基于国产高分数据的森林蓄积量反演研究

肖 越,许晓东,龙江平,林 辉

(1.中南林业科技大学 林业遥感信息工程研究中心,长沙 410004；2.林业遥感大数据与生态安全湖南省重点实验室,长沙 410004；3.南方森林资源经营与监测国家林业与草原局重点实验室,长沙 410004)

传统的森林蓄积量估测主要以抽样调查为主,耗时费力,对森林生态环境有一定的破坏[1]。遥感技术的发展及其多时间分辨率和多空间分辨率的优点,改变了传统森林资源调查的方式,实现了对森林蓄积量连续性、大范围的动态监测[2-4]。目前,国内外学者运用遥感技术对森林蓄积量进行反演做了大量研究,按照数据源的不同主要分为三类:一是光学遥感数据(SPOT系列,LANDSAT系列,MODIS及国产高分卫星等)[5-7]；二是机载激光雷达数据[8-9；三是合成孔径雷达数据(ALOS-PALSAR、Radarsat-2等)[10-12]。受制于机载激光雷达和合成孔径雷达的数据获取能力及覆盖不连续等问题,目前基于高空间分辨率的光学影像实现森林蓄积量的遥感反演更具有潜力和推广意义。

随着遥感技术和机器学习算法的飞速发展,森林蓄积量反演模型也从传统的单变量、多变量的线性模型演变为以KNN、随机森林、神经网络等为代表的机器学习模型[13-15]。在森林蓄积量的估测过程中,建立合适的函数模型决定了估计精度[16]。因此,机器学习算法应用于反演模型中的研究不仅对森林蓄积量估测有着重大意义,对于森林资源动态监测也有着重大影响。王海宾等[17]应用高分一号影像,构建偏最小二乘模型和KNN模型对北京市延庆区的森林蓄积量进行估测,结果表明基于KNN法建立的蓄积估测模型要好于偏最小二乘模型；……