[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10.270 t/hm2,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.

GF系列卫星;森林地上生物量;森林地上生物量分量;KNN-FIFS

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

北京林业大学学报

[1]史建敏;张王菲;曾鹏;赵丽仙;王梦金-.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(11):70-81

RMSEr,森林地上生物量分量

GF,生物量反演,合成孔径雷达,SAR,AGB,昆明市,宜良县,林区,实地调查,数据源,植被指数,纹理特征,后向散射系数,极化分解,KNN,FIFS,留一交叉验证,交叉验证法,精度评价,空间分布图,数据反演,树叶,反演精度,hm2,叶生物量,全极化,云南松纯林,重要参数

0.22529