联合GF-1和GF-3影像的森林地上生物量反演.pdfVIP

第

44

卷

第

11

期北

京

林

业

大

学

学

报Vol.

44，No.

11

2022

年

11

月JOURNAL

OF

BEIJING

FORESTRY

UNIVERSITYNov.，2022

DOI:10.12171/j.1000−1522

联合GF-1和GF-3影像的森林地上生物量反演

史建敏

张王菲

曾

鹏

赵丽仙

王梦金

(西南林业大学林学院，云南

昆明

650224)

摘要:【目的】探索高分（GF）光学、合成孔径雷达（SAR）数据及其联合数据在森林地上生物量（AGB）及其组成部分反演中

的可行性。【方法】以云南省昆明市宜良县小哨林区的云南松为研究对象，结合实地调查数据，以GF-1光学数据和GF-3

SAR数据作为数据源，提取光学数据常用的植被指数和纹理特征，SAR数据的各极化后向散射系数、纹理特征以及极化

分解等参数，利用KNN-FIFS方法分别进行森林AGB及其分量的反演；然后采用留一交叉验证法对反演结果进行精度

评价，并在此基础上绘制森林AGB及其分量空间分布图。【结果】联合GF-1和GF-3数据反演森林AGB及其分量的精

度最高，R2均超过了0.710，RMSEr的值在22%

~

27%之间，其中树叶的反演精度最优，模型的R2为0.714，RMSE为

2

10.270

t/hm，RMSEr为24.58%；除树叶生物量外，森林AGB和其他分量仅采用GF-1提取的特征进行反演时，精度均优

于采用GF-3特征的反演结果。【结论】联合GF-1光学数据和GF-3全极化SAR可以实现一定程度的互补，提高森林

AGB及其分量的反演精度，此外KNN-FIFS方法在低生物量水平的云南松纯林的AGB及其分量的反演中具有一定的

鲁棒性，且KNN-FIFS优选的重要参数多为SAR和光学的纹理特征。

关键词：GF系列卫星；森林地上生物量；森林地上生物量分量；KNN-FIFS

中图分类号：S771.8

文献标志码：A

文章编号：1000−1522(2022)11−0070−12

引文格式：史建敏，张王菲，曾鹏，等.

联合GF-1和GF-3影像的森林地上生物量反演[J].

北京林业大学学报，2022，

44(11)：70−81.

Shi

Jianmin,

Zhang

Wangfei,

Zeng

Peng,

et

al.

Inversion

of

forest

aboveground

biomass

from

combined

images

of

GF-1

and

GF-3[J].

Journal

of

Beijing

Forestry

University,

2022,

44(11):

70−81.

InversionofforestabovegroundbiomassfromcombinedimagesofGF-1andGF-3

Shi

JianminZhang

WangfeiZeng

PengZhao

LixianWang

Mengjin

(College

of

Forestry,

Southwest

Foresty

University,

Kunming

650224,

Yunnan,

China)

Abstract:[Objective]

The

objective

of

this

study

was

to

explore

the

feasibility

of

GF-1,

GF-3,

and

combination