Estimation of forest aboveground biomass from HJ1B imagery using a canopy reflectance model and a forest growth model
Estimation of forest aboveground biomass from HJ1B imagery using a canopy reflectance model and a forest growth model
复制标题
使用冠层反射率模型和森林生长模型根据 HJ1B 图像估算森林地上生物量
DOI：
10.1080/10106049.2016.1232438
复制
发表时间：
2018-02
影响因子：
3.8
通讯作者：
Tianhua Hu
中科院分区：
文献类型：
--
作者：
Yige Guo;Jie He;Lingtong Du;Tianhua Hu
摘要森林地上生物量是全球碳循环的重要组成部分，准确估算其空间分布具有重要意义。提出了基于森林生长模型、多前向模式（MFM）方法和随机梯度提升（SGB）模型的森林AGB获取方法。Li-Strahler几何光学冠层反射率模型（GOMS）与ZELIG森林生长模型运行使用HJ 1B影像推导森林AGB。利用GOMS-ZELIG模拟数据训练SGB模型和AGB估计。GOMS-ZELIG AGB估计进行了评估，24个实地测量数据，并与GOMS-SGB模型和GOMS-MFM生物量预测多光谱HJ 1B数据进行了比较。结果表明，GOMS-MFM模型的估计精度略高于GOMS-SGB模型。GOMS-ZELIG和GOMS-MFM模型在估计干旱和半干旱地区的森林AGB方面要准确得多。
Abstract Accurately estimating the spatial distribution of forest aboveground biomass (AGB) is important because of its carbon budget forms part of the global carbon cycle. This paper presented three methods for obtaining forest AGB based on a forest growth model, a Multiple-Forward-Mode (MFM) method and a stochastic gradient boosting (SGB) model. A Li-Strahler geometric-optical canopy reflectance model (GOMS) with the ZELIG forest growth model was run using HJ1B imagery to derive forest AGB. GOMS-ZELIG simulated data were used to train the SGB model and AGB estimation. The GOMS-ZELIG AGB estimation was evaluated for 24 field-measured data and compared against the GOMS-SGB model and GOMS-MFM biomass predictions from multispectral HJ1B data. The results show that the estimation accuracy of the GOMS-MFM model is slightly higher than that of the GOMS-SGB model. The GOMS-ZELIG and GOMS-MFM models are considerably more accurate at estimating forest AGB in arid and semiarid regions.
登录
查看更多内容
影响因子：
1.3
作者：
D. Lu;M. Batistella;E. Moran
通讯作者：
D. Lu;M. Batistella;E. Moran
DOI：
--
发表时间：
2010
期刊：
Journal of Northwest Forestry University
影响因子：
--
作者：
Liu Bin;L. Jianjun;Ren Jun-hui;DU Cheng-xing
通讯作者：
Liu Bin;L. Jianjun;Ren Jun-hui;DU Cheng-xing
影响因子：
2.3
作者：
Filippi, Anthony M.;Gueneralp, Inci;Randall, Jarom
通讯作者：
Randall, Jarom
影响因子：
4.8
作者：
D. Urban;M. Harmon;Charles B. Halpern
通讯作者：
D. Urban;M. Harmon;Charles B. Halpern
影响因子：
3.7
作者：
R. Hall;R. Skakun;E. Arsenault;B. Case
通讯作者：
R. Hall;R. Skakun;E. Arsenault;B. Case