基于非线性偏最小二乘优化模型的森林碳汇遥感估算方法

文档序号:6099374阅读:872来源:国知局
专利名称:基于非线性偏最小二乘优化模型的森林碳汇遥感估算方法
基于非线性偏最小二乘优化模型的森林碳汇遥感估算方法技术领域
本 发明涉及基于统计优化模型的森林碳汇遥感估算方法。背景技术
森林是全球碳平衡的重要组成部分,在陆地碳循环中起着关键作用,因此,精确估算森林碳储量对研究全球变化具有重要意义。竹林是中国亚热带地区(如浙江、安徽、江西、福建等省)特殊的森林类型,近年研究表明,竹林资源具有巨大的碳储量,其对全球碳平衡的贡献开始受到关注。遥感是森林地上碳储量估算的重要手段,但遥感技术不能直接测定生物量、碳储量及其变化,需要对遥感观测数据进行一系列处理、转换,并结合地面观测数据建立相应的遥感信息模型才能定量估算。经验模型是建立森林生物物理变量(如生物量、碳储量、叶面积指数、郁闭度等)与遥感数据之间关系的重要工具,其中普通最小二乘回归分析是广泛使用的经验方法。基于普通最小二乘的多元线性回归假设遥感数据与生物物理属性存在线性关系, 并假设自变量(遥感数据光谱波段)独立,但生物物理属性光谱响应多数为曲线关系,且波段之间存在很高的相关关系,因此,回归分析往往难以满足基本假设,会产生不精确的估计;另外,如果光谱反射率和生物物理属性变量存在测量错误,普通最小二乘回归可能得到一个错误的模型,然而光谱反射率和生物物理属性变量不可能没有误差。相对普通最小二乘而言,偏最小二乘回归是碳储量遥感估算一个很好的选择。偏最小二乘回归是上个世纪80年代发展起来的一种先进的多元统计分析方法,它能容忍偏最小二乘回归变量之间的多重相关,把多元回归、主成分分析、典型相关分析有机地结合起来,在一个算法下同时实现回归建模、数据结构简化以及两组变量间的相关分析,能够把自变量和因变量之间的相关关系取到最大值,提高模型相关分析精度,具有较强的解析能力。 偏最小二乘回归分为线性和非线性两种方法,其中非线性偏最小二乘回归模型是偏最小二乘回归的重要成果,既解决线性偏最小二乘回归只能提取线性成分的问题,又借鉴了线性偏最小二乘回归方法能够有效解决自变量集合高度相关的技术,从而确定数据系统内部的复杂非线性结构关系,增强了模型的可解释性,具有比线性偏最小二乘回归模型较高的预测精度。因此,生物量碳储量偏最小二乘回归优化模型的优势在于一、解决了不同波段光谱反射率之间的多重相关问题;二、提高了用统计方法预测森林碳储量的精度。

发明内容本发明所要解决的技术问题是提供了一种基于非线性偏最小二乘优化模型的森林碳汇遥感估算方法。本方法按如下步骤进行(1)、在研究区域内设置调查样地,观测样地内的生物量碳储量并获取与观测时间相对应的遥感影像。将遥感影像的多个波段光谱反射率作为自变量,观测到的生物量碳储量作为因变量;(2)、按照公式①对自变量空间的每一个自变量\进行高斯核函数变换,得到新的自变量。将因变量与新的自变量进行标准化处理,处理后的数据符合公式②的线性关系;
权利要求
1. 一种基于非线性臓、二剩尤化翻的森林碳謹劇古算方法,斯寺征在于按如下步碰行(1)、在研究区域内设置调查样地,观测样地内的地上部分生物量并转化为碳储量,获取与观测时间相对应的遥感影像,将遥感影像的多个波段光谱反射率作为自变量,碳储量作为因变量;(2)、按照公式①对自变量空间的每一个自变量~进行高斯核函数变换,得到新的自变量,将因变量与新的自变量进行标准化处理,处理后的数据符合公式②的线性关系;
全文摘要
一种基于非线性偏最小二乘优化模型的森林碳汇遥感估算方法,主要步骤是一是采用核函数把原始变量映射到高维空间得到新变量,并进行标准化处理;二是采用最小二乘法对提取的成分进行回归分析,并将回归系数还原;三是采用LOO交叉有效性对模型进行评价;四是重复步骤二到三,每次重复时将成分数增加1,直到提取成分数达到最大值;五是重复步骤一到四,每次重复时将步骤一中的分段数M增加1,直到M等于预设数;六是从所有模型中寻找估计值与实际值相关系数最大的模型,并用此时的M和提取成分数建模,作为最终的估算模型。本发明将优化的非线性偏最小二乘回归用于建立森林碳储量预测模型,提高了森林碳储量预测精度。
文档编号G01N21/84GK102305792SQ20111020738
公开日2012年1月4日 申请日期2011年7月22日 优先权日2011年7月22日
发明者周国模, 杜华强, 范渭亮 申请人:浙江农林大学
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1