比较基于偏最小二乘回归的Bootstrap方法与传统的平均残差平方和(RMSq)准则所选变量建立模型的精度差别。结果表明:Bootstrap方法是一种更优秀的变量筛选方法,比RMSq方法精度提高约5%;而且它不受变量多带来的运算困难的限制,更便于实际应用。

以黑龙江省长白山地区遥感影像和122块森林资源连续清查固定样地数据为基础,选择包括各波段灰度值、不同波段灰度值之间的线性和非线性组合、纹理信息以及环境因子在内的171个自变量,分别采用无郁闭度变量常规回归生物量模型、有郁闭度变量常规回归生物量模型和郁闭度联立方程组模型,估算黑龙江省长白山森林生物量,并进行精度评价。结果表明:3种模型中郁闭度联立方程组模型为最优模型,精度最高为83.1%,与其他2个模型相比精度提高6%～7%。本研究可为遥感估算森林生物量提供一种新思路。

对TM遥感图像各原始及常用比值波段的信息量大小、相互间存在的多重相关性及其对郁闭度估测造成的不利影响进行分析研究。针对特定监测区域,对设置的遥感比值波段,采用平均残差平方和准则进行筛选,最终确定对郁闭度估测有一定影响的遥感波段,并形成可操作的软件系统。

在光谱等传统特征的基础上,结合遥感图像的纹理特征估测郁闭度:首先基于面向地块的方法计算图像的灰度共生矩阵纹理特征,然后用主成分方法分析相关性并降维,最后将图像纹理特征和光谱地形等特征一起作为自变量引入到郁闭度估测的逐步回归模型中。结果表明:结合图像纹理特征的方法比传统的只基于光谱或地形特征的方法在估测精度上有较大提高,判别系数R珔2从0.737提高到0.805,估测精度从81.03%提高到84.32%。

[目的]探索高分一号卫星影像在新疆落叶松林林分郁闭度估测中的应用潜力,为高分一号卫星影像用于林分郁闭度定量估测提供技术方法。[方法]以新疆布尔津林场为研究区,以阿尔泰山西段新疆落叶松林为试验对象,基于高分一号PMS多光谱影像和DEM数据,利用遥感和GIS技术,采用多元逐步回归和BP神经网络2种方法对新疆落叶松林分郁闭度进行估测。[结果]从模型验证结果可以看出,BP神经网络模型(决定系数R~2=0.713,均方根误差RMSE=0.082,相对均方根误差rRMSE=0.175,估测精度EA=82.401%)对新疆落叶松林林分郁闭度的估测要明显优于多元逐步回归模型(R~2=0.692,RMSE=0.085,rRMSE=0.182,EA=81.680%),且BP神经网络模型建模时R~2=0.714,与其精度验证时的R~2=0.713非常接近,说明模型的稳定性良好。[结论]2种模型的估测精度均高于80%,这说明高分一号PMS数据在新疆落叶松林林分郁闭度估测方面具有一定的潜力。

森林郁闭度作为林业综合评价的一个重要指标,对评价和监测森林生态系统的稳定性具有十分重要的意义。本研究通过提取GF-2号遥感影像的光谱信息、纹理特征因子和地形因子,结合地面样方的实测郁闭度数据,为了筛选出对郁闭度反演影响较大的因子和构建反演精度较高的估测模型,首先对各个因子与郁闭度之间的相关性进行分析,剔除相关性较低的因子;其次对各个纹理特征因子之间进行相关性分析,利用主成分法对各个波段的纹理特征因子进行分析,最终筛选出合理的纹理特征因子与影像的光谱信息、地形因子等特征,并以此作为自变量构建郁闭度估测的逐步回归模型。研究表明:以纹理特征+光谱信息+地形因子为自变量构建的估测模型拟合度为0.823,经精度检验EA%达到89.82%。总体来看,该模型基本上满足了郁闭度反演的需要,为新疆天山云杉森林生态系统的评估和实现精准数字林业提供理论依据和技术支撑。

