联合光学和合成孔径雷达数据的太平湖森林地上生物量反演研究

作者：周蔚; 吕延杰; 林起楠

来源：西北林学院学报, 2022, 1-12.

• Sentinel-1
• Sentinel-2
• 随机森林回归算法
• 地上生物量
• 植被指数

光学和合成孔径雷达（SAR）多源传感器数据融合对提高森林地上生物量（AGB）提取精度具有重要意义。本研究以太平湖森林为研究对象，以Sentinel-1 SAR数据和Sentinel-2光学数据为数据源，利用随机森林回归算法系统性地评估光学和SAR数据对AGB反演的互补优势和策略选择。采用Sentinel-2光学数据的AGB反演精度（R~(2 )= 0.63，RMSE= 37.05 Mg/ha，sMAPE=0.56）优于采用Sentinel-1 SAR数据的AGB反演精度（R~(2 )= 0.37，RMSE= 52.25 Mg/ha，sMAPE=0.65），联合两者数据的AGB估算精度最高（R~(2 )= 0.69，RMSE= 34.17 Mg/ha，sMAPE=0.55）；基于不同策略构建的AGB估计模型当中，植被指数（如：RVI、NDVI和红边相关的NDVIre）和纹理变量（如：NDVIre＿Mea）的重要性高于光谱波段和后向散射系数。联合Sentinel-1和Sentinel?2数据的光谱波段、植被指数、纹理信息和后向散射系数，能够有效的缓和遥感信息饱和性问题和提高AGB反演精度。

• 单位
  浙江农林大学