典型喀斯特山区的森林蓄积量遥感估算

作     者：郑佳佳 周忠发 朱孟 黄登红 吴小飘 刘荣萍 龙洋洋 Zheng Jiajia;Zhou Zhongfa;Zhu Meng;Huang Denghong;Wu Xiaopiao;Liu Rongping;Long Yangyang

作者机构：贵州师范大学喀斯特研究院/地理与环境科学学院贵州贵阳550001 贵州喀斯特山地生态环境国家重点实验室培育基地贵州贵阳550001 国家喀斯特石漠化防治工程技术研究中心贵州贵阳550001 

出 版 物：《水土保持通报》 (Bulletin of Soil and Water Conservation)

年 卷 期：2024年第44卷第2期

页      面：176-186页

学科分类：090704[农学-森林经理学] 0907[农学-林学] 09[农学] 

基　　金：国家自然科学基金地区项目“喀斯特石漠化地区生态资产与区域贫困耦合机制研究”(41661088) 贵州省高层次创新型人才培养计划“百”层次人才(黔科合平台人才(2016)5674号) 贵州省研究生科研基金立项课题(黔教合YJSKYJJ〔2021〕090) 

主　　题：森林蓄积量 遥感反演 机器学习 随机森林 喀斯特山区 

摘      要：[目的]通过森林蓄积量的遥感监测了解喀斯特地区森林生态系统的健康状况和生态功能,为该地区碳汇监测与评估以及森林管理与决策提供理论依据。[方法]本研究选取典型喀斯特山区为研究对象,基于Sentinel-2A影像和样地调查数据,结合随机森林(RF)、K近邻回归(KNN)和BP神经网络3种机器学习模型,在山地坡度条件约束下开展森林蓄积量反演研究。[结果]①单波段反射率、植被指数和纹理特征等遥感因子在不同地形约束条件下的表现不同,建立模型的最优子集均不同,不同立地条件下建立蓄积量估测模型均有差异。②在喀斯特山区森林蓄积量估算中,RF相比KNN和BP模型鲁棒性和适应性最强。在缓坡、斜坡、陡坡立地条件下,RF模型精度分别达到80.1%,79.0%,80.5%。[结论]喀斯特山区空间异质性强,不同坡度立地条件下参与蓄积量遥感估测的建模自变量因子均不相同。坡度的划分可以细化复杂场景遥感估算模型,提高蓄积量遥感估算精度。