以三峡库区为例,利用森林资源一类清查数据和TM遥感影像为基础数据,分析了遥感因子和地形因子与森林郁闭度的定量关系,在此基础上,利用逐步回归、最小二乘回归、主分量回归和偏最小二乘回归构建了郁闭度定量估测模型。结果表明,TM1、TM2、TM3、TM5、TM7、TM7/3、TM4*TM3/TM7、亮度和湿度9个因子与森林郁闭度具有极显著相关,可以作为建模的自变量;所建4种森林郁闭度估测模型的各项统计指标差异不显著,但检验结果反映最小二乘回归模型效果略差;从参数可解释性和模型实用性角度考虑,主分量回归和偏最小二乘回归方法具有普遍的推广意义。本研究为今后森林郁闭度定量估测提供了一定的理论依据,也为其它基...

基于森林一类调查数据和相应的遥感影像数据,比较了基于变量投影重要性(VIP)准则与Bootstrap准则所选变量对模型预报精度的影响;利用基于VIP准则所选变量构建偏最小二乘回归模型,并估测了黑龙江省北部塔河地区森林郁闭度情况。结果表明:利用VIP准则所选变量都能通过Bootstrap非参数检验(α=0.05);利用这些最优变量建立的偏最小二乘回归模型取得了不低于全模型和Bootstrap模型的精度,前者的相对均方误差分别是后两者的99.2%和99.6%,并且提高了样地或像素水平的估测精度和效率。

【目的】郁闭度是森林资源调查的一个重要因子,它不仅可以反映森林冠层的郁闭程度和树木利用空间的程度,并且能够指示林分密度。遥感为区域和全球尺度精确估测郁闭度提供了前所未有的契机,使得大面积郁闭度监测制图成为可能。本文旨在利用资源三号卫星影像数据结合模型对区域尺度上落叶松林进行郁闭度估测。【方法】以黑龙江省佳木斯市桦南县孟家岗林场落叶松人工林为研究对象,首先采用像元二分模型对植被覆盖度进行估算,通过探寻植被覆盖度与郁闭度的关系,对像元二分模型进行改进,通过计算不同累积频率归一化植被指数(NDVI)的值作为模型参数,对比不同参数取值时模型拟合效果得到最优模型,并利用模型估测郁闭度。【结果】拟合结果表明,2%累积频率下模型拟合效果最好,模型R~2为0.838,RMSE为0.045,最后利用该模型得出孟家岗林场落叶松人工林郁闭度分布图。【结论】利用改进的像元二分模型可以较为准确地估测郁闭度。本研究对探索我国北方落叶松人工林郁闭度遥感估测提供了更有效的途径,同时也为森林资源和参数的调查提供一定的参考依据。

【目的】旨在评估星载光子计数雷达数据估测森林郁闭度（Forest Canopy Closure,FCC）的潜力，为优化森林管理规划提出一种高效率、低成本估测区域尺度FCC的新技术方法。【方法】研究以星载激光雷达ICESat-2/ATLAS光子点云数据为信息源，以滇西北生态脆弱区香格里拉为研究区，结合54块地面实测样地数据，在前期对点云数据进行去噪、分类等预处理的基础上，对研究区74 808个有林地光斑冠层参数进行提取（共计59个），使用支持向量机的递归特征消除算法（SVM-RFE）优选特征变量，采用普通克里格（OK）插值出区域尺度特征变量的空间分布，基于贝叶斯优化（BO）算法改进后的随机森林（RF）、K-最近邻值法（KNN）、梯度回归（GBRT）模型建模，以决定系数（R~2）、均方根误差（RMSE）、总体预测精度（P）、残差平方和（R_(SS)）和相对均方根误差（R_(RMSE)）作为模型评价指标，以此构建研究区FCC估测模型。【结果】1）由ICESat-2/ATLAS提取的光斑冠层参数经SVM-RFE优选后，6个（asr、n＿toc＿photons、n＿ca＿photons、h＿min＿canopy、toc＿roughness、photon＿rate＿can）冠层参数的平均交叉验证精度高为0.60，可作为OK插值变量；2）以优选的冠层参数作为OK插值变量拟合最佳半方差函数，所有变量的块金效应（SR <25%）较弱，具有强烈的空间自相关性，除asr变量的最佳拟合模型为球状模型（R~2=0.689,R_(SS)=2.05×10~(-6),R_(RMSE)=0.160 2）外，其余5个变量的最佳拟合模型均为指数模型（R~2,0.71～0.93;R_(SS),2.34×10~(-9)～1.54×10~(-4);R_(RMSE),0.023 9～0.188 6）;3）在BO-RF、BO-GBRT、BO-KNN郁闭度估测模型中，以BO-RF模型综合建模精度最高（R~2=0.73,RMSE=0.09、P=80.13%），可作为研究区FCC遥感估测模型；4）使用BO-RF模型估测的研究区FCC进行空间制图，均值为0.53，主要分布在0.3～0.6之间，占比77.44%。FCC高值区域总体呈现出由东南向北延伸分布的趋势，与研究区森林资源分布情况基本一致。【结论】该方法可为优化森林资源管理提供一种技术与方法上的参考。

