南京林业大学学报(自然科学版)

作者：高佳乐,蒋馥根,龙依,陈帅,孙华

单位：中南林业科技大学林业遥感信息工程研究中心,林业遥感大数据与生态安全湖南省重点实验室,南方森林资源经营与监测国家林业和草原局重点实验室,湖南 长沙 410004

关键词：森林蓄积量,遥感反演,联合数据源,地形校正,坡度分级

基金：国家重点研发计划(2023YFD2201703),国家自然科学基金项目(32471861),国家自然科学基金项目(31971578),湖南省科技创新计划(2023RC1065),湖南省自然科学基金项目(2022JJ30078)

【目的】通过构建多源遥感数据集并考虑不同坡度分级的地形校正对于估测的影响,以提升森林蓄积量反演精度,为地形复杂区域的森林蓄积量遥感估算提供参考。【方法】基于Sentinel-2和GF-6遥感影像,结合旺业甸林场野外实测数据,构建多个传统非参数模型和集成学习模型对内蒙古赤峰旺业甸林场森林蓄积量进行反演。为降低地形波动对反演的影响,分别利用Teillet、VECA和SCS+C方法通过坡度分级对影像进行地形校正以提高森林蓄积量反演精度。利用Boruta法和SRF法对不同数据源特征变量进行筛选。【结果】集成学习算法的估测效果整体优于传统非参数模型,其中随机森林模型在所有模型中表现最佳。与单一数据源构建的随机森林模型相比,联合Sentinel-2和GF-6数据源后森林蓄积量反演效果有所提升,基于Boruta法的联合数据源较单一Sentinet和GF-6数据源模型均方根误差(RMSE)分别降低了7.41%和9.61%。经过基于坡度分级的地形校正后,模型RMSE降低了18.48%,森林蓄积量空间分布与旺业甸林场实际情况一致性较高。【结论】以Sentinel-2和GF-6为数据源,构建的集成学习算法可更有效地对森林蓄积量进行估测,基于坡度分级的地形校正有效提高了森林蓄积量估测精度。

来源：2025年第6期

《南京林业大学学报(自然科学版)》期刊编辑部

查看南京林业大学学报(自然科学版)杂志2025年第6期