紋理特征對森林蓄積量反演模型的影響

葉子林，周普良，林 輝，李新宇

（1.中南林業(yè)科技大學(xué) 林業(yè)遙感信息工程研究中心，湖南 長沙 410004；2.林業(yè)遙感大數(shù)據(jù)與生態(tài)安全湖南省重點實驗室，湖南 長沙 410004；3.南方森林資源經(jīng)營與監(jiān)測國家林業(yè)和草原局重點實驗室，湖南 長沙 410004）

森林是地球上重要的陸地生態(tài)系統(tǒng)，也是生物圈中最大的碳庫，對于維持整個地球的生態(tài)平衡有著至關(guān)重要的作用。而森林蓄積量則是衡量森林質(zhì)量的一個重要指標(biāo)。如果能夠精準(zhǔn)地估測出森林蓄積量，對于生態(tài)建設(shè)有著重要意義。傳統(tǒng)的森林蓄積量估測方法多采用人工調(diào)查，通過測定周期性的固定樣地的蓄積量，估測出總體蓄積量。這種方法需要大量的人力物力，效率不高[1-4]。隨著遙感技術(shù)的發(fā)展，通過遙感技術(shù)，特別是高分辨率遙感技術(shù)估測森林蓄積量，成為可能[5-7]。

采用遙感技術(shù)估測森林蓄積量的方法比較多，如經(jīng)典的多元線性回歸模型、非線性回歸模型、BP神經(jīng)網(wǎng)絡(luò)、k近鄰分類（KNN）、空間地理加權(quán)等[8-9]。線性回歸模型建模時，其光譜信息與植被指數(shù)間存在一定的自相關(guān)性和共線性，導(dǎo)致模型估測精度不穩(wěn)定。BP神經(jīng)網(wǎng)絡(luò)估測時存在太多的不確定性，如學(xué)習(xí)效率、隱含層神經(jīng)元個數(shù)、訓(xùn)練函數(shù)的選擇等，因其隱含層存在黑箱操作，對于輸入和輸出間的關(guān)系無法準(zhǔn)確表達(dá)和具體分析。KNN方法影響因素較多，如最鄰近k的大小、距離度量函數(shù)的選擇、影像波段的選取，且計算量大。隨機(jī)森林模型在遙感影像分類上應(yīng)用較多，在森林蓄積量估測上應(yīng)用相對較少，這些模型各有其優(yōu)缺點，但總體上森林蓄積量估測的精度在逐步提高[10-11]。……