检索结果-南通市图书馆

深度学习方法下GEDI数据的天然云杉林地上生物量反演

在线全文

学校读者我要写书评

暂无评论

干旱区研究 2023年第9期40卷 1472-1483页

作者：孙丹阳魏建新杨辽王杰唐宇琪巴比尔江·迪力夏提新疆大学地理与遥感科学学院新疆乌鲁木齐830017 新疆激光雷达应用工程技术研究中心新疆乌鲁木齐830002 新疆维吾尔自治区自然资源信息中心新疆乌鲁木齐830002 中国科学院新疆生态与地理研究所荒漠与绿洲生态国家重点实验室新疆乌鲁木齐830011 西华师范大学地理科学学院四川南充637002

森林作为陆地最大碳库,对人类的生活与发展至关重要,精准掌握森林资源动态变化并对其进行现代化可持续发展已成为当下研究热点。本文以天山山脉的天然云杉林为研究对象,利用地面实测数据、直升机机载激光雷达点云数据以及全球生态系统... 详细信息

森林作为陆地最大碳库,对人类的生活与发展至关重要,精准掌握森林资源动态变化并对其进行现代化可持续发展已成为当下研究热点。本文以天山山脉的天然云杉林为研究对象,利用地面实测数据、直升机机载激光雷达点云数据以及全球生态系统动态调查激光雷达(Global Ecosystem Dynamics Investigation,GEDI)数据,构建多源融合数据框架,通过使用AutoKeras框架下的深度学习算法,实现GEDI数据的多个相对高度百分位数(Relative Height Percentile,RH)与其光斑内地上生物量的回归模型预测,验证GEDI数据在较大范围的地上生物量反演方面的可行性,主要结论如下:(1)GEDI数据用于森林地上生物量估测研究具有较高可行性,通过自动化深度学习算法,训练集、验证集、整体数据的决定系数(Coefficient of Determination,R2)分别为0.69、0.63和0.67,平均绝对误差(Mean Absolute Error,MAE)分为3.73 mg·hm^(-2)、4.22 mg·hm^(-2)和3.89 mg·hm^(-2),具有较高的预测精度。(2)直升机激光雷达作为GEDI数据估算地上生物量的中间技术,整个研究区内的单木识别准确率高于0.75。最终本次研究通过多模态数据融合,定量化描述研究区单木基础结构参数的同时,验证GEDI数据在获取森林地上生物量方面的潜力,也为相近区域大面积的森林碳源汇、生物量、蓄积量估算、森林管理与经营、生物多样性保护等多个项目研究提供理论基础,具有一定的指导意义和基础数据支撑作用。

关键词：天然云杉林 GEDI LiDAR 地上生物量深度学习

基于GEDI多波束激光雷达数据研建滇西北森林郁闭度估测模型

在线全文

学校读者我要写书评

暂无评论

生态学报 2024年

作者：周文武舒清态胥丽杨正道高应群吴再昆夏翠芬顾纯僖李华西南林业大学林学院

探究全球生态系统动力学调查(GEDI)多波束激光雷达数据估测区域森林郁闭度(FCC)的潜力，对于评估森林生态系统状态和林分环境具有重要作用。选取滇西北典型生态脆弱区香格里拉为研究区，以GEDI波形数据为信息源，提取46245个有林地光斑... 详细信息

