利用中国东北和西南对比森林的新森林清查样地比较基于遥感的森林生物量制图方法
计算机视觉与模式识别
2024-05-27 v1 机器学习
图像与视频处理
摘要
大尺度高空间分辨率地上生物量（AGB）地图在确定森林碳储量及其变化中起关键作用，有助于理解全球碳循环和实施减缓气候变化的政策。新型星载激光雷达传感器NASA的GEDI仪器为高分辨率下准确无偏估计森林AGB提供了前所未有的可能性，特别是在合成孔径雷达（SAR）和被动光学数据饱和的茂密高大森林中。然而，GEDI是一种采样仪器，收集分散的足迹，其数据必须与其他连续覆盖卫星的数据结合，使用局部机器学习方法创建高分辨率地图。在本研究中，我们开发了从GEDI L2A数据估计森林AGB的局部模型，因为用于创建GEDI L4 AGB数据的模型包含来自中国的实地数据极少。然后我们应用LightGBM和随机森林回归，利用大量GEDI足迹以及Sentinel-1数据、ALOS-2 PALSAR-2和Sentinel-2光学数据，生成25米分辨率的全覆盖AGB地图。通过5折交叉验证，LightGBM在两个对比区域的表现略优于随机森林。然而，在两个区域，LightGBM的计算速度明显快于随机森林模型，在相同硬件上所需时间约为三分之一。通过与实地数据验证，使用本研究开发的局部模型生成的25米分辨率AGB地图比GEDI L4B AGB数据具有更高的精度。我们发现两个区域的误差随坡度增加而增加。训练好的模型在附近但不同的区域进行了测试，表现出良好的性能。
引用
@article{arxiv.2405.15438,
title = {Comparing remote sensing-based forest biomass mapping approaches using new forest inventory plots in contrasting forests in northeastern and southwestern China},
author = {Wenquan Dong and Edward T. A. Mitchard and Yuwei Chen and Man Chen and Congfeng Cao and Peilun Hu and Cong Xu and Steven Hancock},
journal= {arXiv preprint arXiv:2405.15438},
year = {2024}
}