多光譜遙感數(shù)據(jù)估測森林蓄積量

研究目的：多光譜遙感數(shù)據(jù)估測森林蓄積量研究內(nèi)容：獲取實(shí)驗(yàn)場地的多光譜航拍數(shù)據(jù)。對(duì)航拍數(shù)據(jù)進(jìn)行預(yù)處理，建立三維模型，生成數(shù)字表面模型和各種反射率影像，通過機(jī)器學(xué)習(xí)模型計(jì)算森林蓄積量。實(shí)驗(yàn)步驟：實(shí)驗(yàn)數(shù)據(jù)獲?。豪脽o人機(jī)在飛行高度268米。影像分辨率為5cm，獲取實(shí)驗(yàn)區(qū)的多光譜遙感數(shù)據(jù)。實(shí)驗(yàn)數(shù)據(jù)預(yù)處理：利用ENVI軟件對(duì)多光譜遙感圖像進(jìn)行預(yù)處理，得到光譜信息，植被指數(shù)和紋理因子。其中光譜信息包括藍(lán)光波段、綠光波段、紅光波段和近紅外波段；植被指數(shù)主要為比值植被指數(shù)、差值植被指數(shù)、歸一化植被指數(shù)、增強(qiáng)型植被指數(shù)和土壤調(diào)節(jié)植被指數(shù)；紋理因子選取常用的8個(gè)，即均值、協(xié)同性、方差、相關(guān)性、二階矩、相異性、熵、和對(duì)比度。篩選遙感因子：通過SPSS20.0軟件，分析森林蓄積量與遙感因子的相關(guān)系數(shù)，利用方差擴(kuò)大因子法逐步對(duì)遙感因子進(jìn)行篩選，利用方差擴(kuò)大因子法逐步對(duì)遙感因子進(jìn)行篩選，尋求影響蓄積量估測的主要變量，消除自變量之間的共線性問題。只選擇相關(guān)系數(shù)絕對(duì)值大魚0.1的因子，剔除沒有直接關(guān)系的遙感因子，最終留下8種森林蓄積量建模因子。構(gòu)建偏最小二乘回歸模型：對(duì)樣本進(jìn)行標(biāo)準(zhǔn)化之后，使用偏最小二乘回歸構(gòu)建模型。模型構(gòu)建分為三步：首先，對(duì)遙感因子進(jìn)行主成分分析；其次，根據(jù)主成分的均方根估測誤差進(jìn)行分析，建立含主成分的模型；最后，根據(jù)建立的主成分模型還原為具有遙感因子具有解釋意義的偏最小二乘回歸。多元逐步回歸模型的構(gòu)建：因?yàn)槎嘣鸩交貧w的基本原理，需要減少自變量來減少計(jì)算量，通過多次多元逐步回歸擬合，選擇最好的特征變量進(jìn)入回歸方程。隨機(jī)森林模型的構(gòu)建：使用處理后的無量綱數(shù)據(jù)，選擇參與建模的影響力較高的遙感因子。選取影響森林蓄積量較大的十種特征變量，：NDVI、DVI、Band2、DI3、CO1、EN2、SM2、En3、VA4、EN3、DVI、ME1構(gòu)建隨機(jī)森林模型。精度分析：通過對(duì)三種模型的決定系數(shù)，均方根誤差和估測精度，檢驗(yàn)結(jié)果散點(diǎn)圖。通過分析三種模型估測方程，得出擬合效果最好的模型，即偏最小二乘回歸模型。反演森林蓄積量：利用ENVI將擬合效果最好的模型，偏最小二乘回歸模型應(yīng)用于整個(gè)實(shí)