探究全球生态系统动力学调查(GEDI)多波束激光雷达数据估测区域森林郁闭度(FCC)的潜力，对于评估森林生态系统状态和林分环境具有重要作用。选取滇西北典型生态脆弱区香格里拉为研究区，以GEDI波形数据为信息源，提取46245个有林地光斑参数，使用经验贝叶斯克里金法(EBK)获取光斑参数在研究区未知空间的连续分布，结合54块实测样地数据，采用支持向量机的递归特征消除法(SVM-RFE)、随机森林(RF)和皮尔逊(Pearson)分析分别优选特征变量，基于贝叶斯优化(BO)随机森林回归模型(BO-RFR)、贝叶斯优化梯度回归模型(BO-GBRT)和偏最小二乘法(PLSR)研建森林郁闭度最佳估测模型。结果表明：(1)EBK法预测精度高，估测结果可靠，R2,0.20—0.92,RMSE,0.004—2812.912,MAE,0.003—1996.258,MRE,0.007—4.423;(2)基于不同特征优选方法筛选的特征变量和数量略有差异，SVM-RFE法优选出6个参数(cover、pai、sensitivity、rv＿a1、rv＿a4、rg＿a4)的平均交叉验证精度达0.84,RF法以贡献度5%为阈值筛选出5个参数(cover、pai、pgap＿theta＿error、modis＿treecover、modis＿nonvegetated),Pearson法以相关性大于0.3且在0.01水平显著优选出5个参数(cover、pai、rv＿a5、rg＿a5、pgap＿theta＿error);(3)不同特征变量优选方法筛选的建模参数研建估测模型精度差异性较大，以SVM-RFE和RF方法优选参数构建估测模型的精度更佳，SVM-RFE方法优选参数研建估测模型精度变化相对稳定，以RF方法中的BO-GBRT模型为最佳FCC估测模型(R2=0.85、RMSE=0.069,P=86.5%);(4)采用BO-GBRT模型估测研究区森林郁闭度和空间制图，与GEDI pai参数预测的FCC具有较高空间相关性达0.53,FCC均值分别为0.58、0.61，主要分布在0.4—0.7，分别占比65.45%、51.79%。研究区森林郁闭度主要处于中度郁闭，北部区域主要为高度郁闭区，与研究区植被覆盖度的空间分布具有一致性，说明使用GEDI数据估测森林郁闭度的方法具有可行性、结果具有可靠性。本研究为使用GEDI数据高效、及时、低成本估测大空间尺度的森林水平结构参数的相关研究奠定了基础。

关键词： GEDI 贝叶斯优化算法机器学习特征变量优选经验贝叶斯克里金大空间尺度

融合星载LiDAR系统GEDI数据与Sentinel-2影像的长江中游洲滩典型禾本科植物高度动态研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

湖泊科学 2023年

作者：石希夏军强周美蓉辛沛武汉大学水资源工程与调度全国重点实验室河海大学水文水资源与水利工程科学国家重点实验室

植物是大型河流生态系统的重要成分。但受气候变化和人类活动影响，洲滩禾本科植物高度不断发生调整，进而影响洲滩生境和河道防洪安全，故需长期监测。近年来，伴随着星载激光雷达（LiDAR）技术的发展，应用LiDAR卫星数据反演洲滩禾本... 详细信息

植物是大型河流生态系统的重要成分。但受气候变化和人类活动影响，洲滩禾本科植物高度不断发生调整，进而影响洲滩生境和河道防洪安全，故需长期监测。近年来，伴随着星载激光雷达（LiDAR）技术的发展，应用LiDAR卫星数据反演洲滩禾本科植物高度成为一种可能。本文融合新一代星载LiDAR系统GEDI数据与Sentinel-2影像，基于XGBoost算法构建了考虑物候、累积温度与光合有效辐射指标的洲滩典型禾本科植物高度外推模型，同时利用Attention-UNet算法搭建了洪淹区域识别模型。随后以长江中游洲滩为例，探明了星载LiDAR技术在获取洲滩植株高度方面的性能，分析了各指标对模型精度的影响，并初步得出了洲滩典型禾本科植物高度对不同淹没条件的响应模式。主要结论包括：（1）星载LiDAR系统GEDI具有准确探测洲滩植物高度的能力，与无人机航测数据相比RMSE=0.43 m;(2)运用GEDI数据构建禾本科植物高度外推模型时，考虑物候和累积温度等指标可有效提升模型精度，提升幅度为6.8%～10.7%;(3)利用无人机航测数据对模型外推植物高度进行评价，RMSE=0.80m。同时从模型外推结果中可知，受2020年流域尺度洪水影响，中游各河段平均植物高度下降了0.03～0.24 m;(4)在2020年流域尺度洪水作用下，淹没历时≤10天的洲滩禾本科植物，其次年株高整体呈增长趋势；而淹没历时>10天时，其次年株高平均下降了2.3%～3.1%。此外，对于日均淹没水深与株高的比值>0.95的洲滩，随着比值增加，洪水对禾本科植株高度的负面作用逐步增强。

