利用遥感数据与旨在避免偏差趋势的回归方法通过数据同化更新森林地图

《Canadian Journal of Remote Sensing》:Updating forest maps through data assimilation using remotely sensed data and regression methods designed to avoid bias trends

【字体: 大 中 小 】 时间:2026年02月11日 来源:Canadian Journal of Remote Sensing 2.1

编辑推荐:

  研究人员应用了数据同化(Data Assimilation, DA)来更新瑞典北部研究区森林立木蓄积量的地图信息,研究时段为2010年至2022年。该研究的新颖之处在于:(i) 研究人员应用了最新开发的回归技术,该技术旨在避免标准回归方法产生的偏差趋势,用于从

  
研究人员应用了数据同化(Data Assimilation, DA)来更新瑞典北部研究区森林立木蓄积量的地图信息,研究时段为2010年至2022年。该研究的新颖之处在于:(i) 研究人员应用了最新开发的回归技术,该技术旨在避免标准回归方法产生的偏差趋势,用于从遥感数据预测森林特征;(ii) 研究人员应用了利用立地质量和年龄信息的生长模型,这些信息是基于重复的机载激光扫描(Airborne Laser Scanning, ALS)调查数据在整个研究区进行逐像元评估的;(iii) 研究人员使用了一种完全经验的方法来计算DA滤波器的权重。结果表明,当同化一系列利用光学卫星数据、数字航空照片和最终激光扫描调查的预测时,从初始激光扫描调查获得的立木蓄积量预测精度在整个研究期间得以提高。仅使用一系列光学卫星数据和数字航空照片,初始基于激光扫描的预测精度在整个研究期间得以维持。新回归方法在避免偏差趋势方面优于标准回归方法,但就精度而言,最佳整体结果是通过标准回归结合经典校准获得的。该研究证实了先前类似研究的发现,即数据同化有潜力通过同化一系列来自较低质量遥感数据的预测,在相对较长的时间内维持或略微提高初始高质量激光扫描调查的立木蓄积量预测精度。
**研究背景与问题**
当前,林业和自然保护对森林资源逐像元地图的需求日益增长。机载激光扫描(ALS)调查可提供高精度立木蓄积量地图,但成本高昂,仅能稀疏开展,导致地图精度随时间下降。传统上通过生长模型进行更新,但逐像元生长信息有限,预测精度较差。数据同化(DA)结合多源遥感观测与生长模型,有望维持或提升地图质量。然而,标准回归方法(如普通最小二乘回归)在固定种群中会产生偏差趋势(小值高估、大值低估),影响DA系统性能。此外,生长预测需要立地质量和年龄信息,而传统方法难以逐像元获取。同时,DA中预测误差的时间相关性需特殊处理,且参考数据稀疏。为此,本研究旨在评估DA更新立木蓄积量地图的性能,并引入三项创新:新回归方法避免偏差趋势、利用重复ALS获取的立地质量和年龄信息、以及全经验权重计算方法。研究在瑞典北部进行,论文发表在《Canadian Journal of Remote Sensing》。

**主要技术方法**(不超过250字)
主要关键技术方法包括:1) 新回归方法,通过将数据按响应变量分组为窗口,最小化窗口内平均残差绝对值,以缓解固定种群中的偏差趋势;2) 基于Chapman-Richards生长模型的生长预测,利用从双时相ALS数据获取的立地指数(SI)和年龄地图,模型参数通过非线性最小二乘估计,使用瑞典国家森林资源清查(NFI)永久样地五期生长数据;3) 全经验权重计算,基于NFI样地残差方差和协方差估计DA滤波器权重,取代理论推导;4) 森林采伐检测,使用瑞典林业局基于卫星影像变化检测的采伐地图。样本队列来源:瑞典NFI的1470个永久样地和3602个临时样地用于模型训练与评估,Krycklan验证区约300个样地(2019年独立数据)用于验证。

**研究结果**
**案例1:利用所有可用遥感数据**
通过同化初始ALS、光学卫星、数字表面模型(DSM)和最终ALS的预测序列,所有DA方法均显示相对均方根误差(RMSE)随时间下降,优于仅使用生长预测(其RMSE上升)。就RMSE而言,普通最小二乘(OLS)回归和OLS结合经典校准表现最佳;新回归方法显著降低了低值样地(≤75 m3/ha)和高值样地(>150 m3/ha)的偏差,但精度略逊。所有DA方案在偏差控制上均优于仅生长预测基线。

**案例2:初始ALS后仅使用光学卫星和DSM**
同化光学卫星和DSM预测后,DA方法将初始ALS预测的精度维持在相似水平,而仅使用生长预测导致精度下降(低值样地因平均体积增加使相对RMSE下降除外)。OLS回归仍存在明显偏差,新回归方法和经典校准对偏差的改善有限。

**案例3:仅使用光学卫星数据**
所有DA方法精度随时间略有改善,但相对RMSE仍很高,与仅使用生长预测的改进幅度相近。偏差问题严重,新回归方法和经典校准仅能部分缓解低值和高值样地的偏差。

**Krycklan验证区结果**
基于2019年独立验证数据,三种DA方案的结果与主研究区一致,但新回归方法在案例1和2中表现稍优。OLS回归在低值和高值样地的偏差问题依然明显。通过DA方法(OLS+经典校准+采伐检测)生成了Krycklan验证区2010年和2022年的立木蓄积量逐像元地图,显示了生长和采伐引起的空间变化。

**讨论与结论**
讨论部分指出,本研究证实DA可维持或略微提高初始ALS预测的精度,尤其在遥感数据密集时段效果显著。新回归方法减少偏差但增加均方误差(MSE),是否采用取决于应用目标(如个体像元预测或保持空间变异)。利用双时相ALS获取的立地质量和年龄信息改进了生长预测,优于传统立地登记簿。全经验权重方法灵活但依赖足够样地数据,本研究通过插值处理了永久样地间歇年份的状态。建议未来DA系统需集成采伐检测并实现自动化。研究结论:所提出的数据同化(DA)方法似乎提供了在相对较长时期内维持或略微提高基于机载激光扫描(ALS)的立木蓄积量预测质量的可能性。然而,一个操作性的数据同化系统需要更少的手动步骤以方便用户,并且可能需要在很大程度上实现自动化。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号