基于Landsat 8遥感影像的地上生物量模型反演研究

以吉林省延边朝鲜族自治州汪清县的主要针叶纯林树种为研究对象,结合Landsat 8 OLI数据和地面调查数据,通过提取半径为15 m圆形样地林分尺度下的遥感特征变量实现对地上生物量的估算.首先提取128块样地内的34个遥感特征,其次采用随机森林特征重要性分析遥感特征的贡献率,再利用BP神经网络算法的2种训练算法、SVM支持向量机的3种核函数构建地上生物量模型,最后利用32个测试样本评价模型的估算精度.结果表明,B P神经网络的L-M训练算法和贝叶斯正则化训练算法的R2分别为0.6029、0.6721,RM SE分别为5.0969、4.2637,M AE分别为4.1669、3.2118;SVM支持向量机的线性核函数、RBF核函数、多项式核函数的R2分别为0.5858、0.5619、0.4877,RMSE分别为5.8594、5.6009、5.7637,MAE分别为4.24、3.89、4.176.以贝叶斯正则化训练算法构建地上生物量模型的估测精度最佳;B P神经网络算法比SVM向量机更适用于本研究;同一种机器学习算法不同的训练函数存在差异性.