采用双极化SAR影像解译北方人工针叶林蓄积量响应

来源:中文会议(科协)
中文摘要

[目的]合成孔径雷达具有很强的穿透性和不受天气影响的特点,在森林蓄积量制图中具有很大的优势。然而,在结构复杂的森林生态系统中,双极化SAR数据的散射信息难以得到明确的解译。为了探索不同波长和极化模式下的双极化SAR数据在森林中的散射机理。[方法]研究以内蒙古旺业甸林场为研究区,3 月份的 C波段的GF-3、Sentinel-1 和L波段的ALOS2 双极化SAR数据为遥感数据源,结合少量地面调查数据,分析了GF-3、Sentinel-1 和ALOS2 数据在油松和落叶松中的后向散射能量变化。提取了双极化SAR数据的后向散射系数、衍生特征和纹理特征,并分析了特征对油松和落叶松的蓄积量的敏感性。同时根据Person相关系数对特征进行排序,采用前向特征筛选方法获得最佳特征集,并且构建了 3 种机器学习算法(RF、KNN和SVR)和多元线性回归模型对油松和落叶松的蓄积量进行估测。[结果]1)在油松林分中,ALOS2 的后向散射能量高于GF-3 和Sentinel-1,而Sentinel-1 的后向散射能量高于GF-3;在落叶松中,ALOS2 和Sentinel-1 的散射能量相似且高于GF-3,同极化的后向散射能量高于交叉极化。2)单一数据源中,ALOS2 估算油松蓄积量的精度最高,rRMSE为 29.33%~33.07%,R2为0.44~0.56,Sentinel-1 对落叶松蓄积量的估计精度最高,rRMSE为 24.47%~28.49%,R2为 0.35~0.5 2.3)与GF-3 估测蓄积量精度比较,联合SAR估测油松蓄积量的平均rRMSE分别降低了 3.68%、4.3 9%和 7.01%,估测落叶松的平均rRMSE分别降低了 2.32%、3.08%和 3.82%。与Sentinel-1 估测蓄积量精度比较,联合SAR估测油松蓄积量的平均rRMSE分别降低了 5.67%、7.01%和 9.63%,估测落叶松的平均rRMSE与Sentinel-1 单独估测结果是相似的。与ALOS2 估测蓄积量精度比较,联合SAR估测油松蓄积量的平均rRMSE分别降低了 2.28%、1.65%和 5.61%,估测落叶松蓄积量的平均rRMSE分别降低了 3.38%、4.55%和 4.88%。[结论]这表明不同来源的SAR数据对油松、落叶松蓄积量的作用机理不同。A LOS2 适合油松蓄积量估测,Sentinel-1 适合落叶松蓄积量估测。不同波段和极化方式的SAR数据之间的极化信息之间可能存在着互补现象。整体来说,联合SAR数据估测蓄积量的精度高于单一SAR数据估测精度。此外需要充分挖掘不同波段和极化模式的SAR数据在不同森林类型的蓄积量估测中的潜力,以实现高效、准确的森林参数制图。

郑欢娜;

中南林业科技大学;

第八届中国林业学术大会

2015-2015 / 1

评论

上述内容所涉观点、意见仅代表作者,与国家学术会议平台无关。

国家学术会议平台已取得上述相关成果授权,未经允许,任何单位和个人不得转载、复制或用作他途,一经发现,相关法律后果自行承担,国家学术会议平台保留向相关侵权人依法追究法律责任的权利。