典型文献
高光谱和LiDAR联合反演森林生物量研究
文献摘要：
估算森林地上生物量(AGB)对于全球实现碳中和目标至关重要.本文以美国缅因州Howland森林为研究区域,借助地面实测样地数据,对比分析协同不同数据源(高光谱和LiDAR)和机器学习算法(随机森林、支持向量机、梯度提升决策树和K最邻近回归)的研究,以改善Howland森林的生物量估计精度.结果表明,采用LiDAR和高光谱植被指数变量模型的最佳精度分别为0.874和0.868,协同高光谱和LiDAR变量并采用梯度提升决策树回归模型的精度为0.927,即多源遥感数据要优于单一数据源.高光谱和LiDAR数据的协同使用对于提高类似于Howland地区或更广泛区域的生物量估计的准确性,具有普遍的适用性与一定的应用前景.
文献关键词：
LiDAR;高光谱遥感;森林地上生物量;机器学习;梯度提升决策树
中图分类号：
作者姓名：
温雨笑;吕杰;马庆勋;张鹏;徐汝岭
作者机构：
西安科技大学,陕西 西安710054
文献出处：
引用格式：
[1]温雨笑;吕杰;马庆勋;张鹏;徐汝岭-.高光谱和LiDAR联合反演森林生物量研究)[J].测绘通报,2022(07):38-42
A类：
Howland
B类：
LiDAR,联合反演,森林生物量,森林地上生物量,AGB,碳中和目标,缅因州,样地,数据源,和机器学习算法,梯度提升决策树,估计精度,高光谱植被指数,决策树回归,多源遥感数据,一数,协同使用,泛区,高光谱遥感
AB值：
0.262325
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
