基于Landsat 8新邵县森林碳密度遥感反演研究

作者：吴炳伦; 石军南^*; 胡觉; 梅浩

来源：中南林业科技大学学报, 2019, 39(11): 42-47.

DOI：10.14067/j.cnki.1673-923x.2019.11.007

• 森林碳密度
• 非线性回归
• 随机森林
• RBF
• 估计

准确估算森林碳密度是研究森林生态系统的核心。基于Matlab工作平台,以森林资源连续清查(湖南省第七次复查)及同期Landsat 8影像为本底,建立非线性回归模型、RF随机森林模型和RBF径向基神经网络模型进行森林碳密度反演。结果表明:RBF神经网络精度最高,决定系数为0.96,均方根误差为1.33 t·hm-2,很好的拟合了样地实测碳密度;RF随机森林优于非线性回归模型,拟合精度、均方根误差分别为0.91、2.50 t·hm-2;非线性回归模型精度最低,决定系数和均方根误差分别为:0.62、3.87 t·hm-2。故应用RBF神经网络对森林碳密度的反演具有很好的效果。

• 单位
  中南林业科技大学; 中南林业调查规划设计院