【目的】由于毛竹Phyllostachys edulis的生长特点和经营特点，使得毛竹林郁闭度在毛竹林经营中尤为重要，只有保持适宜毛竹生长的郁闭度，才能提高毛竹生产力。研究无人机可见光影像的毛竹林郁闭度估测方法，可实现实时快速获取毛竹林的郁闭度。【方法】以普通旋翼无人机可见光毛竹林影像为研究对象，基于像元的阈值分类、像元的监督分类、多尺度分割的阈值分类、多尺度分割的监督分类等4种方法，选取不同钩梢和郁闭度的样地36个，利用现有软件和MATLAB编程，对各样地的毛竹林竹冠区域进行快速提取，进而估算林分郁闭度，对比目视解译的郁闭度真值计算各方法的估算精度，利用单因素方差分析比较4种方法在不同钩梢和不同郁闭度下估算郁闭度的表现。【结果】基于像元的阈值分类、基于像元的监督分类、基于多尺度分割的阈值分类、基于多尺度分割的监督分类等4种方法的郁闭度估算总体精度依次为91.81%、92.96%、93.47%、98.86%，郁闭度估测值绝对误差依次为0.038、0.030、0.024、0.004。钩梢和郁闭度等对提取结果没有显著影响。【结论】基于多尺度分割的监督分类方法总体精度最高，估算绝对误差最小，能够满足快速、准确提取并估测毛竹林林分郁闭度的要求，且适用于不同经营类型的毛竹林。图2表6参28

该文探讨和评价了利用星载EO-1 Hyperion高光谱遥感数据定量估测森林郁闭度的能力.高光谱数据光谱特征空间降维采用两种方式,一种是光谱特征选择的波段选择法(BS),另一种是光谱特征提取的主成分变换法(PCA).从森林资源变化图上获取200个样点的实测郁闭度值,130个用于建模,70个用于验证.对应图像的取值采用单像元值(NP)和3×3窗口的平均值(W33)两种方法.两种光谱特征降维方式和两种图像取值方法构成4种估测模型(BS-NP、BS--W33、PCA-NP和PCA-W33).分析过程为:①对图像进行预处理,选出质量好的波段;②采用逐步回归技术提取与郁闭度相关性高的波段或变量;③建立多...

在对监测区域样地进行合理分类的基础上,需抽取一定数量能代表监测区域森林资源分布状况的最优样地,根据所抽样地对应影响郁闭度估测的主要遥感和GIS因子,可建立以样地为单位的郁闭度估测方程.最优样地是指能代表监测区域森林种类及分布状况的样地,它包含样地的数量及样地的代表性两个方面的含义.如何抽取最优样地属多目标优化问题.该文在理论描述特定监测区域最优样地数学模型的基础上,通过实例进行了系统研究与分析,有效解决了最优样地的抽样问题,所得结果可用于指导生产实践.

本文根据最小二乘估计 (LS)及岭估计 (R)原理 ,利用平均残差平方和准则 ,从样地对应的RS和GIS信息中 ,用计算机仿真方法筛选出影响郁闭度估测的主要信息。在分析LS估计存在缺陷的基础上 ,提出采用岭估计建立郁闭度估测方程。实例分析表明 ,当在影响郁闭度估测的变量间存在复共线性时 ,岭估计比LS估计具有较高的预报精度 ,可以满足生产的需要。