典型文献
利用Sentinel-2影像超分辨率重建的红树林冠层氮含量反演
文献摘要：
氮素是植被整个生命周期的必要元素,红树林冠层氮素含量(CNC)遥感估算对红树林健康监测具有重要意义.以广东湛江高桥红树林保护区为研究区,本文旨在基于Sentinel-2影像超分辨率重建技术进行红树林CNC估算和空间制图.研究首先基于三次卷积重采样、Sen2Res和SupReMe算法实现Sentinel-2影像从20 m分辨率到10 m的重建;然后以重建后的影像和原始20 m影像为数据源构建40个相关植被指数,采用递归特征消除法(SVM-RFE)确定CNC估算的最优变量组合,进而构建CNC反演的核岭回归(KRR)模型;最后选取最优模型实现CNC制图.研究结果表明:基于Sen2Res和SupReMe超分辨率算法的重建影像不仅与原始影像具有很高的光谱一致性,且明显提高了影像的清晰度和空间细节.红树林CNC反演波段主要集中在红(B4)、红边(B5)、近红外波段(B8a)以及短波红外波段(B11和B12),与"红边波段"相关的植被指数(RSSI和TCARIre1/OSAVI)也是红树林CNC反演的有效变量.基于3种方法重建后10 m的影像构建的模型反演精度(R2val＞0.579)均优于原始20 m的影像(R2val=0.504);基于Sen2Res算法重建影像构建的反演模型拟合精度(R2val=0.630,RMSE_val=5.133,RE_val=0.179)与基于三次卷积重采样重建影像的模型拟合精度(R2val=0.640,RMSE_val=5.064,RE_val=0.179)基本相当,前者模型验证精度(R2cv=0.497,RMSE_cv=5.985,RE_cv=0.214)较高且模型变量选择数量最为合理.综合重建影像光谱细节及模型精度,基于Sen2Res算法重建的Sentinel-2影像在红树林CNC估算中具有良好的应用潜力,能为区域尺度红树林冠层健康状况的精细监测提供有效的方法借鉴和数据支撑.
文献关键词：
遥感;红树林;冠层氮素含量;Sentinel-2;影像重建;SVM-RFE;KRR
中图分类号：
作者姓名：
甄佳宁;蒋侠朋;赵德梅;王俊杰;苗菁;邬国锋
作者机构：
深圳大学 生命与海洋科学学院,深圳518060;自然资源部大湾区地理环境监测重点实验室,深圳518060;深圳大学建筑与城市规划学院,深圳518060
文献出处：
引用格式：
[1]甄佳宁;蒋侠朋;赵德梅;王俊杰;苗菁;邬国锋-.利用Sentinel-2影像超分辨率重建的红树林冠层氮含量反演)[J].遥感学报,2022(06):1206-1219
A类：
冠层氮素含量,Sen2Res,SupReMe,B8a,TCARIre1,R2val
B类：
Sentinel,超分辨率重建,红树林,林冠层,氮含量,CNC,遥感估算,健康监测,湛江,高桥,保护区,重建技术,空间制图,重采样,算法实现,数据源,植被指数,递归特征消除法,RFE,变量组合,核岭回归,KRR,最优模型,模型实现,超分辨率算法,光谱一致性,清晰度,B4,B5,近红外波段,短波红外,B11,B12,红边波段,RSSI,OSAVI,影像构建,反演精度,反演模型,模型拟合,拟合精度,RMSE,RE,模型验证,R2cv,变量选择,模型精度,区域尺度,影像重建
AB值：
0.248949
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
