基于Landsat 8−OLI的高山松叶面积指数采样尺度优化分析
以Landsat 8?OLI影像数据为主要信息源,结合香格里拉32块半径15 m的圆形高山松实测样地数据,对全色波段和多光谱融合后的影像进行不同尺度重采样,依据不同尺度样地光谱特征变异分析结果构建4种不同尺度采样下高山松林LAI的支持向量机回归(SVR)模型,探究不同采样尺度对高山松LAI遥感估测精度的影响.结果表明:当样地的观测尺度从15 m增加至60 m时,LAI与遥感变量的相关性随观测尺度的增大而减小.估测模型决定系数为0.400~0.554;预测均方根误差为0.318~0.377;预测精度为83.51%~86.10%.当采样大小为15 m时估测精度最高,R2和交叉验证精度最大,分别为0.554、86.10%.本研究可为森林LAI遥感估测中的采样大小选择提供有利参考.
叶面积指数;观测尺度;支持向量机回归;高山松
41
S771.8(森林工程、林业机械)
国家自然科学基金项目;2020年云南省教育厅科学研究基金项目
2021-09-26(万方平台首次上网日期,不代表论文的发表时间)
共7页
114-120