基于多源数据的省级树种(组)成数空间分布信息估测方法
”目的”利用能够反映植被季相变化和物候差异的中空间分辨率高重访周期遥感数据以及其他多源数据,提取区域树种(组)成数空间分布信息,间接表达主要树种(组)的空间分布,为大区域树种(组)空间分布制图提供新的方法和思路.”方法”以吉林省为试验区,以 250 m 空间分辨率的 MODIS NDVI 8 天合成时间序列数据和国家森林资源连续清查固定样地数据为主要数据源,综合利用气象观测数据和地形数据,基于梯度最近邻( GNN)方法对省级树种(组)成数进行估测.首先利用典型对应分析( CCA)对特征变量进行特征变换;然后采用 k-NN 方法对树种(组)成数进行分层估测,并对 k-NN 方法中的 k值进行优选,分析 k-NN估测精度随 k值的变化规律;最后基于 9 个县的森林资源二类调查样地和省级一类清查固定样地数据,对树种(组)成数分布图进行精度检验.”结果”对在吉林省分布较广的蒙古栎、白桦、紫椴、春榆、杨树、胡桃楸和长白落叶松 7 个树种(组)成数进行估测,并制作相应的树种(组)成数空间分布图.估测结果表明,树种成数分布与固定样地成数分布呈现出一致的空间分布特征.其中,县级尺度下的 k-NN 预测精度检验结果为:R2 为0. 83,RMSE 为0. 35; 在20 km × 20 km,30 km × 30 km,40 km × 40 km 和50 km × 50 km 4 个尺度下的 k-NN 估测结果显示,各类树种(组)在 40 km × 40 km 和 50 km × 50 km 尺度下的估测结果较优,春榆在各个尺度下的估测精度均较高,其平均 RMSE 为 0. 35,蒙古栎的估测精度相对较低,其平均 RMSE 为 0. 65.在不同尺度下的估测结果表明,随着 k值的增加,RMSE 均呈现先快速减小、后趋于相对平衡的趋势,根据该规律可确定最佳 k值.另外,k-NN 分层估测的估测精度高于 k-NN 直接估测的估测精度,其在不同尺度下的RMSE 相对直接估测的结果均低 0. 1 左右.”结论”本文提出的基于多源数据的森林树种(组)成数空间分布估测方法是一种有效的森林参数估测方法,基于该方法能够获取较高精度的树种(组)成数空间分布图.为了得到最佳的估测效果,需要对 k-NN 方法中的 k值进行优选,该值将随试验区和数据有所不同.另外,采用分层估测的策略可以有效提高最终估测精度.
多源数据、GNN、CCA、k-NN、MODISNDVI、树种成数、制图
52
S757(森林经营学、森林计测学、森林经理学)
高分辨率对地观测系统重大专项民用部分”高分林业遥感应用示范系统”21 -Y30B05 -9001 -13/15 -1
2016-04-14（万方平台首次上网日期，不代表论文的发表时间）
共12页
18-29
