期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
结合改进模拟连续变化检测与分类算法的桉树年龄和蓄积量遥感估测
1
作者 段彩红 林辉 +5 位作者 龙江平 杨培松 叶子林 张廷琛 李洵微 朱立新 《林业科学》 2025年第4期46-55,共10页
【目的】通过改进检测算法获取准确年龄变量,在此基础上提升桉树蓄积量遥感估测精度,缓和桉树蓄积量饱和效应问题。【方法】以多时相Landsat-8和Sentinel-2为数据源,分析桉树的时间序列生长曲线,融合线性插值和动态识别方法,采用模拟连... 【目的】通过改进检测算法获取准确年龄变量,在此基础上提升桉树蓄积量遥感估测精度,缓和桉树蓄积量饱和效应问题。【方法】以多时相Landsat-8和Sentinel-2为数据源,分析桉树的时间序列生长曲线,融合线性插值和动态识别方法,采用模拟连续变化检测与分类(CCDC)算法识别采伐点,结合普通最小二乘法和斜率截距显著变化分析采伐点并推算桉树年龄。在此基础上,基于遥感特征和桉树年龄构建变量集1(由波段值、植被指数和纹理特征构成)和变量集2(由变量集1和年龄构成),采用多元线性回归(MLR)、k最邻近(KNN)、随机森林(RF)和支持向量机(SVR)4种模型估测桉树蓄积量。【结果】模拟CCDC算法对100个样本的识别准确率达82%,年龄与蓄积量之间的距离相关系数为0.71,远高于其他遥感变量。桉树蓄积量估测结果表明:变量集1的R^(2)为0.40,RMSE为41.11 m^(3)·hm^(−2),rRMSE为34%;变量集2的R^(2)为0.83,RMSE为22.08 m^(3)·hm^(−2),rRMSE为18%。变量集1中,模型计算结果较弱,R^(2)较低,RMSE和rRMSE较高;引入年龄的变量集2,模型计算结果显著提升,特别是SVR模型中,R^(2)升至0.83,RMSE和rRMSE明显下降,年龄变量的引入可提高桉树蓄积量模型估测精度。【结论】改进的模拟CCDC算法提高了年龄变量的准确性,且年龄与蓄积量呈现显著相关性。年龄变量的引入显著提升了模型性能,估测精度提高16个百分点。 展开更多
关键词 林业遥感 变化检测 蓄积量 年龄 桉树
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部