摘要
森林地上生物量(Above Ground Biomass,AGB)是衡量森林生态系统生产能力的重要参考指标,也是研究地表碳循环和碳平衡的重要组成部分.立足国内高分三号(GF-3)SAR数据,探索不同类型反演模型的适宜性,以提高森林地上生物量的反演精度有着重要意义.以云南省昆明市宜良县花园林场小哨林区西南地区典型针叶林为研究对象,以GF-3 SAR数据为数据源,结合地面样地调查数据将GF-3 SAR数据的4个通道极化后向散射系数和极化分解特征作为森林地上生物量的建模因子;使用参数模型中的多元线性逐步回归(Multivariable Linear Stepwise Regression,MLSR)算法及非参数模型中的K最近邻(K-Nearest Neighbor Method,K-NN)、支持向量回归(Support Vector Regression,SVR)和随机森林(Random Forest,RF)共4种算法,对该研究区域森林AGB进行了反演;并采用皮尔逊相关系数(R2)、均方根误差(RMSE)及总精度(Acc.)3个指标对4种模型的反演结果精度进行了分析.得出结果:多元线性逐步回归模型反演结果的R2为0.37、RMSE 为 20.70 t/hm2、总精度 Acc.为 61.85％;K-NN 模型R2为 0.34、RMSE 为 20.29 t/hm2、总精度Acc.为 62.60％;SVR 模型 R2 为 0.33、RMSE 为 20.95 t/hm2、总精度 Acc.为 61.39％;RF 模型 R2 为0.35、RMSE为20.40t/hm2、总精度Acc.为62.40％.通过对比分析形成以下结论:①4种模型中MLSR算法精度相对最高,较适宜于本研究区以云南松为优势树种的针叶林森林AGB反演;②非参数模型中RF算法反演精度略高,但略低于MLSR算法的精度指标;4种模型估测精度总体上偏低,可能与研究区域地形起伏造成的阴影叠掩及抽样调查的样地数据在异质性和代表性上表现欠佳有关.
基金项目
高分辨率对地观测系统重大专项(21-Y20B01-9001-19/22-1)
国家自然科学基金(32160365)
国家自然科学基金(42161059)
国家自然科学基金(31860240)
云南省农业基础研究联合专项面上项目(202301BD070001-058)
云南省万人计划青年拔尖人才项目(80201444)
维普
万方数据