联合GF-6和Sentinel-2红边波段的森林地上生物量反演

光谱反射率能反映地物差异,是森林地上生物量（Aboveground Biomass,AGB）遥感反演的理论基础。红边波段处于近红外与红光波段交界处快速变化的区域,能对植被冠层结构和叶绿素含量的微小变化做出快速反应,对植被生长状况较敏感。研究以GF-6和Sentinel-2多光谱影像作为数据源,结合野外调查AGB数据,构建落叶松和樟子松AGB线性和非线性估测模型,通过比较模型精度选择最优模型进行森林AGB反演和空间分布制图。结果表明：GF-6和Sentinel-2影像红边波段反射率与落叶松、樟子松AGB均呈显著相关（P<0.05）,红边波段对AGB估测较敏感。多变量估测模型整体估测效果优于单变量模型,所有模型中多元线性回归模型取得了最优的决定系数（落叶松R²=0.66,樟子松R²=0.65）和最低的均方根误差（落叶松RMSE=31.45 t/hm²,樟子松RMSE=54.77 t/hm²）。相比单个数据源,联合GF-6和Sentinel-2影像构建的多元线性回归模型估测效果得到了显著提升,模型RMSE对于落叶松和樟子松AGB估测分别最大降低了22.9%和11.2%。增加红边波段进行AGB估测能显著提高模型估测精度,三组数据源分别加入红边波段信息后进行建模,模型RMSE得到了显著降低。GF-6拥有800 km观测幅宽和高效的重访周期,可以快速地提供大尺度时间序列数据,在森林地上生物量反演和动态监测方面有着很大潜力。     

基于多尺度标记优化分水岭方法的油茶冠幅提取

针对尺度对地物空间结构的限制以及传统分水岭分割易产生树冠过分割等问题,选择长沙县明月村油茶基地为研究区,提出一种基于多尺度标记优化分水岭分割油茶树冠的方法。首先使用高分辨率无人机影像采集图像,分析影像特征,构建油茶分类体系,提取油茶林分布区域。其次,运用多尺度区域迭代增长方法提取树冠标记,将标记应用于多阈值尺度的分水岭变换,并结合Johnson指数选取树冠标记增长和分水岭阈值的最优尺度,实现油茶单木的准确识别。结果表明:多尺度标记优化分水岭方法在分离油茶单木时,树冠面积提取值与目视解译参考值的相对误差为9.4%;单木总体识别精度为89.4%,相对于传统的分水岭分割方法精度提高了34.8%;通过Johnson指数确定的最优迭代增长尺度为20,分水岭分割阈值尺度为85,对比不同尺度组合下的油茶冠幅提取结果,最优尺度下的油茶冠幅提取精度最高(R²=0.75)。多尺度标记优化分水岭方法能较准确地分离油茶树冠,将该方法应用于无人机影像树冠分割,可有效提高经济林调查的效率。     

西藏自治区草地地上生物量遥感反演研究

草地地上生物量（Aboveground Biomass,AGB）是反映草地生态系统功能和质量的关键指标,大尺度地准确估算草地AGB对草地生态系统经营管理至关重要。研究以MODIS影像为数据源,提取反射率、植被指数和植被产品三种不同类型的特征变量,结合野外实测样地草地AGB数据,构建以多元线性逐步回归为代表的参数模型以及随机森林、支持向量机和kNN等非参数模型进行西藏自治区草地AGB估测及空间分布制图。结果表明：（1）多元线性逐步回归、随机森林、支持向量机和kNN模型在加入植被产品特征变量后,RMSE分别降低了15.8%、13.5%、4.1%和17.3%,表明植被产品作为建模变量用于草地AGB估测可有效提高模型精度;（2）三种组合变量构建的草地AGB估测模型中,反射率、植被指数、植被产品组合构建的模型效果最佳,其中kNN模型估测精度最高,R²达到0.60,RMSE和MAE分别为0.43、0.34 t/hm²;（3）草地AGB空间分布呈现出西北地区较低、中部地区较高且分布形态较破碎和东部地区较高的变化特征;（4）利用MODIS植被产品结合kNN模型的预测值与草地实测的AGB空间分布趋势基本一致。综上,MODIS植被产品结合kNN模型可作为大尺度区域草地AGB遥感估测的有效参考。     

基于带宽优选地理加权回归模型的深圳市植被碳储量反演

植被碳储量估测是自然资源监测的重要内容,遥感技术结合地面样地进行反演可以获得区域范围内植被碳储量的空间连续分布,弥补了传统人工抽样调查估测的不足。然而,现有的参数和非参数遥感估测模型大多忽略了样地数据的变异与空间自相关关系。研究以Landsat 8 OLI影像为数据源提取遥感变量,结合植被碳储量实测调查数据,利用最小信息准则(AICc)、最大空间自相关距离(MSAD)和交叉验证(CV)分别确定最优带宽,组合Gaussian、Bi-square和Exponential核函数构建地理加权回归(GWR)模型估算深圳市植被碳储量,并与多元线性回归(MLR)进行比较,选择最优模型绘制深圳市植被碳储量空间分布图。研究结果表明,GWR模型整体精度优于MLR模型,GWR模型的决定系数(R~2)均高于MLR模型,且均方根误差(RMSE)和平均绝对误差(MAE)显著降低。带宽和核函数的选择对GWR模型估测结果产生了显著影响。以CV确定带宽、Exponential为核函数组合构建的GWR模型效果最佳,其R~2为0.697,RMSE为10.437 Mg C/hm~2,相比其它模型精度上升了13.87%—32....