[发明专利]一种结合随机森林和协同克里金的生物量遥感制图方法

说明书

本发明公开了一种结合随机森林和协同克里金的生物量遥感制图方法，属于森林资源监测和环境因子调查领域。本发明主要包括：利用国家森林资源连续清查数据，并结合提取样地点在多源遥感影像中对应的各个光谱信息、纹理信息、地形因子作为生物量建模的备选变量；设计了一种随机森林环境下重要变量的选择视图，同时将两种重要度类型综合反映出变量对生物量的预测能力，便于本方案的建模准备；对每个样地点随机森林反演得到的结果与实测数据的残差值，将高程作为协变量，残差作为主变量进行协同克里金插值，模拟得到整个区域随机森林预测结果的残差；采用划分好的测试样本集验证生物量反演精度；区域生物量空间分布制图。

技术领域

本发明属于森林资源监测和环境因子调查领域，更具体地说，涉及一种结合随机森林和协同克里金的生物量遥感制图方法。

背景技术

光学遥感数据是最广泛获得的数据类型，Landsat(美国陆地卫星)属于其中的中分辨率卫星，自1972年发射以来，已经积累了大量的地球表面遥感影像数据，Landsat凭借连续观测周期、适中的空间分辨率、高质量、科学的数据处理及存档等优势，在土地覆盖变化分析，植被生长监测，农作物估产等方面发挥着重要甚至是不可替代的作用。其影像数据自2008年以来可免费获得，有16天的覆盖周期，覆盖范围广泛，30m的空间分辨率与中国国家森林清查的25m×25m样地相近，其历史档案影像数据可以从网站上(https：//glovis.usgs.gov/)免费下载。在结构复杂的森林中单一使用光学遥感图像时，容易遇到光谱饱和，合成孔径雷达(SAR)的高穿透能力允许对植物的结构参数进行广泛的信息提取。2007年，先进陆地观测卫星(ALOS)相控阵L波段合成孔径雷达(PALSAR)的成功发射使得对雷达数据的使用进一步增加。25m空间分辨率的ALOS/PALSAR数据由日本宇宙航空研究开发机构(JAXA)进行预处理，公开在网站(https：//www.eorc.jaxa.jp/ALOS/en/)供免费下载。

多源遥感图像结合适当的统计建模算法被认为是一种有效和可靠的手段，以模拟得到大范围森林地上生物量(以下简称生物量或AGB)。利用遥感数据和实地森林调查数据来反演AGB的方法有很多，主要有线性回归模型、非参数估计模型或者地统计模型。Foody等在2001年发表文章，利用Landsat TM数据反演了婆罗洲地区生物量，并对比了人工神经网络法与多元逐步回归法在森林生物量估测中的效果；Lefsky等在2005年发表文章，基于机载雷达数据，使用多元线性归回归模型估测了喀斯喀拉山脉西坡的森林生物量；曹庆先等2011年发表的文章基于Landsat TM影像，使用KNN算法估算了海南和广西地区红树林的生物量；宋茜、王晓宇等利用ALOS PALSAR双极化雷达数据分别反演了大兴安岭和云南山区的森林生物量。Chen等2010年发表的文章结合雷达数据和Quickbird影像，使用支持向量回归的方法对加拿大温哥华岛的地上生物量进行了反演；Powell等在2010年发表文章结合样地数据与Landsat时间序列数据，比较了随机森林与另两种模型对于预测森林地上生物量的效果。沈文娟等以1988-2017年的广东省连清数据为基础，结合Landsat数据与ALOS数据，使用随机森林算法估测了粤北地区的森林生物量；王云飞等基于随机森林算法对景洪市的橡胶林地上生物量进行了反演估测，分析了随机森林算法在光学遥感估测生物量上的表现；张峰等基于地统计分析和浙江省连清数据对浙江省森林碳空间分布进行了研究；贺鹏等基于二类调查的局级固定样地数据，比较了地统计学中普通克里金法和协同克里金法对吉林省金仓林场森林地上生物量估计的效果。

随机森林(random forest，RF)模型是由Leo Breiman和Adele Cutler在2001年提出的一种基于决策树的分类和回归的机器学习算法。克里金插值(Kriging)也称空间局部估计或空间局部插值，它是建立在变异函数理论及结构分析基础上的，在有限区域内对区域化变量的取值进行无偏最优估计的一种方法。协同克里金(Co-Kring，CK)是克里金差值的扩展，在克里金差值的基础上，协同克里金还结合了相关变量，将不同变量间的交叉相关性融入其中。

现有技术的缺点：