关键词：星载激光雷达 GEDI 植被高度长江中游洲滩

GEDI与Tandem-X DEM数据密林林下地形估测性能评价

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

农业机械学报 2023年

作者：黄佳鹏夏婷婷宇洋辽宁工程技术大学测绘与地理科学学院

针对密林情况下，GEDI数据与现有的Tandem-X DEM数字地面模型估测林下地形精度并未被整体评价问题。拟以密林情况作为主要分析场景，通过提取GEDI L2A数据产品对应光斑的经纬度、林下地形信息与数据质量筛选参数，开展数据质量筛选，用... 详细信息

针对密林情况下，GEDI数据与现有的Tandem-X DEM数字地面模型估测林下地形精度并未被整体评价问题。拟以密林情况作为主要分析场景，通过提取GEDI L2A数据产品对应光斑的经纬度、林下地形信息与数据质量筛选参数，开展数据质量筛选，用以估测基于GEDI数据的林下地形数据，与Tandem-X DEM数据估测密林情况下研究区林下地形开展比较，并进一步探究冠层高度、森林覆盖度与植被类型对于估测精度的影响。GEDI与Tandem-X DEM的R2分别为0.99和0.98，GEDI估测林下地形结果的RMSE、Average与STD分别6.49 m、-1.92 m与4.42 m，Tandem-X DEM估测林下地形结果的RMSE、Average与STD分别18.15 m、14.63 m与7.35m。GEDI数据在混交林和稀疏草原情况下RMSE与Average分别变化了13.31 m和8.84 m，Tandem-X DEM数据在常绿针叶林与农田/天然植被情况下，RMSE与Average变化幅度为21.63m、26.43m。实验结果表明，GEDI与Tandem-X DEM数据与机载验证数据存在强相关性，且GEDI相对Tandem-X DEM数据表现出更优的评价标准；地表植被类型相对冠层高度和植被覆盖度会对两数据估测林下地形产生更大的影响。

关键词：林下地形密林区域精度评估 GEDI Tandem-X DEM

GEDI地面高程和森林冠层高度的精度评价与影响分析

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

遥感技术与应用 2022年第5期37卷 1056-1070页

作者：袁鸷慧聂胜张合兵王成王宏涛习晓环河南理工大学测绘与国土信息工程学院河南焦作454100 中国科学院空天信息创新研究院数字地球重点实验室北京100094

精确地提取地面高程和植被冠层高度,对于地形地貌、生态学等方面的研究具有重要意义。2018年12月发射的新一代全球生态系统动力学调查雷达(GEDI)为地面高程和植被冠层高度大范围精确提取提供了前所未有的机会。研究旨在利用机载激光雷... 详细信息

精确地提取地面高程和植被冠层高度,对于地形地貌、生态学等方面的研究具有重要意义。2018年12月发射的新一代全球生态系统动力学调查雷达(GEDI)为地面高程和植被冠层高度大范围精确提取提供了前所未有的机会。研究旨在利用机载激光雷达数据验证GEDI提取的地面高程和冠层高度精度,并探讨地理定位误差、地形坡度、坡向、植被覆盖度、方位角、采集时间、光束类型和不同森林类型因素对其精度的影响。结果表明:通过校正GEDI数据地理定位误差,可以明显提高其提取的地面高程和冠层高度精度;影响冠层高度提取精度最主要的因素是植被覆盖度,其次是坡度;影响地面高程提取精度的主要因素为坡向、坡度。植被覆盖度大于25%时,数据精度更高;坡度为0°—5°的缓坡地区地面高程和冠层高度精度最高。该研究结果将为GEDI数据筛选与应用提供依据。

