[发明专利]一种森林地上生物量遥感估测中合理样本数的确定方法

说明书

本发明公开了一种森林地上生物量遥感估测中合理样本数的确定方法，以高山松、云冷杉2个树种为研究对象，结合Landsat 8影像和地面调查样地数据，基于地统计学半方差函数理论，以k‑NN遥感估测模型为案例，以均方根误差为评价指标，计算得到了高山松和云冷杉模型精度最佳时的样本数量大小，确定了一个合理的样本数量范围。本发明为了探讨定量遥感反演中样本数量的不确定性，基于地统计学半变异函数理论和k‑NN模型，分析了样本数量在森林地上生物量估测中的不确定性影响，为传统定量遥感反演中样本数量难以确定的问题提供了参考依据。

技术领域

本发明涉及一种森林生物量遥感估测中样本数量的不确定性分析技术，具体为一种森林地上生物量遥感估测中合理样本数的确定方法。

背景技术

森林生物量是森林是评价森林生态系统生产力、陆地生态系统功能和可持续性的重要指标之一。随着遥感技术的飞速发展，利用多源遥感数据替代传统调查方法进行定量化森林地上生物量，不仅能获取森林资源的数量、空间分布和动态变化信息，而且可以结合各种模型和样地调查实现森林参数的定量反演(何兴元等，2018)，在满足不同尺度森林资源、生态过程监测分析的需求的同时节约调查成本。近年来，国内外对用光学遥感影像信息数据进行地上生物量反演都进行了大量的研究(汤旭光，2012；Beaudoin，2014；谢福明，2018)。其中，使用基于非参数的方法，如k-最近邻法、支持向量机和人工神经网络进行地上生物量反演成为研究热点之一(Wang，2009)。同时，基于遥感反演森林生态系统生物量的不确定性研究也成为学者们关注的重点(Wang，2011；Lu，2012)，其不确定性的主要来源包括研究区的典型性，遥感数据和地面样地数据获取中存在的误差，模型的类型、参数和变量的选择，样本数量大小以及样本的空间分布以及模型的评价指标(Phillips，2000)。生物量遥感估测不确定性分析目的在于，准确获取不确定的来源，然后从数据采集和模型方法优化等方面做出相应的改进，降低不确定性因素的影响，提高遥感估测反演产品的可靠性和实用性。其中，地面实测样本数据的不确性一项关键的不确定性因素，地面观测的数据的采集是一项费时费力又必不可少的工作，如何采集合理的样本数是一个值得探究的问题。

当前，国内外对自由样本数量研究尚少：傅煜等(2015)基于单木生物量建模样本量对估计区域生物量的不确定性分析认为，增加建模数据量能有效提高生物量模型的估计精度、准确度以及工作效率，并降低不确定性。在实际应用中，森林资源调查数据往往难以获取，在样本数量有限的情况下模型会发生“过学习”现象。而采用非参数化方法估测森林地上生物量能有效解决这一问题(韩宗涛，2018)。吴超凡基于区域森林生物量遥感估测与应用研究表明，样本数量的增加有利于提高建模精度，特别是对于支持向量算法；但对于PLS和KNN算法表现出的精度变化也反映出，并非样本越多，精度越高，不同的估算方法需要寻找最合适的样本条件(吴超凡，2015)。由此可见，样本容量越大，样本的代表性就越好，建模的精度也就越高，但耗费的人力、物力也就越多，甚至难以完成。相反，如果样本量太小，其建模精度不能够满足需求。本发明旨在分析样本数量在森林地上生物量估测中的不确定性影响，对解决传统定量遥感反演中样本数量难以确定的问题具有重要的科学价值。

发明内容

针对现有技术的不足，本发明的目的在于提供一种基于遥感数据的森林地上生物量估测中合理样本数的确定方法，实现生物量的科学准确估测。

为实现上述目的，本发明采用的技术方案是：一种森林地上生物量遥感估测中合理样本数的确定方法，包括如下步骤：

步骤1、获取美国陆地卫星Landsat 8OLI图像，经过辐射定标、大气校正、几何校正，得到地表反射率数据集；

步骤2、进行野外样地调查，对伐倒木进行取样称重，带回实验室烘干称重，采用不同的函数形式拟合得到单木的地上生物量估测模型；

在本发明中，单木生物量模型也可直接引用其他学者已经建立的单木生物量模型；