基于多源遥感图像的森林生物质的逆转

科学领域:

• 生态生态学 生态生态学
• 遥感 遥感 遥感 遥感
• 林业林业 林业 林业 林业

背景情况:

• 生态森林是关键的陆地生态系统和重要的碳汇,在全球碳循环中发挥着关键作用.
• 整合光学和雷达遥感数据为森林参数提取和生物质估计提供了有前途的应用.

研究的目的:

• 利用来自宁省自然保护区的树木和地形数据分析森林生物质.
• 为了比较线性,BP神经网络和PSO神经网络模型对生物质逆转的有效性.
• 为了确定最优的模型,准确的森林生物质估计.

主要方法:

• 收集了来自宁省自然保护区的354个地块的树木和地形数据.
• 使用Landsat 8 OLI和Sentinel-1A雷达数据提取了遥感参数.
• 采用皮尔森相关性分析来识别显著因素,其次是线性,BP神经网络和粒子群优化 (PSO) 神经网络建模用于生物质模拟.

主要成果:

• 确定了44个与森林生物质相关的因素 (p < 0.05),其中21个显示出显著的相关性 (p < 0.01).
• 用PSO改进的神经网络模型表现出卓越的性能,实现了最高的确定系数 (0.7657).
• 证实了实际森林生物质和遥感数据之间的非线性关系.

结论:

• 与传统的BP神经网络相比,PSO改进的神经网络模型为森林生物质逆转提供了更高的准确性和速度.
• 这种方法有效地解决了传统模型在捕捉复杂,非线性关系方面的局限性.
• 该研究强调了公用事业任务增强模型在森林生物质估计中的广泛应用前景.