Landsat8和机器学习估算蒙古高原草地地上生物量

文献类型： 中文期刊

第一作者： 赵越

作者： 赵越;徐大伟;范凯凯;李淑贞;沈贝贝;邵长亮;王旭;辛晓平

作者机构：

关键词： 遥感;反演;机器学习;地上生物量;蒙古高原

期刊名称： 农业工程学报

ISSN： 1002-6819

年卷期： 2022 年 38 卷 024 期

页码： 138-144

收录情况： EI ; 北大核心 ; CSCD

摘要： 草地地上生物量(Above-Ground Biomass,AGB)是反映草地植被利用状况的重要参数,其精准监测对于草地科学管理与合理利用具有重要意义.近年来,遥感技术因其能快速、准确获取大尺度草地光谱信息,已经被广泛应用于草地地上生物量的估算中.该研究以中国内蒙古呼伦贝尔市与其毗邻的蒙古国东方省草原区为研究区,利用Landsat 8数据计算的9种植被指数、气象数据和地面调查数据,比较分析6种机器学习算法构建的回归模型性能,重新构建优化的随机森林回归模型.结果表明,以光谱、降水量、气温为特征的优化后的随机森林回归模型性能更稳定,预测值与实测值之间决定系数为0.801,均方根误差为43.709 g/m2,相对均方根误差为23.077%.研究区域地上生物量呈中部较低,东西两侧较高的空间分布特征,最高可达357.2 g/m2,最低为33.01 g/m2,与该区域降水量与草地利用方式的空间异质性密切相关.该研究表明,基于Landsat 8数据结合气象数据构建的机器学习模型在草地生物量遥感反演中有较大潜力,地上生物量反演结果可以为草地资源合理利用与评价提供参考.

分类号： S127%TP79

  • 相关文献

[1]MODIS和VIIRS植被指数产品在估算甘南草地生物量的适用性. 张忠雪,冯琦胜,王瑞泾,金哲人,梁天刚. 2023

[2]基于Sentinel-2数据的青海门源县天然草地生物量遥感反演研究. 郭芮,伏帅,侯蒙京,刘洁,苗春丽,孟新月,冯琦胜,贺金生,钱大文,梁天刚. 2023

[3]基于ICESat-2/ATLAS数据的龙竹地上生物量估测. 吴再昆,周文武,舒清态,夏翠芬,段丹丹. 2025

[4]融合多光谱与LiDAR的玉米地上生物量精准估算研究. 吴强,杨默含,段锋辉,王赞朴,康家坤,杨浩,杨贵军,张志勇,马新明,程金鹏. 2025

[5]基于实测光谱估测密云水库水体叶绿素a浓度. 王婷,刘良云,李存军,贾建华. 2007

[6]不同株型小麦的双向反射分布函数特征研究. 赵娟,黄文江,张耀鸿,景元书,宋晓宇,杨贵军,张清,孙雷刚. 2014

[7]基于支持向量机回归的冬小麦叶面积指数遥感反演. 梁栋,管青松,黄文江,黄林生,杨贵军. 2013

[8]无人机遥感在作物监测中的应用研究进展. 田婷,张青,张海东. 2020

[9]黑土典型区土壤有机质遥感反演. 刘焕军,赵春江,王纪华,黄文江,张新乐. 2011

[10]北京地区改进SYNTAM算法反演AOT有效性验证. 冯建中,白林燕. 2010

[11]基于多光谱与高光谱遥感数据的冬小麦叶面积指数反演比较. 刘轲,周清波,吴文斌,陈仲新,唐华俊. 2016

[12]基于可见光红外成像辐射仪数据的地表温度反演. 夏浪,毛克彪,马莹,孙知文,赵芬. 2014

[13]基于定量遥感反演与生长模型耦合的水稻产量估测研究. 李卫国,王纪华,赵春江,刘良云,童庆禧. 2008

[14]基于人工神经网络方法的冬小麦叶面积指数反演. 马茵驰,阎广建,丁文,王跃智. 2009

[15]基于PROBA/CHRIS遥感数据和PROSAIL模型的春小麦LAI反演. 杨贵军,赵春江,邢著荣,黄文江,王纪华. 2011

[16]基于遥感技术的甘南牧区草地植被状况多年动态. 李亚刚,李文龙,刘尚儒,秦兰兰. 2015

[17]玛曲高寒草甸放牧强度的遥感监测. 马青青,柴林荣,马海玲,常生华,程云湘. 2018

[18]多源遥感数据耦合CBA-Wheat模型的冬小麦生物量估算研究. 王士俊,刘苗,赵钰,柳昭宇,刘修宇,冯海宽,隋学艳,李振海. 2024

[19]基于多源遥感数据和机器学习算法的冬小麦产量预测研究. 甘甜,李雷,李红叶,宋成阳,谢永盾,陶志强,肖永贵,孟亚雄. 2022

[20]基于无人机高光谱遥感与机器学习的小麦品系产量估测研究. 齐浩,吕亮杰,孙海芳,李偲,李甜甜,侯亮. 2024

作者其他论文 更多>>

微信小程序