关键词：星载激光雷达 GEDI 地面高程冠层高度精度评估

GEDI L2A不同算法对地面高程和森林冠层高度精度的影响分析

在线全文

学校读者我要写书评

暂无评论

中国科学院大学学报（中英文） 2022年第4期39卷 502-511页

作者：刘丽娟王成聂胜朱笑笑习晓环王金亮云南师范大学地理学部云南省高校资源与环境遥感重点实验室云南省地理空间信息技术工程技术研究中心昆明650500 中国科学院空天信息创新研究院中国科学院数字地球重点实验室北京100094

全球生态系统动力学调查(global ecosystem dynamics investigation,GEDI)雷达是美国2018年12月发射的全波形激光雷达系统,可以为全球地面高程及森林冠层高度提供数据支持。为适应不同地表环境,GEDI L2A产品提供了6种不同算法来估算地... 详细信息

全球生态系统动力学调查(global ecosystem dynamics investigation,GEDI)雷达是美国2018年12月发射的全波形激光雷达系统,可以为全球地面高程及森林冠层高度提供数据支持。为适应不同地表环境,GEDI L2A产品提供了6种不同算法来估算地面高程及森林冠层高度,这些算法的选择会影响地表参数的提取精度。以机载LiDAR得到的数字地形模型和冠层高度模型为参考数据,评估第2版GEDI L2A数据在不同植被覆盖度下不同算法的适应性以及对地面高程和森林冠层高度精度的影响。结果表明,在覆盖度小于0.2时,算法4的结果最优,在覆盖度大于等于0.8时算法2的结果最优,其余覆盖度下算法1的结果最优。将本文根据植被覆盖度选择的最优算法与GEDI L2A默认最优算法进行比较,整体看来本文的结果优于GEDI L2A默认最优算法的结果,特别是在覆盖度小于0.8,坡度大于等于10°时,本文选择的最优算法能有效提高GEDI L2A产品对地面高程和森林冠层高度估算的精度。

关键词： GEDI 全波形激光雷达地面高程森林冠层高度

星载激光雷达GEDI数据林下地形及森林冠层高度反演精度评价与应用

在线全文

学校读者我要写书评

暂无评论

星载激光雷达GEDI数据林下地形及森林冠层高度反演精度评价与应用

作者：董瀚元东北林业大学

学位级别：硕士

森林是陆地生态系统中占比最大的一部分,具有很重要的生态效益、社会效益、经济效益,森林的经营和管理是有效保护森林、维持生态稳定的重要环节,而林分结构是其基础。因此,高效且准确地获取冠层高度、林下地形等数据极为重要。美国航空... 详细信息

