Sentinel-2卫星落叶松林龄信息反演

作者：唐少飞,田庆久,徐凯健,徐念旭,岳继博

摘要：林龄结构信息能够有效反映区域森林群落不同生长阶段的固碳能力,对于评估森林生态系统的健康状况具有重要意义。本研究以中国温带典型优势树种落叶松林为研究对象,分别选择其芽萌动期、展叶期和落叶期时段的Sentinel-2影像,采用多元线性回归(MLR)、随机森林(RF)、支持向量机回归(SVR)、前馈反向传播神经网络(BP)以及多元自适应回归样条(MARS)等5种方法依次构建落叶松林龄反演模型。通过相关性分析首先确定最佳遥感反演物候期,并在此基础上根据相关性差异筛选出5个最优特征变量用于模型反演,分别为冠层含水量(CWC),归一化水体指数(NDWI),叶面积指数(LAI),光合有效辐射吸收率(FAPAR)和植被覆盖度(FVC)。研究结果表明,展叶期为落叶松林最佳遥感反演物候期。除植被衰减指数(PSRI)以及落叶期的NDVI、RVI外,落叶松林龄与各指标之间均呈负相关关系,其中与冠层含水量(CWC)的相关性最高,pearson相关系数达到-0.74(p<0.01)。此外,不同模型反演结果表明,随机森林模型(RF)为最佳落叶松林龄估测模型,其平均决定系数R2和平均均方根误差RMSE分别为0.89和2.91 a;多元线性回归模型(MLR)的林龄估测结果最差,其平均决定系数R2和平均均方根误差RMSE仅为0.57和5.69 a,非线性模型能更好的解释林龄与建模变量之间的关系。

发文机构：南京大学国际地球系统科学研究所 江苏省地理信息技术重点实验室

关键词：遥感Sentinel-2落叶松林龄反演生物物理参数随机森林remote sensingSentinel-2Larix gmeliniistand age retrievalbiophysical parametersRandom Forest

分类号： S71[农业科学—林学]