林龄结构信息能够有效反映区域森林群落不同生长阶段的固碳能力，对于评估森林生态系统的健康状况具有重要意义。本研究以中国温带典型优势树种落叶松林为研究对象，分别选择其芽萌动期、展叶期和落叶期时段的Sentinel-2影像，采用多元线性回归（MLR）、随机森林（RF）、支持向量机回归（SVR）、前馈反向传播神经网络（BP）以及多元自适应回归样条（MARS）等5种方法依次构建落叶松林龄反演模型。通过相关性分析首先确定最佳遥感反演物候期，并在此基础上根据相关性差异筛选出5个最优特征变量用于模型反演，分别为冠层含水量（CWC），归一化水体指数（NDWI），叶面积指数（LAI），光合有效辐射吸收率（FAPAR）和植被覆盖度（FVC）。研究结果表明，展叶期为落叶松林最佳遥感反演物候期。除植被衰减指数（PSRI）以及落叶期的NDVI、RVI外，落叶松林龄与各指标之间均呈负相关关系，其中与冠层含水量（CWC）的相关性最高，pearson相关系数达到-0.74（p<0.01）。此外，不同模型反演结果表明，随机森林模型（RF）为最佳落叶松林龄估测模型，其平均决定系数R²和平均均方根误差RMSE分别为0.89和2.91 a；多元线性回归模型（MLR）的林龄估测结果最差，其平均决定系数R²和平均均方根误差RMSE仅为0.57和5.69 a，非线性模型能更好的解释林龄与建模变量之间的关系。

PDF全文下载地址:

http://www.ygxb.ac.cn/rc-pub/front/front-article/download?id=4759452