文献类型：期刊文章

作　　者：谭雨欣[1] 田义超[1,2] 黄卓梅[1] 张强[1] 陶进[1] 刘虹秀[1] 杨永伟[1] 张亚丽[1] 林俊良[1] 邓静雯[2]

TAN Yuxin;TIAN Yichao;HUANG Zhuomei;ZHANG Qiang;TAO Jin;LIU Hongxiu;YANG Yongwei;ZHANG Yali;LIN Junliang;DENG Jingwen(Beibu Gulf Ocean Development Research Center,College of Resources and Environment,Beibu Gulf University,Qinzhou 535000,China;Guangxi Key Laboratory of Marine Environment Change and Disaster in Beibu Gulf,Key Laboratory of Marine geographic information resources development and utilization in the Beibu Gulf,Beibu Gulf University,Qinzhou 535000,China)

机构地区：[1]北部湾大学资源与环境学院·北部湾海洋发展研究中心,钦州535000 [2]北部湾大学广西北部湾海洋环境变化与灾害研究重点实验室海洋地理信息资源开发利用重点实验室,钦州535000

出　　处：《生态学报》

基　　金：国家自然科学基金项目(42261024);广西高校人文社会科学重点研究基地项目(BHZKY2202);北部湾大学海洋科学一流学科项目(DRB003)。

年　　份：2023

卷　　号：43

期　　号：11

起止页码：4674-4688

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、CSCD、CSCD2023_2024、EAPJ、GEOBASE、IC、JST、RCCSE、RWSKHX、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：无瓣海桑是广西从自治区外引进的外来红树林树种,采用定量化算法精确估算无瓣海桑地上生物量对红树林生态修复以及海洋蓝碳监测提供经验和方法。论文以广西茅尾海自然保护区无瓣海桑红树林为研究对象,以野外实测无瓣海桑红树林地上生物量数据和Sentinel-1/2卫星提取的后向散射数据、波段数据、植被指数数据和纹理指数数据为数据源,通过分析各遥感因子与实测红树林地上生物量之间的重要性关系,采用极端梯度提升(XGBoost)机器学习算法对比了不同的变量组合对模型精度的影响,最后基于优选的变量组合反演了无瓣海桑红树林的地上生物量。结果表明:(1)研究区无瓣海桑红树林实测树高范围为1.55—13.58m,平均值为8.37m,胸径范围为0.7—41cm,平均值为15.62cm;(2)通过XGBoost算法优选的21个特征变量组合模型拟合效果较好,其模型在测试阶段R2=0.7237,RMSE=21.70Mg/hm^(2)。XGBoost算法反演研究区无瓣海桑地上生物量介于19.14—138.46Mg/hm^(2)之间,平均值为51.92Mg/hm^(2);(3)Sentinel-1数据衍生的交叉极化(VH)后向散射系数对无瓣海桑红树林地上生物量的贡献最大;(4)无瓣海桑地上生物量高值区主要分布在北部、西北和西南部等偏西地区,低值区主要分布在东部和东南部等偏东地区,其反演结果与实际调查结果保持一致。总之,XGBoost机器学习算法在无瓣海桑红树林地上生物量反演中表现出较好的应用能力。

关 键 词：XGBoost算法  遥感反演 无瓣海桑红树林  地上生物量 Sentinel-1/2  北部湾茅尾海  

分 类 号：TP181] S718.5]