|
|
||
|
卫星遥感监测产品在中国森林生态系统的验证和不确定性分析——基于海量无人机激光雷达数据
植物生态学报
2022, 46 (10):
1305-1316.
DOI: 10.17521/cjpe.2022.0158
准确获取森林结构参数对森林生态系统研究及其保护有着重要意义。卫星遥感数据作为获取大尺度森林结构参数的重要数据源, 已被制作成各种植被监测产品并被应用于森林质量状况变化评估、森林生物量估算以及森林干扰和生物多样性监测等研究。然而, 这些卫星遥感植被监测产品针对中国复杂多样的森林区域缺乏有效验证, 在不同林况和地形条件下的不确定性也不明确。激光雷达具备高精度三维信息采集的优势, 在国内外已被广泛用于森林生态系统监测和卫星遥感产品验证。为此, 该研究利用在中国114个样地收集的153 km2的无人机激光雷达数据, 构建了我国森林结构参数验证数据集, 并以此为基础对3套全球遥感监测产品(全球叶面积指数(GLASS LAI)、全球冠层覆盖度(GLCF TCC)、全球冠层高度(GFCH))进行了像元尺度的验证, 并分析了其在不同坡度、覆盖度和林型条件下的不确定性。研究结果表明: 与无人机激光雷达获取的叶面积指数、覆盖度以及冠层高度相比, GLASS LAI、GLCF TCC、GFCH在中国森林区域均存在一定的不确定性, 且受林况和地形因素影响的程度不一致。对GLASS LAI和GLCF TCC影响的最大因素分别为林型和覆盖度; 而GFCH则更易受地形坡度和覆盖度的影响。  View image in article
图3
不同不确定性水平下无人机激光雷达获取的冠层覆盖度与全球冠层覆盖度产品(GLCF TCC)的散点图。虚线为1:1线, 实线为拟合线; 散点图右侧的色带表示数据点的概率密度, 颜色越黄, 点密度越大。A, 不确定性0-5%。 B, 不确定性5%-10%。C, 不确定性10%-15%。D, 不确定性≥15%。Bias, 偏差; R2, 决定系数; RMSE, 均方根误差。
正文中引用本图/表的段落
GLCF TCC产品的不确定性结果能够很好地指示该产品的精度。随着不确定性的增加, GLCF TCC产品的精度呈逐渐降低的趋势, R2从0.59降低到0.08; RMSE呈现轻微的上升趋势, 从31.56%增加到36.01%; 但是Bias未表现出明显的增加趋势(图3)。因此, 本研究只选择不确定性为0-10%的GLCF TCC产品像元进行后续分析。
本文的其它图/表
|
