文献类型：期刊文章

作　　者：蔡宗磊[1] 包妮沙[1] 刘善军[1]

CAI Zong- lei BAO Ni-sha LIU Shan-jun(Institute for Geo-informatics ＆ Digital Mine Research, Northeastent University, Shen yang 110819, China)

机构地区：[1]东北大学测绘遥感与数字矿山研究所,辽宁沈阳110819

出　　处：《地理与地理信息科学》

基　　金：国家自然科学基金青年基金项目(41401233)

年　　份：2017

卷　　号：33

期　　号：2

起止页码：32-38

语　　种：中文

收录情况：BDHX、BDHX2014、CSCD、CSCD2017_2018、JST、NSSD、RCCSE、RWSKHX、ZGKJHX、核心刊

摘　　要：为了探讨与分析国产高分一号(GF-1)数据在北方露天煤矿区草地植被覆盖度估测中的精度及适用性,该文基于GF-1与SPOT6多光谱影像数据,以多个植被指数为自变量,利用像元二分模型、偏最小二乘(PLS)回归、支持向量机(SVM)回归3种模型对区内植被覆盖度进行估算,结合野外同步实地植被样方数据,对比分析不同估算模型的精度及适宜性,并通过蒙特卡洛模拟多尺度交叉建模的误差传播,分析空间分辨率不同对植被覆盖度估测的精度影响。结果表明:GF-1数据基于增强型植被指数的SVM回归模型(R^2=0.8149,RPD=2.336,RMSE=8.694%)与SPOT6数据基于归一化植被指数的SVM回归模型(R^2=0.8755,RPD=2.870,RMSE=7.032%)估算效果较好。不同分辨率数据交叉传递过程中SVM回归模型的精度高于PLS回归模型。因此,基于GF-1数据构建的SVM回归模型可以高精度地估算区域草地植被覆盖度。

关 键 词：GF-1卫星  SPOT6卫星  草地植被覆盖度  像元二分模型  PLS回归  SVM回归  

分 类 号：TP79]