遥感技术与应用2023，Vol.38Issue(1) ：39-50.DOI:10.11873/j.issn.1004-0323.2023.1.0039

基于DART模型和随机森林估算山地叶面积指数

Leaf Area Index Estimation over Mountainous Areas by Coupling the DART Model and Random Forest

凌菊 李爱农 靳华安
遥感技术与应用2023，Vol.38Issue(1) ：39-50.DOI:10.11873/j.issn.1004-0323.2023.1.0039
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于DART模型和随机森林估算山地叶面积指数

Leaf Area Index Estimation over Mountainous Areas by Coupling the DART Model and Random Forest

凌菊 1李爱农 2靳华安2
扫码查看

作者信息

  • 1. 中国科学院水利部成都山地灾害与环境研究所数字山地与遥感应用中心,四川成都 610041;中国科学院大学,北京 100049
  • 2. 中国科学院水利部成都山地灾害与环境研究所数字山地与遥感应用中心,四川成都 610041
  • 折叠

摘要

地形效应会使遥感影像中的地表反射率发生畸变,进而影响基于反射率估算的叶面积指数(Leaf Area Index,LAI)精度.为了减弱或消除地形对LAI反演的影响,基于三维辐射传输模型DART(Discrete Anisotropic Radiative Transfer)构建坡地反射率与LAI数据集作为训练数据.以反射率为输入,LAI为输出,利用随机森林算法进行训练,构建山地LAI反演模型.结合实际遥感影像数据实现山地LAI的估算,并利用实测数据对反演结果开展精度评价.同时,基于DART模型和随机森林构建了平地LAI反演模型作为参照以评价本文发展方法的有效性.结果表明:考虑了地形影响的山地LAI反演模型具有较强的估算能力,验证结果的精度(决定系数(R2)=0.57,均方根误差(RMSE)=0.77 m2/m2)优于平地反演模型(R2=0.46,RMSE=0.86 m2/m2);基于 DART模型构建的山地反演模型能够捕捉到坡度和坡向对地表反射率的影响,其反演结果较好地还原了研究区LAI的空间分布,与地面真实情况接近.研究指出将DART模型和随机森林算法相结合的山地LAI反演方法能够在一定程度上减弱地形效应,有效提高山地LAI的估算精度,可为山地植被参数遥感反演研究提供参考.

关键词

叶面积指数/山地/遥感反演/DART/随机森林

引用本文复制引用

基金项目

国家自然科学基金(41631180)

国家自然科学基金面上项目(42071352)

国家重点研发计划(2020YFA0608700)

出版年

2023
遥感技术与应用
中国科学院遥感联合中心

遥感技术与应用

CSTPCDCSCD北大核心
影响因子：0.961
ISSN：1004-0323
参考文献量10
段落导航相关论文