Sentinel-2卫星落叶松林龄信息反演

摘要：

林龄结构信息能够有效反映区域森林群落不同生长阶段的固碳能力,对于评估森林生态系统的健康状况具有重要意义.本研究以中国温带典型优势树种落叶松林为研究对象,分别选择其芽萌动期、展叶期和落叶期时段的Sentinel-2影像,采用多元线性回归(MLR)、随机森林(RF)、支持向量机回归(SVR)、前馈反向传播神经网络(BP)以及多元自适应回归样条(MARS)等5种方法依次构建落叶松林龄反演模型.通过相关性分析首先确定最佳遥感反演物候期,并在此基础上根据相关性差异筛选出5个最优特征变量用于模型反演,分别为冠层含水量(CWC),归一化水体指数(NDWI),叶面积指数(LAI),光合有效辐射吸收率(FAPAR)和植被覆盖度(FVC).研究结果表明,展叶期为落叶松林最佳遥感反演物候期.除植被衰减指数(PSRI)以及落叶期的NDVI、RVI外,落叶松林龄与各指标之间均呈负相关关系,其中与冠层含水量(CWC)的相关性最高,pearson相关系数达到-0.74 (p＜0.01).此外,不同模型反演结果表明,随机森林模型(RF)为最佳落叶松林龄估测模型,其平均决定系数R2和平均均方根误差RMSE分别为0.89和2.91 a;多元线性回归模型(MLR)的林龄估测结果最差,其平均决定系数R2和平均均方根误差RMSE仅为0.57和5.69 a,非线性模型能更好的解释林龄与建模变量之间的关系.

关键词：遥感、Sentinel-2、落叶松、林龄反演、生物物理参数、随机森林

所属期刊栏目：24

资助基金：国家重点研发计划;国家自然科学基金;国家科技重大专项;民用航天技术预先研究项目

在线出版日期：2021-01-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：1511-1524