基于高分二号数据和机器学习算法的中高分辨率植被覆盖度提取方法研究

基于高分二号数据和机器学习算法的中高分辨率植被覆盖度提取方法研究.pdf
植被覆盖度是研究地球表面植被生态系统动态过程的重要参数之一,对生态环境监测,碳循环模拟和气候变化研究等具有重要影响.当前低空间分辨率植被覆盖产品较多,如GEOV2,GEOV3和全球陆表特征参量产品(GLASS),空间分辨率从几公里到几百米.虽然其具有较好的时间和空间连续性,但它们不能满足精细的区域尺度分析.因此,通过结合高分二号的高空间分辨率影像数据和机器学习算法来估算Landsat尺度的植被覆盖度.使用空间分辨率为1m的高分二号数据构建30米分辨率的植被覆盖度训练样本,将其用于训练随机森林模型,通过训练样本的随机选择进行模型精度评价,训练的模型均方根误差小于0.1.同时,通过与全球ImagineS站点的植被覆盖度测量值对比,得到均方根误差小于0.2,与GLASSFVC产品的比较结果显示R2大于0.9,结果证明所提出的方法能够应用于大范围、中高分辨率的植被覆盖度估算,并为长时序的植被覆盖变化分析提供更加精细的数据支撑.
作者：王欢 何涛 宋旦霞
作者单位：武汉大学遥感信息工程学院湖北武汉430079华中师范大学城市与环境科学学院湖北武汉430079
母体文献：第七届高分辨率对地观测学术年会论文集
会议名称：第七届高分辨率对地观测学术年会  
会议时间：2020年11月17日
会议地点：长沙
主办单位：高分辨率对地观测学术联盟
语种：chi
分类号：TP3TP1
关键词：植被覆盖度  遥感监测  信息提取  机器学习
在线出版日期：2021年1月25日
基金项目：
相似文献
相关博文

2024-12-3 20:04 上传 基于高分二号数据和机器学习算法的中高分辨率植被覆盖度提取方法研究.pdf

文件大小:

688.5 KB

下载次数:

60

高速下载