刘琦
- 作品数：3 被引量：9H指数：2
- 供职机构：西南林业大学林学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：农业科学自动化与计算机技术天文地球更多>>
- TanDEM-X数据干涉地形信息精度分析被引量：1
- 2017年
- 以德国宇航中心TanDEM-X数据为信息源,采用干涉技术提取植被覆盖区的地形,将相关系数、山脊线与山谷—水系线作为评价指标,对比5种地形数据(数字化DEM、SRTM–DEM、ASTER GDEM、TanDEM-X Monostatic-DEM,TanDEM-X Bistatic-DEM)在地表起伏表达方面的差异。研究结果显示,数字化DEM精度高,但是获取方式费时费力;SRTM-DEM能表现宏观地形,但分辨率低;ASTER GDEM分辨率有所提升,但是对地形的表达精度偏低;TanDEM-X干涉地形数据分辨率高,但是在林区受到森林冠层高度影响,实为数字表面模型,无法提供准确可靠的林下地形信息。
- 刘琦章皖秋岳彩荣王宗梅谈启龙
- 关键词：数字高程模型(DEM)干涉SAR地形信息
- 极化干涉SAR森林冠层高反演的地形坡度改正被引量：3
- 2017年
- 极化干涉SAR森林冠层高反演是当前SAR领域研究的热点。经典的森林冠层高反演算法主要基于随机地表二层相干散射模型(Random Volume over Ground,RVo G),该模型在山区受到植被层下地表的地形坡度影响,反演精度存在较大误差。为了提高森林冠层高反演精度,采用地形坡度改正的S-RVo G(Sloped Random Volume over Ground)模型,结合三阶段算法,应用德国宇航局DLR提供的星载Tan DEM-X全极化干涉数据反演森林冠层高,并对结果进行验证。结果表明:坡度级为II、III级,RVo G模型反演效果接近于S-RVo G模型;坡度级为IV级,RVo G模型与二调平均树高的相关关系明显下降,加权相对误差和RMSE增大;S-RVo G模型与二调平均树高保持显著相关关系,反演误差同比小于RVo G模型。因此,S-RVo G模型一定程度上改正了地形坡度造成的误差,提高了森林冠层高反演精度,在坡度大的地区精度提升程度更为明显。
- 刘琦岳彩荣章皖秋王宗梅
- 基于哑变量的高山松蓄积量反演模型研究被引量：5
- 2017年
- 基于Landsat TM和地面实测样地数据,采用传统线性回归和引入哑变量的线性回归两种建模方法构建香格里拉高山松蓄积量反演模型,并对模型进行验证。研究表明,传统一元和多元线性回归模型的相关系数分别为0.280和0.365,引入哑变量的线性回归模型相关系数为0.602;结合实测检验数据,传统一元、多元线性模型和引入哑变量的模型预测精度分别为61.1%,74.9%和80.3%,引入哑变量的高山松森林蓄积量模型反演精度明显提高,研究结果可为今后基于哑变量的遥感森林蓄积量反演提供一定的依据和参考。
- 王宗梅徐天蜀岳彩荣刘琦
- 关键词：森林蓄积量
