利用ALOS PALSAR双极化数据估测山区森林蓄积量模型

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

利用ALOS PALSAR双极化数据估测山区森林蓄积量模型

王晓宁 , 徐天蜀 , 李毅

文章导航 > 浙江农林大学学报 > 2012 > 29(5): 667-670

王晓宁, 徐天蜀, 李毅. 利用ALOS PALSAR双极化数据估测山区森林蓄积量模型[J]. 浙江农林大学学报, 2012, 29(5): 667-670. DOI: 10.11833/j.issn.2095-0756.2012.05.005

引用本文:

王晓宁, 徐天蜀, 李毅. 利用ALOS PALSAR双极化数据估测山区森林蓄积量模型[J]. 浙江农林大学学报, 2012, 29(5): 667-670. DOI: 10.11833/j.issn.2095-0756.2012.05.005

WANG Xiao-ning, XU Tian-shu, LI Yi. Estimating forest volume in hilly regions with the ALOS PALSAR model’s dual polarization data[J]. Journal of Zhejiang A&F University, 2012, 29(5): 667-670. DOI: 10.11833/j.issn.2095-0756.2012.05.005

Citation:

WANG Xiao-ning, XU Tian-shu, LI Yi. Estimating forest volume in hilly regions with the ALOS PALSAR model’s dual polarization data[J]. Journal of Zhejiang A&F University, 2012, 29(5): 667-670. DOI: 10.11833/j.issn.2095-0756.2012.05.005

利用ALOS PALSAR双极化数据估测山区森林蓄积量模型

DOI: 10.11833/j.issn.2095-0756.2012.05.005

1.
西南林业大学林学院，云南昆明 650224

通信作者: 徐天蜀

Estimating forest volume in hilly regions with the ALOS PALSAR model’s dual polarization data

1.
College of Forestry，Southwest Forestry University，Kunming 650224，Yunnan，China

More Information

Corresponding author: XU Tian-shu

摘要: 合成孔径雷达（SAR）技术以其独特的成像机制及其全天候、全天时成像能力，在森林生物量估测方面发挥着越来越重要的作用。利用野外实测数据分析了ALOS PALSAR双极化数据后向散射系数（HH0，HV0，HV/HH0）与云南山区松林蓄积量的关系，并分别构建简单线性、自然指数和加入地理因子的多元回归模型。研究结果表明：极化比值（HV/HH0）与蓄积量的相关系数（r=－0.407）比任何单极化（HH0和HV0分别为0.204和－0.242）都要高，加入地理因子的多元回归模型在森林蓄积量估算中有较好的精度。图3表2参12
- 森林测计学 /
- ALOS PALSAR /
- 森林蓄积量 /
- 地理因子
Abstract: Synthetic Aperture Radar （SAR），having a particular imaging mechanism that can acquire data at any time，has become more and more important for estimating forest biomass. In this research，based on field survey data，correlations between ALOS PALSAR dual polarization data backscattering coefficients （HH0，HV0 and V/HH0）and Yunnan pine forest volume from hilly regions were analyzed. A simple linear model，an exponential model，and a multiple regression model with terrain factors were developed. Results showed that correlation of the polarization ratio （V/HH0） to forest volume （r = －0.407） was higher than any single polarization （HH0 with r = 0.204 and HV0 with r = －0.242）. Also，the multiple regression model with terrain factors was with highest accuracy.［Ch，3 fig. 2 tab. 12 ref.］
- forest mensuration /
- ALOS PALSAR /
- forest volume /
- geographical factors

