邹琪
- 作品数：2 被引量：32H指数：2
- 供职机构：中南林业科技大学林学院林业遥感信息工程研究中心更多>>
- 发文基金：中国博士后科学基金更多>>
- 相关领域：农业科学更多>>
- 基于Landsat 8-OLI的荒漠化地区植被覆盖度反演模型研究被引量：16
- 2016年
- 基于Landsat 8-OLI影像数据,利用植被指数逐步回归分析和线性混合像元分解的方法,结合134个野外样地调查数据,将线性混合像元分解结果(植被丰度)导入影像植被指数逐步回归模型,建立康保县荒漠化地区植被覆盖度反演混合模型,并进行精度检验。结果表明:(1)在所选16种影像植被指数中,采用单一植被指数进行荒漠化地区植被覆盖度反演建模,与植被覆盖度拟合优度最高的是归一化植被指数(NDVI)和土壤调节植被指数(SAVI),利用植被指数逐步回归分析建模,筛选出的3种最佳影像植被指数是土壤调节植被指数(SAVI0.5),比值植被指数(SR_(N-R))和增强型植被指数(EVI);(2)通过线性混合像元分解建立的植被覆盖度反演模型,分解所得植被丰度与植被覆盖度的决定系数为0.673,模型精度低于利用植被指数逐步回归分析法反演的模型精度,但高于单一植被指数与植被覆盖度反演模型的精度;(3)精度检验显示植被指数逐步回归分析法反演的植被覆盖度模型的决定系数(R^2)和精度分别为0.719和86.70%,而混合像元分解和植被指数逐步回归分析综合所建的混合模型的决定系数(R^2)和精度分别为0.807和92.37%,表明植被指数逐步回归分析与混合像元分解相结合能较好地提高荒漠化地区植被覆盖度反演精度。
- 马中刚孙华王广兴林辉佘宇晨邹琪
- 关键词：荒漠化
- 基于Landsat 8的深圳市森林碳储量遥感反演研究被引量：16
- 2017年
- 以2014年Landsat 8遥感影像为数据源,研究了深圳市森林碳储量遥感反演模型的构建及其空间分布情况,对城市生态系统碳循环研究具有重要意义。采用分层随机抽样的方式布设168个样地,结合外业样地数据,从遥感影像中提取31个植被指数作为自变量,分别构建了多元线性回归模型、Logistic回归模型和Radical Basis Function(RBF)径向基函数神经网络模型,进而估算该地区的森林碳储量并比较分析。结果表明,RBF神经网络模型的估算精度最高,决定系数最大且均方根误差最小,分别为0.829t·hm^(-2)和9.131t·hm^(-2);Logistic回归模型估算精度次之,决定系数和均方根误差分别为0.523t·hm^(-2)和11.821t·hm^(-2);多元线性回归模型估算精度最低,决定系数最小,均方根误差最大,分别为0.438t·hm^(-2)和12.870t·hm^(-2)。可见,RBF神经网络模型能更好地模拟森林碳储量与各个因子之间的关系。研究区森林碳储量的空间分布特点表现为东南沿海部分碳储量大,中西部城市经济开发区碳储量小,与实际森林分布基本一致。
- 邹琪孙华王广兴林辉谭一凡马中刚
- 关键词：碳储量多元线性回归模型LOGISTIC回归模型