森林是陆地生态系统中占比最大的一部分,具有很重要的生态效益、社会效益、经济效益,森林的经营和管理是有效保护森林、维持生态稳定的重要环节,而林分结构是其基础。因此,高效且准确地获取冠层高度、林下地形等数据极为重要。美国航空航天局NASA于2018年12月5日发射了新一代天基测高系统,系统名为全球生态系统动力学研究GEDI(Global Ecosystem Dynamics Investigation)其目的为描述生态系统的结构和动态,以便从根本上改善对地球碳循环和生物多样性的量化和理解。GEDI激光器附属于国际空间站(ISS),在全球范围内收集北纬51.6°至南纬51.6°之间的数据,对地球的三维结构进行最高分辨率和最密集的采样。由于GEDI广泛应用于温带及热带地区森林观测中,不同的森林类型及气候条件会对其探测效果产生影响,且GEDI数据具有强弱光束之分,在不同时间观测系统所受的影响也各有不同,这些问题均会对GEDI反演林下地形及冠层的精度产生影响。本研究主要以美国西波拉森林与中国帽儿山森林地区为研究区域,以GEDI大光斑数据为研究对象,利用G-liht数据及帽儿山高精度机载雷达数据验证GEDI V2数据在针叶林及以阔叶树种为主的针阔叶混交林反演林下地形及冠层高度的精度,分析不同光束强度、光斑时间、坡度及植被覆盖度对林下地形及冠层高度反演精度的影响,并利用影响因素筛选、处理数据后结合Landsat8数据构建森林冠层高度模型,反演帽儿山地区森林冠层高度。结果表明,美国西波拉地区地形反演精度均方根误差(RMSE)为2.33 m,平均绝对误差(MAE)为1.48 m;森林冠层反演精度均方根误差(RMSE)为5.50 m,平均绝对误差(MAE)为4.92 m;帽儿山地区地形反演精度RMSE值为4.49 m,MAE值为3.33 m;森林冠层反演精度均方根误差(RMSE)为4.40 m,平均绝对误差(MAE)为3.66 m。GEDI数据反演林下地形效果针叶林要优于以阔叶树种为主的针阔叶混交林,反演冠层高度效果针阔叶混交林优于针叶林,强光束优于覆盖光束,湿润地区白天效果更优,干旱地区黑夜效果更优,且GEDI数据对于林下地形的测定精度要明显优于冠层高度的测定精度。坡度的增大会明显引起GEDI数据精度的下降,高植被覆盖度也会导致更大的测定误差。利用随机森林算法,结合GEDI与Landsat8数据构建森林冠层高度模型,反演帽儿山地区森林冠层高度,使用机载雷达数据验证模型精度为R=0.57,RMSE=3.40m。GEDI数据可以较好地反映大范围的森林结构特征,但通过实验可以看出该数据在地形及冠层高度的反演中均会出现一定的误差,其受到光束效果及时间、外界环境及林分整体情况的影响,同时数据本身也存在较多不可用的损坏数据,因此,在后续该数据的应用及更新时,要注意选取和校正,并结合不同类型遥感数据推广到更大覆盖范围的森林结构观测,利用其进行更准确、高效的生态监测活动。

关键词： GEDI 林下地形冠层高度随机森林影响因素

基于GEDI的高寒山地森林生物量估算——以祁连山国家公园为例

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于GEDI的高寒山地森林生物量估算——以祁连山国家公园为例

作者：陈思文兰州大学

学位级别：硕士

准确估算森林地上生物量对区域乃至全球碳循环,减缓气候变化等方面至关重要。山地森林因为其地形复杂、难以展开人力调查,森林结构参数和生物量的估算均存在较大的不确定性。为了在大尺度的山地森林反演得到连续的生物量制图,往往需要... 详细信息

准确估算森林地上生物量对区域乃至全球碳循环,减缓气候变化等方面至关重要。山地森林因为其地形复杂、难以展开人力调查,森林结构参数和生物量的估算均存在较大的不确定性。为了在大尺度的山地森林反演得到连续的生物量制图,往往需要借助主动或被动遥感数据,利用合适的模型实现将样地生物量外推。星载激光雷达GEDI作为可以提取森林三维结构信息的大光斑主动遥感技术,能够提高大尺度森林生物量的估算精度。本文以祁连山国家公园为研究区,使用了地面调查数据、UAV-LiDAR数据、GEDI数据、Sentinel-1和Landsat 8 OLI影像数据,分别利用了地理加权回归和随机森林模型外推估算了研究区内的森林生物量并评估了精度。本文的主要结论有:(1)在样方尺度上,UAV-LiDAR点云中提取的森林结构参数和点云特征参数可作为地面实测数据的替代,准确预测森生物量(R=0.84,RMSE=44.95Mg/ha,r RMSE=26.97%)。GEDI数据对于提高大尺度的森林生物量预测精度是有效的(R=0.75>0.69,RMSE=28.75GEDI数据的指标估算得到其足迹点上的森林生物量;离散的GEDI足迹点森林生物量作为外推时随机森林模型的输入,利用Sentinel-1和Landsat 8 OLI影像的多种特征变量估算得到研究区连续的森林生物量数据。(3)本文基于GEDI L2A高度产品,地形数据、气象数据等辅助数据,利用地理加权回归模型估算得到研究区内的森林树高(R=0.43,RMSE=6.39m)。在森林树高的基础上,建立不同森林类型的异速生长方程得到森林生物量值。结果发现利用地理加权回归模型和异速生长方程得到的森林生物量比随机森林模型结果偏小,这是由于异速生长方程只关注了GEDI足迹点上最大树高的单棵树而忽略了估算单棵树生物量时造成的累积误差。

