文章摘要
刘关琴,施凯泽,万玉洁,胥 辉.金沙江流域中段森林地上生物量光学遥感估测及饱和点分析[J].林业调查规划,2022,(2):1-9
金沙江流域中段森林地上生物量光学遥感估测及饱和点分析
Optical Remote Sensing Estimation and Saturation Point Analysis of Forest Above-ground Biomass in the Middle of the Jinsha River
  
DOI:
中文关键词: 森林地上生物量  光学遥感估测  生物量光饱和值  逐步线性回归  KNN  金沙江流域中段
英文关键词: above-ground biomass  optical remote sensing estimation  biomass light saturation value  stepwise linear regression  KNN  middle section of the Jinsha River
基金项目:国家自然科学基金项目(31760206,31770677,31660202);云南省王广兴专家工作站( 2018IC100);云南省万人计划青年拔尖人才专项(YNWR-QNBJ-2018-184).
作者单位
刘关琴 西南林业大学 西南地区生物多样性保育国家林业局重点实验室云南 昆明 650224 
施凯泽 云南省林业调查规划院云南 昆明 650051 
万玉洁 西南林业大学 西南地区生物多样性保育国家林业局重点实验室云南 昆明 650224 
胥 辉 西南林业大学 西南地区生物多样性保育国家林业局重点实验室云南 昆明 650224 
摘要点击次数: 13
全文下载次数: 16
中文摘要:
      以云南省金沙江流域中段为研究对象,基于森林资源二类调查数据和同时期的Landsat 8 OLI遥感数据,采用半变异函数的球状模型计算5类优势树种或树种组的光学遥感估测的光饱和值,采用多元逐步线性回归模型和KNN模型对不同优势树种或树种组的森林地上生物量进行估测。结果表明,不同优势树种或树种组的森林地上生物量光学遥感估测的光饱和值为:其他针叶林(160.201 t/hm2)>高山松林(127.938 t/hm2)>常绿栎类(101.220 t/hm2)>云南松林(98.870 t/hm2)>其他阔叶林(88.432 t/hm2);KNN模型的拟合精度明显优于多元逐步线性回归模型。
英文摘要:
      Taking the middle section of the Jinsha River basin in Yunnan Province as the research object, based on forest inventory for planning and design data and Landsat 8 OLI remote sensing data of the same period, the spherical model with semi-variance function was used to calculate the light saturation values of the optical remote sensing estimation of the five dominant tree species or tree species groups, and the above-ground forest biomass of different dominant tree species or tree species groups were estimated by multiple stepwise linear regression model and KNN model. The results showed that the optical remote sensing estimated light saturation values of above-ground forest biomass were: other coniferous forest (160.201 t/hm2)>Pinus densata forest(127.938 t/hm2)>evergreen oak forest (101.220 t/hm2)>Pinus yunnanensis forest (98.870 t/hm2)>other broad-leaved forest (88.432 t/hm2); the fitting accuracy of the KNN model was significantly better than that of the multiple stepwise linear regression model.
查看全文   查看/发表评论  下载PDF阅读器
关闭