基于TM影像纹理与光谱特征和KNN方法估算5种红树林群落生物量

曹庆先; 徐大平; 鞠洪波

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于TM影像纹理与光谱特征和KNN方法估算5种红树林群落生物量

曹庆先 , 徐大平 , 鞠洪波

文章导航 > 林业科学研究 > 2011 > 24(2): 144-150

引用本文:

Citation:

基于TM影像纹理与光谱特征和KNN方法估算5种红树林群落生物量

1.
广西红树林研究中心,广西红树林保护重点实验室,广西北海 536000
2.
中国林业科学研究院热带林业研究所,广东广州 510520
3.
中国林业科学研究院资源信息研究所,北京 100091
基金项目:
广西科学院专项"基于遥感影像的红树林生物量、碳贮量的研究"(08YJ16HS01);广西科学基金项目(桂科基0575025)
中图分类号: S771.8

Biomass Estimation of Five Kinds of Mangrove Community with the KNN Method Based on the Spectral Information and Textural Features of TM Images

1.
Guangxi Mangrove Research Center, Guangxi Key Lab for Mangrove Conservation, Beihai 536000, Guangxi, China
2.
Research Institute of Tropical Forestry, Chinese Academy of Forestry, Guangzhou 510520, Guangdong, China
3.
Research Institute of Forest Resource Information Techniques, Chinese Academy of Forestry, Beijing 100091, China
CLC number: S771.8

摘要: 为研究红树林生物量的遥感估算方法,本文提取广西和海南部分红树林TM遥感影像光谱及纹理特征,结合同地区地面调查的生物量数据,应用KNN方法,对生物量进行了遥感估算,并和多元逐步回归分析方法比较。研究表明:应用KNN方法估测精度随尺度的增大而增大,且K值取10优于K值取5;在像元尺度上,回归方法估测生物量优于KNN方法。
- 纹理
- / KNN
- / 生物量估算
- / 均方根误差
- / 平均误差
- / 预估计精度
Abstract: In order to research the biomass of mangrove based on remote sensing, the biomass of mangrove with the method of KNN was estimated by extracting spectral information and textural features from TM images, combining the field survey biomass data and compared with that of multiple regression analysis. The results showed that with KNN method, the accuracy increased with the extension of the scale, and K=10 was better than K=5 in the accuracy. Estimating biomass of mangrove in the pixel scale, the multiple regression analysis was better than that by using KNN method.
- texture
- / KNN
- / biomass estimating
- / root-mean-square error
- / mean error
- / predication estimation accuracy

[1]	范航清.红树林一海岸环保卫士[M].广西:广西科技出版社,2000
[2]	Rosenfeld A, Kak A. Digital Picture Processing (2nd edition)[M].Washington: Academic Press, 1982
[3]	Lee J, Philpot W. Spectral textures pattern matching : A classifier for digital imagery[J]. IEEE Trans actions on Geosciences and Remote Sensing,1991,29:545-548
[4]	Dengsheng Lu. Estimation of Forest Stand Parameters Using Landsat TM Images in the Brazilian Amazon Basin . International Symposium on Remote Sensing of Environment: Information for Risk Management and Sustainable Development; 2003-11-10-14; Honolulu, HI; US
[5]	李明诗,谭莹,潘洁.结合光谱、纹理及地形特征的森林生物量建模研究[J].遥感信息, 2006(6):6-9
[6]	Haralick R M. Statistical and Structural Approaches to Texture[J].Proceeding of the IEEE,1979,67:786-804
[7]	Killki P,Paivinen R.Reference sample plots to combine field measurements and satellite data in forest inventory // SNS and Taksaattoriklubi, Remote Sensing-Aidec Forest Inventory. Hyytiala, Finland,1987:209-212
[8]	Muinonen E, Tokola T. An application of remote sensing for communal forest inventory //SNS/IUFRO Workshop. The Usability of Remote Sensing for Forest Inventory and Planning, Umea, 1990:35-42
[9]	Tokola T, Pitkanen J, Partien J, et al. Point accuracy of a non-parametric method in estimation of forest characteristics with different satellite materials[J]. J Rem Sensing,1996,17:2333-2351
[10]	Isaaks E H, Srivastava R M. Applied Geostatistics[M]. London,Oxford University Press,1989
[11]	Fazakas Z, Nillsson M, Olsson H. Regional forest biomass and wood volume estimation using satellite data and ancillary data[J]. Agriculture and Forest Meteorology,1999,98-99:417-425
[12]	温远光. 广西英罗港5种红树植物群落的生物量和生产力[J].广西科学,1999,6 (2):142-147
[13]	方红亮,张健挺,刘卫国.ERDAS遥感图像处理教程[M].北京:中国科学院地理研究所资源环境信息系统国家重点实验室,1998
[14]	徐新良,曹明奎. 森林生物量遥感估算与应用分析[J].地球信息科学,2006, 8(4):122-128
[15]	陈尔学,李增元,武红敢.基于K-NN和Landsat 数据的小面积统计单元森林蓄积估测方法[J].林业科学研究,2008,21(6):745-750
[16]	Nilsson M.Simultaneous estimation of forest variables using Landsat TM data . Stockholm, Swedish University of Agriculutural Sciences, 1997

