王宗梅
- 作品数：7 被引量：31H指数：4
- 供职机构：西南林业大学更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：农业科学自动化与计算机技术天文地球更多>>
- 极化干涉SAR森林冠层高反演的地形坡度改正被引量：3
- 2017年
- 极化干涉SAR森林冠层高反演是当前SAR领域研究的热点。经典的森林冠层高反演算法主要基于随机地表二层相干散射模型(Random Volume over Ground,RVo G),该模型在山区受到植被层下地表的地形坡度影响,反演精度存在较大误差。为了提高森林冠层高反演精度,采用地形坡度改正的S-RVo G(Sloped Random Volume over Ground)模型,结合三阶段算法,应用德国宇航局DLR提供的星载Tan DEM-X全极化干涉数据反演森林冠层高,并对结果进行验证。结果表明:坡度级为II、III级,RVo G模型反演效果接近于S-RVo G模型;坡度级为IV级,RVo G模型与二调平均树高的相关关系明显下降,加权相对误差和RMSE增大;S-RVo G模型与二调平均树高保持显著相关关系,反演误差同比小于RVo G模型。因此,S-RVo G模型一定程度上改正了地形坡度造成的误差,提高了森林冠层高反演精度,在坡度大的地区精度提升程度更为明显。
- 刘琦岳彩荣章皖秋王宗梅
- TanDEM-X数据干涉地形信息精度分析被引量：1
- 2017年
- 以德国宇航中心TanDEM-X数据为信息源,采用干涉技术提取植被覆盖区的地形,将相关系数、山脊线与山谷—水系线作为评价指标,对比5种地形数据(数字化DEM、SRTM–DEM、ASTER GDEM、TanDEM-X Monostatic-DEM,TanDEM-X Bistatic-DEM)在地表起伏表达方面的差异。研究结果显示,数字化DEM精度高,但是获取方式费时费力;SRTM-DEM能表现宏观地形,但分辨率低;ASTER GDEM分辨率有所提升,但是对地形的表达精度偏低;TanDEM-X干涉地形数据分辨率高,但是在林区受到森林冠层高度影响,实为数字表面模型,无法提供准确可靠的林下地形信息。
- 刘琦章皖秋岳彩荣王宗梅谈启龙
- 关键词：数字高程模型(DEM)干涉SAR地形信息
- 基于高分辨率遥感影像的森林信息提取方法综述被引量：7
- 2016年
- 传统的森林资源调查需要耗费大量的人力和物力。高分辨率遥感影像由于具有亚米级的空间分辨率,给森林类型的识别和森林数量因子的测量提供了可能。目前应用高分遥感影像提取森林信息的方法越来越多,通过文献调研,分析高分辨率数据在树高、树冠、树种、郁闭度、蓄积量参数方面的提取方法和存在的问题。对基于高分数据的森林信息提取方法及研究发展趋势进行了展望。
- 王宗梅徐天蜀岳彩荣
- 关键词：高分辨率遥感影像树高树种蓄积量
- 基于Hyperion数据的香格里拉森林郁闭度遥感估测研究被引量：7
- 2017年
- 基于Hyperion高光谱数据,采用2种方法进行波段选取,将选择的波段数据进行特征提取变量,采用偏最小二乘法分别对2种方法选择的特征变量建立香格里拉主要树种郁闭度遥感估测模型,并进行精度检验评价。结果表明:基于实测样地郁闭度差异特征分析选择的Hyperion特征波段建立的模型R^2为0.837、估测精度为82.09%,基于遥感影像进行分段主成分分析选择的Hyperion特征波段建立的模型R^2为0.764、估测精度为78.4%,基于样地数据郁闭度变化敏感性分析模型优于基于Hyperion影像的分段主成分分析模型;分段主成分分析法所选出的特征波段虽然包含了较多的波段信息,但是很多为连续波段或者波长较近的波段,波段之间的相关性较高,导致建模精度不如预期。
- 胡振华王丽媛岳彩荣王宗梅
- 关键词：HYPERION数据森林郁闭度主成分分析法偏最小二乘法
- 基于TerraSAR-X和ALOS PALSAR数据的森林蓄积量估测研究——以云南省勐腊县为例
- 2018年
- 基于2014年12月3日获取的X波段Terra SAR-X数据和2008年10月19日获取的L波段ALOS PALSAR数据,引入树种类型为哑变量,采用逐步回归的方法,对云南省勐腊县森林蓄积量进行估测。结果表明,与X波段Terra SAR-X数据相比,基于L波段ALOS PALSAR数据建立的森林蓄积量模型具有更高的决定系数,R^2为0.843,模型估测精度为68.8%,均方根误差RMSE为38.8 m3·hm^(-2),最终结果证明波长较长的L波段ALOS PALSAR数据对森林蓄积量具有更好的估测效果。
- 王宗梅章皖秋岳彩荣刘琦
- 关键词：TERRASAR-X后向散射系数森林蓄积量
- 基于光学和微波遥感数据的森林蓄积量估测模型研究被引量：9
- 2018年
- 【目的】探讨综合光学遥感和微波遥感的多源数据森林蓄积量反演方法。【方法】以L波段ALOS PALSAR全极化数据和Landsat TM为数据源,结合地面调查样地数据,通过ALOS PALSAR提取不同极化状态的后向散射系数和极化比值等极化特征因子,Landsat TM数据提取光学遥感因子,以多元线性回归构建森林蓄积量模型。【结果】光学遥感反演方法、微波遥感反演方法、综合光学遥感和微波遥感的多源数据反演方法均可以实现森林蓄积量估测,其中,基于多源数据协同的反演模型为最优模型,决定系数R^2为0.674,模型检验均方根误差RMSE为13.38 m^3/hm^2。【结论】要比使用一种数据源的反演方法具有明显的优势,有效实现了森林蓄积量估测。
- 王宗梅岳彩荣刘琦胡振华柴凡一
- 关键词：蓄积量估测后向散射系数
- 基于哑变量的高山松蓄积量反演模型研究被引量：5
- 2017年
- 基于Landsat TM和地面实测样地数据,采用传统线性回归和引入哑变量的线性回归两种建模方法构建香格里拉高山松蓄积量反演模型,并对模型进行验证。研究表明,传统一元和多元线性回归模型的相关系数分别为0.280和0.365,引入哑变量的线性回归模型相关系数为0.602;结合实测检验数据,传统一元、多元线性模型和引入哑变量的模型预测精度分别为61.1%,74.9%和80.3%,引入哑变量的高山松森林蓄积量模型反演精度明显提高,研究结果可为今后基于哑变量的遥感森林蓄积量反演提供一定的依据和参考。
- 王宗梅徐天蜀岳彩荣刘琦
- 关键词：森林蓄积量
