• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>IEEE International Geoscience and Remote Sensing Symposium >Forest attribution using K-NN methods with Landsat 8 imagery and forest field plots
【24h】

Forest attribution using K-NN methods with Landsat 8 imagery and forest field plots

机译：使用Landsat 8影像和林场图的K-NN方法进行森林归因

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

This study presents an approach to integrate Landsat satellite imagery and forest monitoring field plots, to produce forest attribute maps across the state of Victoria, Australia. Over 450 field plots, sampled from a stratified systematic random framework, were measured to characterise woody and non-woody forest attributes. Field plot data were applied in various k-NN procedures using Landsat8 data to map biomass, stems per hectare and species diversity. The study investigated four k-NN distance metrics (Mahalanobis Nearest Neighbour, Most Similar Neighbour, Gradient Nearest Neighbour and Random Forest Nearest Neighbour), as well as five k values representing number of Neighbours used in the prediction model (1, 2, 5, 10 and 20). Model accuracy was assessed in various dimensions, including plot (root mean square difference) and regional level (Area comparison of design-based (plots) vs. model-based (map) estimates). Results are used to provide guidance for implementing k-NN in a large area operational setting.
机译：这项研究提出了一种方法，可以整合Landsat卫星图像和森林监测现场图，以生成澳大利亚维多利亚州的森林属性图。从分层的系统随机框架中抽取的450多个田地进行了测量，以表征木质和非木质森林的特征。使用Landsat8数据将田间样地数据应用于各种k-NN程序中，以绘制生物量，每公顷茎数和物种多样性的地图。该研究调查了四个k-NN距离度量标准（马哈拉诺比斯最近邻居，最相似邻居，梯度最近邻居和随机森林最近邻居），以及代表预测模型中使用的邻居数量的五个k值（1、2、5， 10和20）。在各个维度上评估模型的准确性，包括曲线图（均方根差）和区域级别（基于设计的估计值（曲线）与基于模型的估计值（地图）的面积比较）。结果用于为在大面积操作环境中实施k-NN提供指导。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号