科研之友
微信
新浪微博
Facebook
分享链接
摘要
【目的】探索高分(GF)光学、合成孔径雷达(SAR)数据及其联合数据在森林地上生物量(AGB)及其组成部分反演中的可行性。【方法】以云南省昆明市宜良县小哨林区的云南松为研究对象，结合实地调查数据，以GF-1光学数据和GF-3SAR数据作为数据源，提取光学数据常用的植被指数和纹理特征，SAR数据的各极化后向散射系数、纹理特征以及极化分解等参数，利用KNN-FIFS方法分别进行森林AGB及其分量的反演；然后采用留一交叉验证法对反演结果进行精度评价，并在此基础上绘制森林AGB及其分量空间分布图。【结果】联合GF-1和GF-3数据反演森林AGB及其分量的精度最高，R2均超过了0.710,RMSEr的值在22%～27%之间，其中树叶的反演精度最优，模型的R2为0.714,RMSE为10.270 t/hm2,RMSEr为24.58%；除树叶生物量外，森林AGB和其他分量仅采用GF-1提取的特征进行反演时，精度均优于采用GF-3特征的反演结果。【结论】联合GF-1光学数据和GF-3全极化SAR可以实现一定程度的互补，提高森林AGB及其分量的反演精度，此外KNN-FIFS方法在低生物量水平的云南松纯林的AGB及其分量的反演中具有一定的鲁棒性，且KNN-FIFS优选的重要参数多为SAR和光学的纹理特征。
- 单位