[1]	吴谦 , 张怀清 , 陈永富 . 基于生长规律与图像相结合的树木叶片动态模拟. 林业科学研究, 2008, 21(Z1): 122-125.
[2]	曾伟生 , 唐守正 . 利用度量误差模型方法建立相容性立木生物量方程系统. 林业科学研究, 2010, 23(6): 797-803.
[3]	王琒瑜 , 李希菲 . 密度—直径关系研究中变量变换形式的选择和变量误差矩阵的估计. 林业科学研究, 1996, 9(6): 568-572.
[4]	张会儒 , 唐守正 , 王奉瑜 . 与材积兼容的生物量模型的建立及其估计方法研究. 林业科学研究, 1999, 12(1): 53-59.
[5]	张守攻 . 单木生长模型边缘误差的传播规律*. 林业科学研究, 1994, 7(1): 1-6.
[6]	尹惠妍 , 李海奎 . 基于蓄积的森林生物量估算方法的对比分析. 林业科学研究, 2014, 27(6): 848-853.
[7]	张连金 , 曾伟生 , 唐守正 . 带截距的非线性方程与分段建模方法对立木生物量估计的比较. 林业科学研究, 2011, 24(4): 453-457.
[8]	张会儒 , 唐守正 , 胥辉 . 树干平均密度的估计方法研究. 林业科学研究, 1998, 11(1): 58-62.
[9]	曾伟生 , 陈新云 , 蒲莹 , 杨学云 . 基于国家森林资源清查数据的不同生物量和碳储量估计方法的对比分析. 林业科学研究, 2018, 31(1): 66-71. doi: 10.13275/j.cnki.lykxyj.2018.01.008
[10]	廖宝文 , 郑德璋 , 郑松发 . 海桑林生物量的研究*. 林业科学研究, 1990, 3(1): 47-54.
[11]	陆新育 , 陈绍信 , 李淼泉 , 常显明 . 泡桐生物量的研究*. 林业科学研究, 1990, 3(5): 422-426.
[12]	李晓峰 , 张树清 , 那晓东 , 于欢 , 孔博 , 刘春悦 . 利用Contour let域纹理特征在高分辨率遥感影像上提取林地边界. 林业科学研究, 2008, 21(Z1): 142-145.
[13]	陈章水 , 方奇 . 新疆杨元素含量与生物量研究. 林业科学研究, 1988, 1(5): 535-540.
[14]	廖宝文 , 郑德璋 , 郑松发 , 陈步峰 . 木榄林生物量的灰色动态预测. 林业科学研究, 1991, 4(4): 360-367.
[15]	周国模 , 吴家胜 , 应叶青 , 姚建祥 . 喜树种源苗期生物量研究. 林业科学研究, 1999, 12(4): 386-391.
[16]	姜慧泉 , 张会儒 , 徐海生 , 陈新美 , 刘奉强 . 一种新的估计林分算术平均高抽样方法的验证与应用. 林业科学研究, 2010, 23(5): 703-707.
[17]	黄金金 , 刘晓彤 , 张逸如 , 李海奎 . 广东省针叶树种蓄积量和生物量生长模型研究. 林业科学研究, 2022, 35(3): 93-102. doi: 10.13275/j.cnki.lykxyj.2022.03.011
[18]	唐守正 , 李希菲 . 用全林整体模型计算林分纯生长量的方法及精度分析*. 林业科学研究, 1995, 8(5): 471-476.
[19]	丁贵杰 , 王鹏程 . 马尾松人工林生物量及生产力变化规律研究Ⅱ.不同林龄生物量及生产力. 林业科学研究, 2002, 15(1): 47-53.
[20]	杨迪蝶 , 黄启民 . 毛竹实生苗生物量及光合速率的研究. 林业科学研究, 1990, 3(5): 461-465.

点击查看大图

计量

文章访问数: 3551
HTML全文浏览量: 293
PDF下载量: 1595
被引次数: 0

基于TM影像纹理与光谱特征和KNN方法估算5种红树林群落生物量

1. 广西红树林研究中心,广西红树林保护重点实验室,广西北海 536000
2. 中国林业科学研究院热带林业研究所,广东广州 510520
3. 中国林业科学研究院资源信息研究所,北京 100091

收稿日期: 2010-03-31

基金项目: 广西科学院专项"基于遥感影像的红树林生物量、碳贮量的研究"(08YJ16HS01);广西科学基金项目(桂科基0575025)

关键词:

摘要: 为研究红树林生物量的遥感估算方法,本文提取广西和海南部分红树林TM遥感影像光谱及纹理特征,结合同地区地面调查的生物量数据,应用KNN方法,对生物量进行了遥感估算,并和多元逐步回归分析方法比较。研究表明:应用KNN方法估测精度随尺度的增大而增大,且K值取10优于K值取5;在像元尺度上,回归方法估测生物量优于KNN方法。