关键词： GEDI UAV-LiDAR Sentinel-1和Landsat 8 OLI 随机森林地理加权回归

GEDI不同算法组数据反演森林最大冠层高度和生物量精度比较

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

中南林业科技大学学报 2022年第10期42卷 72-82页

作者：韩明辉邢艳秋李国元黄佳鹏蔡龙涛东北林业大学森林作业与环境研究中心黑龙江哈尔滨150040 自然资源部国土卫星遥感应用中心北京100048 辽宁工程技术大学测绘与地理科学学院辽宁阜新123000 桂林电子科技大学电气工程与自动化学院广西桂林541000

【目的】利用星载激光雷达反演森林最大冠层高度和生物量会受到低能量的地面反射或较高的背景噪声等不利情况的影响。全球生态系统动力学调查(Global ecosystem dynamics investigation,GEDI)多波束激光雷达于2018年成功装备到国际空间... 详细信息

【目的】利用星载激光雷达反演森林最大冠层高度和生物量会受到低能量的地面反射或较高的背景噪声等不利情况的影响。全球生态系统动力学调查(Global ecosystem dynamics investigation,GEDI)多波束激光雷达于2018年成功装备到国际空间站,旨在实现对森林冠层高度、生物量等参数的测量。为了减小不利情况的影响,针对不同的冠层和地面的场景,GEDI设定了不同的噪声阈值、信号阈值、起始阈值和结束阈值组合,共6种算法组数据。为了研究GEDI不同算法组数据反演森林最大冠层高度和生物量的精度,本研究对GEDI的L2A高程数据和L4A足印级生物量数据进行分析研究。【方法】针对L2A数据,本研究提取shot_number、lon_lowestmode、lat_lowestmode字段定位光斑经纬度,根据quality_flag、degrade_flag、sensitivity进行数据筛选,利用mean_sea_surface、elev_lowestmode、elev_highestreturn进行最大冠层高度反演。对于L4A数据,定位后利用l2_quality_flag、l4_quality_flag、algorithm_run_flag进行L4A数据筛选,然后根据agbd、agbd_pi_lower、agbd_pi_upper反演森林生物量,最后使用机载数据进行GEDI反演冠层高度和生物量精度验证。【结果】对L2A的6个算法组数据进行计算,结果显示a5的精度最低,精度最高的是a4组,R^(2)=0.97,RMSE=0.87 m,MAE=0.31 m。针对L2A中的相对高度指标进行研究,发现RH99是精度最高的,R^(2)=0.97,RMSE=0.85 m,MAE=0.25 m,而且研究表明随着RH的减小,精度逐渐降低。利用L4A反演森林生物量时,针对a5样本数量少,精度低的缺点,增加了信号阈值更高的a10组来替代a5组数据。最终结果显示,精度最高的是a2组,R^(2)=0.92,RMSE=10.80 t/hm^(2),MAE=4.99 t/hm^(2)。【结论】GEDI数据能够有效反演森林最大冠层高度和生物量,L2A反演冠层高度a4算法组的精度最高,L4A反演生物量a2算法组的精度最高。

关键词： GEDI 最大冠层高度相对高度生物量精度比较