[口头报告]基于多源遥感数据的区域尺度红树林植被碳储量预测

基于多源遥感数据的区域尺度红树林植被碳储量预测
编号:1825 稿件编号:3586 访问权限:仅限参会人 更新:2024-04-11 19:26:19 浏览:571次 口头报告

报告开始:2024年05月19日 16:00 (Asia/Shanghai)

报告时间:5min

所在会议:[S4] 主题​4、生态与可持续发展 » [S4-7] 主题4、生态与可持续发展 专题4.1、专题4.5(19日下午,207)

暂无文件

摘要
在区域尺度上准确反演红树林植被的碳储量是实现双碳目标,推动高质量发展的重要途径。在反演植被碳储量方面,无人机和卫星遥感各有优势,无人机-激光雷雷达数据适用于小尺度高精度植被结构反演,卫星遥感在大尺度植被特征反演方面表现强势。如何充分融合无人机激光雷达和卫星数据以达到区域尺度精确预测红树林植被碳储量还需要更多的研究。我们的研究将UAV-LiDAR、Sentinel-1 和 Sentienl-2 融合,从多源遥感数据中提取植被特征,以克服多源遥感数据自身的桎梏,在景观尺度上提取植被的光谱、结构和纹理特征等植被特征,估计了不同植被特征和机器学习方法(RF、SVM、GBDT 和 XGBOOST)对植被碳储量预测结果的影响。建立了高精度红树林植被地上和地下碳储量反演框架。我们的研究结果表明:1)多植被特征的融合显着提高了红树林地上和地下碳储量预测的准确性,其中,结构特征对于预测红树林植被地上和地下碳储量具有重要意义。 2)虽然XGBOOST被证明是预测红树林地上和地下植被碳储量的高精度方法,但机器学习方法对预测红树林植被碳储量的影响相对较小。 3)以湛江为研究对象,实现红树林植被地上(R2=0.828)和地下(R2=0.815)碳储量高精度反演。本研究提出,预测应更加关注无人机和卫星数据的融合,突破不同遥感数据源在空间尺度及数据格式方面的限制,以提高红树林植被碳储量反演精度,实现区域尺度上红树林植被碳储量的高精度制图。
关键字
多源遥感,红树林植被碳储量,区域尺度
报告人
王宗阳
博士研究生 广东工业大学

稿件作者
王宗阳 广东工业大学
郭芬 广东工业大学
发表评论
验证码 看不清楚,更换一张
全部评论
● 会务总协调  

● 学术安排

 

辜克兢

13950003604

gukejing@xmu.edu.cn

辜克兢

13950003604

gukejing@xmu.edu.cn

柳    欣

13806024185

liuxin1983@xmu.edu.cn

窦    恒

18627754021

douheng@chytey.com

孙佳妮

15201086188

scarlett@chytey.com

刘    琳

13313708075

lliu@iue.ac.cn

 

● 会场技术服务

 

李    虎

柳    欣

18965842343

13806024185

hli@iue.ac.cn

liuxin1983@xmu.edu.cn
李招英

13860473552

lizhaoying@xmu.edu.cn

     
           
● 会场安排   ● 会议注册  

辜克兢

13950003604

gukejing@xmu.edu.cn

胡勤梅 13554192326

mary@chytey.com

窦    恒

18627754021

douheng@chytey.com

孙晓笛 18813296455 xiaodi.sun@xmu.edu.cn
           
● 商业赞助   ● 会议财务  
朱    佳 13950159036

zhujia@xmu.edu.cn

许心雅 0592-2880181 xuxinya@xmu.edu.cn
           

海报张贴

 

● 酒店预定及咨询

 
张    君 13860426122 junzhang@xmu.edu.cn

李    璟

18627754146

lijing@chytey.com

卢    巍 18971567453 luwei@chytey.com      

 

登录 注册缴费 酒店预订