 110016

中国科学院大学,北京 100049

辽宁省陆地生态系统碳中和重点实验室,沈阳 110016

关键词：

机器学习地上生物量森林生态系统遥感信息

基金：

国家自然科学基金面上项目国家自然科学基金面上项目国家自然科学基金国际(地区)合作与交流项目国家自然科学基金外国青年学者项目辽宁省"兴辽英才"计划青年拔尖人才项目

项目编号：

31971486321715623196113302742050410324XLYC1907177

出版年：

2023

DOI：

10.13292/j.1000-4890.202302.007

生态学杂志

中国生态学学会

生态学杂志

CSTPCDCSCD北大核心

影响因子：1.439

ISSN：1000-4890

年,卷(期)：2023.42(2)

被引量7
参考文献量19