基于Landsat 8卫星光谱与纹理信息的森林蓄积量估算

王月婷; 张晓丽; 杨慧乔; 王书涵; 白金婷

doi:10.11833/j.issn.2095-0756.2015.03.008

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Landsat 8卫星光谱与纹理信息的森林蓄积量估算

王月婷 , 张晓丽 , 杨慧乔 , 王书涵 , 白金婷

文章导航 > 浙江农林大学学报 > 2015 > 32(3): 384-391

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[J]. 浙江农林大学学报, 2015, 32(3): 384-391. doi: 10.11833/j.issn.2095-0756.2015.03.008

引用本文:

WANG Yueting, ZHANG Xiaoli, YANG Huiqiao, WANG Shuhan, BAI Jinting. Forest volume estimation based on spectral and textural information from the Landsat 8 satellite[J]. Journal of Zhejiang A&F University, 2015, 32(3): 384-391. doi: 10.11833/j.issn.2095-0756.2015.03.008

Citation:

WANG Yueting, ZHANG Xiaoli, YANG Huiqiao, WANG Shuhan, BAI Jinting. Forest volume estimation based on spectral and textural information from the Landsat 8 satellite[J]. Journal of Zhejiang A&F University, 2015, 32(3): 384-391. doi: 10.11833/j.issn.2095-0756.2015.03.008

基于Landsat 8卫星光谱与纹理信息的森林蓄积量估算

doi: 10.11833/j.issn.2095-0756.2015.03.008

1.
北京林业大学省部共建森林培育与保护教育部重点实验室，北京 100083;
2.
北京林业大学林学院，北京 100083

基金项目:

国家高技术研究发展计划（863计划）项目（2012AA102001）

详细信息

作者简介: 王月婷，从事“3S”技术在资源环境中的应用。

通信作者: 张晓丽，教授，博士生导师，从事林业遥感与信息系统等方面研究。

中图分类号: S758.4

Forest volume estimation based on spectral and textural information from the Landsat 8 satellite

1.
Key Laboratory for Silviculture and Conservation of Ministry of Education, Beijing Forestry University, Beijing 100083, China;
2.
Forestry College, Beijing Forestry University, Beijing 100083, China

摘要: 以福建省将乐县国有林场为研究对象，通过外业实地调查得到样地蓄积量：以Landsat 8卫星遥感图像为数据源，对遥感图像进行处理，获取多光谱影像的波段光谱值、植被指数和波段组合值，并筛选出全色波段的最优纹理生成窗口与纹理特征；通过多元回归分析方法，分别建立仅以光谱因子为自变量和结合光谱信息和纹理特征的蓄积量估测模型，并比较两者之间的精度。实验结果表明：光谱因子的多元线性回归方程的相关系数为0.853，联合光谱和纹理特征因子反演的多元回归方程的相关系数为0.926。同时利用检验数据，得出模型的预测精度：光谱因子蓄积量的估算方程精度为79.81%，联合反演蓄积量的估算方程精度为85.98%。研究表明：引入纹理特征后蓄积量的预测精度得到一定程度的提高，利用Landsat 8全色波段的纹理特征进行蓄积量估测具有良好的应用前景。图3表6参22
- 森林测计学 /
- 蓄积量 /
- Landsat 8 /
- 波段光谱 /
- 纹理信息 /
- 估测模型
Abstract: On the Jiangle State Forest Farm of Fujian Province forest volume was obtained by field investigation and by Landsat 8 observations that utilized band spectral values, vegetation indexes, derivatives of bands, and optimal textural measurements derived from the panchromatic band using varied window sizes. Through multiple regression analysis, volume estimation models were produced with independent variables of 1） only spectral factors and 2） combined spectral factors and textural volume. Then, validation was conducted using field survey data to test and compare model prediction accuracy. Experimental results showed R2 = 0.727 6 for the spectrally based volume estimation model and R2 = 0.857 5 for the combined model. Model prediction accuracy was 79.8% for the single spectral based volume estimation model and 86.0% for the combined model. Therefore, the improved prediction accuracy using textural information from the panchromatic band with images of Landsat 8 for forest volume estimation and application of this procedure should be considered when determining forest volume.［Ch, 3 fig. 6 tab. 22 ref.］
- forest mensuration /
- forest volume /
- Landsat 8 images /
- band spectra /
- texture information /
- estimation models

