基于Landsat 8的深圳市森林碳储量遥感反演研究

以2014年Landsat 8遥感影像为数据源，研究了深圳市森林碳储量遥感反演模型的构建及其空间分布情况，对城市生态系统碳循环研究具有重要意义。采用分层随机抽样的方式布设168个样地，结合外业样地数据，从遥感影像中提取31个植被指数作为自变量，分别构建了多元线性回归模型、Logistic回归模型和Radical Basis Function(RBF)径向基函数神经网络模型，进而估算该地区的森林碳储量并比较分析。结果表明，RBF神经网络模型的估算精度最高，决定系数最大且均方根误差最小，分别为0.829 t？hm-2和9.131 t？hm-2；Logistic回归模型估算精度次之，决定系数和均方根误差分别为0.523 t？hm-2和11.821 t？hm-2；多元线性回归模型估算精度最低，决定系数最小，均方根误差最大，分别为0.438 t？hm-2和12.870 t？hm-2。可见，RBF神经网络模型能更好地模拟森林碳储量与各个因子之间的关系。研究区森林碳储量的空间分布特点表现为东南沿海部分碳储量大，中西部城市经济开发区碳储量小，与实际森林分布基本一致