农业机械学报

作者：林洁雯，陈建

单位：中国农业大学;中国科学院沈阳自动化研究所机器人学国家重点实验室,中国农业大学,

关键词：多源数据融合;森林生物量;端元束;混合像元分解;反演

基金：国家自然科学基金项目（52472463）、国家重点研发计划项目（2022YFD2001405）和机器人学国家重点实验室开放基金项目（2024-001）

森林是维持碳平衡的重要组成部分，精确的森林生物量探测对环境改善和相关政策制定均有重要的推动作用。本文探索了将多源数据及丰度信息融合分析实现森林生物量反演。首先，采用MOPSOSCD获取研究区域的端元束，并获得每组树木端元的丰度信息，然后在Landsat 8 OLI及ASTGTM DEM中提取单波段因子、植被指数、地形因子、纹理特征等46个指标，测试融合丰度前后模型拟合效果。通过多元线性回归和BP神经网络模型进行生物量反演试验发现，采用多元线性回归模型时，优化前生物量均方根误差（RMSE）和决定系数（R2）分别为41.09 mg/hm2、0.40，优化后最优RMSE和R2分别为38.66 mg/hm2、0.44。采用BP神经网络模型时，优化前生物量RMSE和R2分别为32.73 mg/hm2、0.56，最优RMSE和R2分别为32.07 mg/hm2、0.57。添加丰度后BP神经网络模型具有最优反演效果。通过试验验证了MOPSOSCD算法提取端元束对应的丰度在提升模型生物量反演精度的有效性。同时，试验证明端元的提取精度越高，对应模型生物量反演效果越好。

来源：2025年第1期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2025年第1期