资源描述：
《基于KNN方法的森林蓄积量遥感估计和反演概述》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、第25卷第3期遥感技术与应用Vol.25No.32010年6月REMOTESENSINGTECHNOLOGYANDAPPLICATIONJun.2010基于KNN方法的森林蓄积量遥感估计和反演概述12222郑刚,彭世揆,戎慧,李杨,王妮(1.江苏省森林资源监测中心,江苏南京210036;2.南京林业大学森林资源与环境学院,江苏南京210037)摘要:K邻近距离法(KNN)作为一种非参数方法,多适用于非正态分布和密度函数未知的遥感数据分类和参数估计,已被广泛地用于寒带和亚寒带地区的多源林业
2、调查和森林蓄积量估计反演。从KNN方法的基本原理出发,在与传统蓄积量遥感估计方法进行对比的基础上,详细地介绍了KNN方法的特点以及与Kmean方法的区别,总结了KNN法森林蓄积量估计误差的评价模型和度量参数。还对KNN法森林蓄积量遥感估计的国内外研究动态进行了总结,表明了多源信息在KNN法森林蓄积量遥感估计中的重要性,总结出KNN方法进行森林蓄积量遥感估计的两种方法:基于样地点级和基于林分级。最后详细阐述了影响KNN法森林蓄积量估计的众多因素,提出了在低纬度地区利用KNN法对森林蓄积量遥感估计和反演进行系统研究的建议。关
3、键词:KNN;森林蓄积量;遥感;估计和反演中图分类号:TP79;S79文献标志码:A文章编号:10040323(2010)030430081引言提高工作效率等,并可实现森林资源的实时监测,具有重要的社会意义及经济意义。森林调查因子,包括平均直径、平均树高、每公传统的蓄积量遥感估计方法主要包括多元回归顷蓄积量、每公顷株数等参数,是森林资源调查的主[4][5]方法、数量化方法、偏最小二乘(PLS)、最优回[1]要内容之一;其中,森林蓄积量一直是森林资源调归方程等,但这些方法都存在一个很大的缺陷,就是查和监测的
4、最重要的指标之一。森林蓄积量的消长当影响蓄积量估计的RS和GIS信息间存在复共线动态是林业经济效益的主要标志,也是制定计划采性时,它们就不适合进行蓄积量估计,而KNN方法伐的依据;同时,森林蓄积量也是以森林蓄积量数据则能够有效地克服这种缺陷。本文首先从KNN方[2]为基础的森林固碳估计一个重要方法。自20世法的基本原理出发,全面而详细地介绍如何利用纪70年代起,随着航天遥感技术开始在森林资源调KNN方法进行森林蓄积量的遥感估计和反演。[3]查中得到应用,参数和非参数回归、神经元网络、2KNN算法基本原理和特点图像分割技术等
5、也逐渐在森林资源调查中得到应用,遥感技术在森林资源调查中的作用已越来越被2.1KNN算法基本原理人们认可和使用。KNN方法(KNearestNeighbor)又叫参考样[67]森林蓄积量的遥感估计和反演是指通过数学手本法(ReferenceSamplePlotMethod),其基本段,在遥感、计算机技术和数学物理模型推动下,利原理为:记p为目标点(targetplot),pi为参考点用卫星影像特征判读数据,结合少量的地面调查资(referenceplot),dp,p为两点之间光谱距离,其中,i料或地面临时样地资料,建立
6、调查数据和遥感影像参考点pi的森林参数和森林类型都为已知的。距离之间的数学模型,对森林蓄积量的数量(估计)和分是用来衡量样本之间的相似度的,距离值越小,表明布(反演)给出表达的建模技术。与传统的森林调查相似性越大,反之则表明相似性越小。对于目标点相比,其优势在于减少野外工作量、降低投入资金、p,找出其光谱空间最邻近的k个样地点p1、收稿日期:20091207;修订日期:20100419作者简介:郑刚(1985-),男,硕士,现从事森林经理、林业遥感和地理信息系统研究等工作。Email:nfuzheng@yeah.n
7、et。第3期郑刚等:基于KNN方法的森林蓄积量遥感估计和反演概述431p2、...、pk,其中dp,pdp,pdp,p。由于对图像噪声、森林蓄积量的林分内变化以及样地点坐12k象受其近邻的影响是不同的,通常距离越近对象对标错位(相对于影像坐标而言)而引起的随机变化。其影响越大,因而,为了减少KNN估计的偏差,目但是KNN方法属于计算密集型方法,计算需要消标点p的连续型森林参数vp可以通过k个参考点的耗大量时间是实际应用中存在的主要问题。相应的连续型森林参数vp(i=1,2,,k)的加权
8、平2.3KNN与Kmean分类的关系[8]均法获得(式1)。其中权重wpi,p通过光谱空间的传统的K均值(Kmean)算法是一种基于分[14]反距离函数获得(式2)。KNN方法实质上是一个常割、划分的聚类方法,其思想是将数据集X分割用于空间插值的反距离加权平均法;当k=1时,为k个