[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]	朱赞, 袁希平, 甘淑, 张良洁, 赵庆会. 高分1号数据用于云南文山三七种植信息提取 . 浙江农林大学学报, 2020, 37(1): 129-135. doi: 10.11833/j.issn.2095-0756.2020.01.017
[3]	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
[4]	谢巧雅, 余坤勇, 邓洋波, 刘健, 范华栋, 林同舟. 杉木人工林冠层高度无人机遥感估测 . 浙江农林大学学报, 2019, 36(2): 335-342. doi: 10.11833/j.issn.2095-0756.2019.02.015
[5]	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
[6]	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
[7]	罗恒春, 张超, 魏安超, 张一, 黄田, 余哲修. 云南松林分平均胸径生长模型及模型参数环境解释 . 浙江农林大学学报, 2018, 35(6): 1079-1087. doi: 10.11833/j.issn.2095-0756.2018.06.011
[8]	陶江玥, 刘丽娟, 庞勇, 李登秋, 冯云云, 王雪, 丁友丽, 彭琼, 肖文惠. 基于机载激光雷达和高光谱数据的树种识别方法 . 浙江农林大学学报, 2018, 35(2): 314-323. doi: 10.11833/j.issn.2095-0756.2018.02.016
[9]	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
[10]	梁文海, 刘吉凯, 张伟, 李新伟, 钟仕全. 基于面向对象方法的GF-2影像桉树林信息提取 . 浙江农林大学学报, 2017, 34(4): 721-729. doi: 10.11833/j.issn.2095-0756.2017.04.019
[11]	王书涵, 张晓丽, 朱程浩, 瞿帅. 基于光谱局部最大值滤波的林分密度估计 . 浙江农林大学学报, 2017, 34(3): 413-420. doi: 10.11833/j.issn.2095-0756.2017.03.005
[12]	赵匡记, 纪福利, 刘延文, 刘晓兰, 贾忠奎, 马履一. 华北落叶松林分生长对间伐和修枝的响应 . 浙江农林大学学报, 2016, 33(4): 581-588. doi: 10.11833/j.issn.2095-0756.2016.04.005
[13]	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
[14]	蒋云姣, 韩轶群, 李明阳, 王艺晓. 紫金山乔木多样性遥感估测及空间分布 . 浙江农林大学学报, 2015, 32(4): 509-515. doi: 10.11833/j.issn.2095-0756.2015.04.003
[15]	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
[16]	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
[17]	张倩倩, 陈健, 江洪, 唐敏忠. 结合纹理信息Hyperion高光谱影像分类 . 浙江农林大学学报, 2013, 30(6): 880-886. doi: 10.11833/j.issn.2095-0756.2013.06.012
[18]	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
[19]	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 . 浙江农林大学学报, 2012, 29(5): 667-670. doi: 10.11833/j.issn.2095-0756.2012.05.005
[20]	李晓宏, 高甲荣, 张金瑞, 杨麒麟. 密云水库油松人工林的林分密度与生长因子 . 浙江农林大学学报, 2010, 27(6): 821-825. doi: 10.11833/j.issn.2095-0756.2010.06.003

链接本文:
https://zlxb.zafu.edu.cn/article/doi/10.11833/j.issn.2095-0756.2015.03.008

https://zlxb.zafu.edu.cn/article/zjnldxxb/2015/3/384

点击查看大图

计量

文章访问数: 2977
HTML全文浏览量: 548
PDF下载量: 679
被引次数: 0

基于Landsat 8卫星光谱与纹理信息的森林蓄积量估算

doi: 10.11833/j.issn.2095-0756.2015.03.008

1. 北京林业大学省部共建森林培育与保护教育部重点实验室，北京 100083;

2. 北京林业大学林学院，北京 100083

基金项目:

国家高技术研究发展计划（863计划）项目（2012AA102001）

作者简介:
王月婷，从事“3S”技术在资源环境中的应用。

通信作者: 张晓丽，教授，博士生导师，从事林业遥感与信息系统等方面研究。

收稿日期: 2014-07-17
修回日期: 2014-11-03
刊出日期: 2015-06-20

中图分类号: S758.4

关键词:

摘要: 以福建省将乐县国有林场为研究对象，通过外业实地调查得到样地蓄积量：以Landsat 8卫星遥感图像为数据源，对遥感图像进行处理，获取多光谱影像的波段光谱值、植被指数和波段组合值，并筛选出全色波段的最优纹理生成窗口与纹理特征；通过多元回归分析方法，分别建立仅以光谱因子为自变量和结合光谱信息和纹理特征的蓄积量估测模型，并比较两者之间的精度。实验结果表明：光谱因子的多元线性回归方程的相关系数为0.853，联合光谱和纹理特征因子反演的多元回归方程的相关系数为0.926。同时利用检验数据，得出模型的预测精度：光谱因子蓄积量的估算方程精度为79.81%，联合反演蓄积量的估算方程精度为85.98%。研究表明：引入纹理特征后蓄积量的预测精度得到一定程度的提高，利用Landsat 8全色波段的纹理特征进行蓄积量估测具有良好的应用前景。图3表6参22

English Abstract

Forest volume estimation based on spectral and textural information from the Landsat 8 satellite

1. Key Laboratory for Silviculture and Conservation of Ministry of Education, Beijing Forestry University, Beijing 100083, China;

2. Forestry College, Beijing Forestry University, Beijing 100083, China

Received Date: 2014-07-17
Rev Recd Date: 2014-11-03
Publish Date: 2015-06-20

Keywords:

Abstract: On the Jiangle State Forest Farm of Fujian Province forest volume was obtained by field investigation and by Landsat 8 observations that utilized band spectral values, vegetation indexes, derivatives of bands, and optimal textural measurements derived from the panchromatic band using varied window sizes. Through multiple regression analysis, volume estimation models were produced with independent variables of 1） only spectral factors and 2） combined spectral factors and textural volume. Then, validation was conducted using field survey data to test and compare model prediction accuracy. Experimental results showed R2 = 0.727 6 for the spectrally based volume estimation model and R2 = 0.857 5 for the combined model. Model prediction accuracy was 79.8% for the single spectral based volume estimation model and 86.0% for the combined model. Therefore, the improved prediction accuracy using textural information from the panchromatic band with images of Landsat 8 for forest volume estimation and application of this procedure should be considered when determining forest volume.［Ch, 3 fig. 6 tab. 22 ref.］

引用本文: