林业论文_联合LiDAR和多光谱数据森林地上生物 - 遥感学报杂志社投稿_期刊论文发表|版面费|电话|编辑部|论文发表- 遥感学报

来稿应自觉遵守国家有关著作权法律法规，不得侵犯他人版权或其他权利，如果出现问题作者文责自负，而且本刊将依法追究侵权行为给本刊造成的损失责任。本刊对录用稿有修改、删节权。经本刊通知进行修改的稿件或被采用的稿件，作者必须保证本刊的独立发表权。一、投稿方式： 1、请从我刊官网直接投稿。 2、请从我编辑部编辑的推广链接进入我刊投审稿系统进行投稿。二、稿件著作权： 1、投稿人保证其向我刊所投之作品是其本人或与他人合作创作之成果，或对所投作品拥有合法的著作权，无第三人对其作品提出可成立之权利主张。 2、投稿人保证向我刊所投之稿件，尚未在任何媒体上发表。 3、投稿人保证其作品不含有违反宪法、法律及损害社会公共利益之内容。 4、投稿人向我刊所投之作品不得同时向第三方投送，即不允许一稿多投。 5、投稿人授予我刊享有作品专有使用权的方式包括但不限于：通过网络向公众传播、复制、摘编、表演、播放、展览、发行、摄制电影、电视、录像制品、录制录音制品、制作数字化制品、改编、翻译、注释、编辑，以及出版、许可其他媒体、网站及单位转载、摘编、播放、录制、翻译、注释、编辑、改编、摄制。 6、第5条所述之网络是指通过我刊官网。 7、投稿人委托我刊声明，未经我方许可，任何网站、媒体、组织不得转载、摘编其作品。

林业论文_联合LiDAR和多光谱数据森林地上生物

作者:

关键词:

摘要：

文章摘要:【目的】森林地上生物量的准确估测对于实时掌握全球碳储量变化及对应气候变化有着重要的意义。组合多种遥感数据特征优选，分类建模反演森林地上生物量，是提高森林地上生物量精度的有效方式。【方法】以根河市大兴安岭生态观测站寒温带天然林为研究对象，以机载激光雷达（LiDAR）、Landsat8 OLI两种遥感数据源结合55块地面调查数据。采用偏最小二乘算法优化筛选变量，再以线性多元逐步回归和快速迭代特征选择的最近邻算法（KNN-FIFS）构建模型，在两种数据源的不同组合方式下进行森林地上生物量反演。【结果】①基于线性多元逐步回归模型下的单一LiDAR数据反演精度为决定系数R²值为 0.76，均方根误差RMSE值为 21.78 t/hm²；单一Landsat8 OLI数据的反演精度R²值为 0.24，RMSE值为39.27 t/hm²；LiDAR&Landsat8 OLI联合反演精度R² 值为 0.84，RMSE值为18.16 t/hm²；②基于KNN-FIFS模型下的单一LiDAR数据反演精度为R²值为 0.74，RMSE值为23.83 t/hm²；单一Landsat8 OLI数据的反演精度R²值为0.60，RMSE值为 29.63 t/hm²；LiDAR&Landsat8 OLI联合反演精度R²值为0.80，RMSE值为21.15 t/hm²；【结论】①特征优选支持下的3种组合方式中，LiDAR和Landsat8 OLI两种数据的组合在两种模型中反演精度均最高，其中线性多元逐步回归模型的反演精度为本文最高，R²值为 0.84，RMSE值为18.16 t/hm²。说明：LiDAR和Landsat8 OLI数据组合，激光雷达与光学数据优势特征互补，协同反演可有效提高森林地上生物量的反演精度；②单一数据源反演森林地上生物量精度中，LiDAR数据比Landsat8 OLI数据在两种模型反演精度中均较高，这与LiDAR数据空间分辨高、可获得垂直结构特征参数有关。

文章关键词:

项目基金:《遥感学报》网址: http://www.ygxbzz.cn/qikandaodu/2021/1209/965.html