[1]	邓再春, 张超, 朱夏力, 范金明, 钱慧, 李成荣. 基于无人机多光谱影像的云南松林蓄积量估测模型 . 浙江农林大学学报, 2024, 41(1): 49-56. doi: 10.11833/j.issn.2095-0756.20230263
[2]	兰洁, 肖中琪, 李吉玫, 张毓涛. 天山雪岭云杉生物量分配格局及异速生长模型 . 浙江农林大学学报, 2020, 37(3): 416-423. doi: 10.11833/j.issn.2095-0756.20190384
[3]	申家朋, 陈东升, 孙晓梅, 张守攻. 基于似乎不相关回归和哑变量的日本落叶松单木生物量模型构建 . 浙江农林大学学报, 2019, 36(5): 877-885. doi: 10.11833/j.issn.2095-0756.2019.05.005
[4]	谢福明, 字李, 舒清态. 基于优化k-NN模型的高山松地上生物量遥感估测 . 浙江农林大学学报, 2019, 36(3): 515-523. doi: 10.11833/j.issn.2095-0756.2019.03.012
[5]	王兰芳, 韦新良, 汤孟平. 浙江省杉木林生产力地理分异特性 . 浙江农林大学学报, 2019, 36(6): 1107-1114. doi: 10.11833/j.issn.2095-0756.2019.06.007
[6]	周静平, 李存军, 胡海棠, 陶欢, 彭代亮, 谢春春, 葛艳. 森林植被遥感监测影像最佳分辨率选择 . 浙江农林大学学报, 2018, 35(4): 716-723. doi: 10.11833/j.issn.2095-0756.2018.04.017
[7]	王海宾, 彭道黎, 高秀会, 李文芳. 基于GF-1 PMS影像和k-NN方法的延庆区森林蓄积量估测 . 浙江农林大学学报, 2018, 35(6): 1070-1078. doi: 10.11833/j.issn.2095-0756.2018.06.010
[8]	吕常笑, 邓华锋, 王少杰, 陈振雄, 王雪军. 马尾松不同区域相容性立木材积和地上生物量模型 . 浙江农林大学学报, 2016, 33(5): 790-797. doi: 10.11833/j.issn.2095-0756.2016.05.010
[9]	董心玉, 范文义, 田甜. 基于面向对象的资源3号遥感影像森林分类研究 . 浙江农林大学学报, 2016, 33(5): 816-825. doi: 10.11833/j.issn.2095-0756.2016.05.013
[10]	姚智, 张晓丽. 基于WebGIS平台的森林郁闭度遥感反演信息系统研建 . 浙江农林大学学报, 2015, 32(3): 392-398. doi: 10.11833/j.issn.2095-0756.2015.03.009
[11]	王月婷, 张晓丽, 杨慧乔, 王书涵, 白金婷. 基于Landsat 8卫星光谱与纹理信息的森林蓄积量估算 . 浙江农林大学学报, 2015, 32(3): 384-391. doi: 10.11833/j.issn.2095-0756.2015.03.008
[12]	邓静, 陈宇拓. 利用增长量分配模型的杉木林分生长预测建模 . 浙江农林大学学报, 2014, 31(6): 898-904. doi: 10.11833/j.issn.2095-0756.2014.06.011
[13]	商珍珍, 周国模, 杜华强. 毛竹林地上生物量与胸径的分形关系 . 浙江农林大学学报, 2013, 30(3): 319-324. doi: 10.11833/j.issn.2095-0756.2013.03.002
[14]	吴兆艳, 汤孟平. 基于SketchUp与GIS的森林景观可视化实现 . 浙江农林大学学报, 2012, 29(3): 352-358.
[15]	季碧勇, 陶吉兴, 张国江, 杜群, 姚鸿文, 徐军. 高精度保证下的浙江省森林植被生物量评估 . 浙江农林大学学报, 2012, 29(3): 328-334. doi: 10.11833/j.issn.2095-0756.2012.03.002
[16]	张国江, 季碧勇, 王文武, 方炎杰, 李佐晖. 设区市森林资源市县联动监测体系研究 . 浙江农林大学学报, 2011, 28(1): 46-51. doi: 10.11833/j.issn.2095-0756.2011.01.008
[17]	王祖华, 蔡良良, 关庆伟, 蔡霞. 淳安县森林生态系统服务价值评估 . 浙江农林大学学报, 2010, 27(5): 757-761. doi: 10.11833/j.issn.2095-0756.2010.05.019
[18]	李亦秋, 仲科. 山东省森林资源动态变化的非等间距灰色预测 . 浙江农林大学学报, 2009, 26(1): 7-12.
[19]	徐文兵, 高飞, 杜华强. 几种测量方法在森林资源调查中的应用与精度分析 . 浙江农林大学学报, 2009, 26(1): 132-136.
[20]	夏伟伟, 韩海荣, 伊力塔, 程小琴. 庞泉沟国家级自然保护区森林景观格局动态 . 浙江农林大学学报, 2008, 25(6): 723-727.

链接本文:
https://zlxb.zafu.edu.cn/article/doi/10.11833/j.issn.2095-0756.2012.05.005

https://zlxb.zafu.edu.cn/article/zjnldxxb/2012/5/667

WeChat

点击查看大图

计量

文章访问数: 3629
HTML全文浏览量: 302
PDF下载量: 1401
被引次数: 0

利用ALOS PALSAR双极化数据估测山区森林蓄积量模型

doi: 10.11833/j.issn.2095-0756.2012.05.005

1. 西南林业大学林学院，云南昆明 650224

通信作者: 徐天蜀

收稿日期: 2011-10-12
修回日期: 2012-01-12
刊出日期: 2012-10-20

关键词:

摘要: 合成孔径雷达（SAR）技术以其独特的成像机制及其全天候、全天时成像能力，在森林生物量估测方面发挥着越来越重要的作用。利用野外实测数据分析了ALOS PALSAR双极化数据后向散射系数（HH0，HV0，HV/HH0）与云南山区松林蓄积量的关系，并分别构建简单线性、自然指数和加入地理因子的多元回归模型。研究结果表明：极化比值（HV/HH0）与蓄积量的相关系数（r=－0.407）比任何单极化（HH0和HV0分别为0.204和－0.242）都要高，加入地理因子的多元回归模型在森林蓄积量估算中有较好的精度。图3表2参12

English Abstract

王晓宁, 徐天蜀, 李毅. 利用ALOS PALSAR双极化数据估测山区森林蓄积量模型[J]. 浙江农林大学学报, 2012, 29(5): 667-670. DOI: 10.11833/j.issn.2095-0756.2012.05.005

引用本文:

王晓宁, 徐天蜀, 李毅. 利用ALOS PALSAR双极化数据估测山区森林蓄积量模型[J]. 浙江农林大学学报, 2012, 29(5): 667-670. DOI: 10.11833/j.issn.2095-0756.2012.05.005

WANG Xiao-ning, XU Tian-shu, LI Yi. Estimating forest volume in hilly regions with the ALOS PALSAR model’s dual polarization data[J]. Journal of Zhejiang A&F University, 2012, 29(5): 667-670. DOI: 10.11833/j.issn.2095-0756.2012.05.005

Citation:

WANG Xiao-ning, XU Tian-shu, LI Yi. Estimating forest volume in hilly regions with the ALOS PALSAR model’s dual polarization data[J]. Journal of Zhejiang A&F University, 2012, 29(5): 667-670. DOI: 10.11833/j.issn.2095-0756.2012.05.005

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回