文献类型：期刊文章

作　　者：邹琪[1,2] 孙华[1,2] 王广兴[1,2,3] 林辉[1,2] 谭一凡[4] 马中刚[1,2]

机构地区：[1]中南林业科技大学林业遥感信息工程研究中心,湖南长沙410004 [2]林业遥感大数据与生态安全湖南省重点实验室,湖南长沙410004 [3]Department of Geography,Southern Illinois University at Carbon dale [4]深圳市仙湖植物园,广东深圳518004

出　　处：《西北林学院学报》

基　　金：中国博士后科学基金项目(2014M562147);湖南省百人计划特聘教授资助项目(0990);深圳市仙湖植物园课题:"深圳市绿地碳汇计量与方法研究"(8858)

年　　份：2017

卷　　号：32

期　　号：4

起止页码：164-171

语　　种：中文

收录情况：BDHX、BDHX2014、CSCD、CSCD_E2017_2018、JST、RCCSE、ZGKJHX、核心刊

摘　　要：以2014年Landsat 8遥感影像为数据源,研究了深圳市森林碳储量遥感反演模型的构建及其空间分布情况,对城市生态系统碳循环研究具有重要意义。采用分层随机抽样的方式布设168个样地,结合外业样地数据,从遥感影像中提取31个植被指数作为自变量,分别构建了多元线性回归模型、Logistic回归模型和Radical Basis Function(RBF)径向基函数神经网络模型,进而估算该地区的森林碳储量并比较分析。结果表明,RBF神经网络模型的估算精度最高,决定系数最大且均方根误差最小,分别为0.829t·hm^(-2)和9.131t·hm^(-2);Logistic回归模型估算精度次之,决定系数和均方根误差分别为0.523t·hm^(-2)和11.821t·hm^(-2);多元线性回归模型估算精度最低,决定系数最小,均方根误差最大,分别为0.438t·hm^(-2)和12.870t·hm^(-2)。可见,RBF神经网络模型能更好地模拟森林碳储量与各个因子之间的关系。研究区森林碳储量的空间分布特点表现为东南沿海部分碳储量大,中西部城市经济开发区碳储量小,与实际森林分布基本一致。

关 键 词：碳储量 多元线性回归模型 LOGISTIC回归模型 RBF径向基函数神经网络  遥感影像  深圳市  

分 类 号：S127]