基于Landsat8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0.438t· 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.