典型文献
基于多源遥感和机器学习方法的科尔沁沙地植被覆盖度反演
文献摘要：
植被覆盖度是监测生态系统及其功能的关键参数,如何提高大区域植被覆盖度的反演精度,对生态脆弱区环境可持续发展至关重要.本研究基于人工神经网络、支持向量回归和随机森林等机器学习方法,利用无人机、Worldview-2与Landsat 8 OLI遥感数据,对科尔沁沙地植被覆盖度进行多尺度反演.结果表明:随机森林模型比人工神经网络、支持向量回归模型表现佳,可在单元(试验区)、区域(研究区)尺度上较高精度地反演沙地的植被覆盖度,反演值与无人机实测值均在线性水平上呈显著相关(P＜0.01);在单元、区域尺度上,构建的植被覆盖度反演模型测试集R2分别为0.84、0.80,MSE分别为0.0145、0.0370,一致性指数d分别为0.9576、0.8991.利用多源遥感数据和机器学习方法,通过局部区域的高精度反演逐步实现低空间分辨率遥感影像的大区域植被覆盖度反演,不仅可有效提高沙地植被覆盖度的反演精度(R2=0.78,大于0.63),也为区域生态环境监测与生态系统健康评价提供支持.
文献关键词：
植被覆盖度;多源遥感;机器学习;科尔沁沙地
中图分类号：
作者姓名：
张亦然;刘廷玺;童新;段利民;贾天宇;季亚新
作者机构：
内蒙古农业大学水利与土木建筑工程学院,内蒙古呼和浩特010018;内蒙古农业大学内蒙古自治区水资源保护与利用重点实验室,内蒙古呼和浩特010018
文献出处：
引用格式：
[1]张亦然;刘廷玺;童新;段利民;贾天宇;季亚新-.基于多源遥感和机器学习方法的科尔沁沙地植被覆盖度反演)[J].中国沙漠,2022(03):187-195
A类：
Worldview
B类：
机器学习方法,科尔沁沙地,植被覆盖度,大区域,反演精度,生态脆弱区,环境可持续发展,人工神经网络,Landsat,OLI,随机森林模型,比人,支持向量回归模型,试验区,实测值,区域尺度,反演模型,模型测试,测试集,MSE,多源遥感数据,局部区域,低空,空间分辨率,遥感影像,区域生态环境,生态环境监测,生态系统健康评价
AB值：
0.193545
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。
