.png){kind=icon}
返回
Leveraging missing-data remote sensing for forest inventory
.png){kind=icon}
PRE
AI
DOI：10.1016/j.fecs.2025.100399.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
遥感在森林资源清查中发挥着关键作用，能够实现高效的大规模监测，同时最小化野外工作成本。然而，缺失值在遥感应用中构成严峻挑战，忽视或错误处理此类数据缺失会导致系统性偏差，影响自然资源监测目标变量的估算。这可能导致级联误差，进而影响森林和生态系统管理决策，最终阻碍可持续森林管理、生物多样性保护和气候变化减缓策略的进展。本研究旨在提出并验证一种采用混合估计器解决森林资源清查中缺失遥感数据限制的流程，以Landsat 7 ETM+ SLC-off数据作为森林资源监测的存档数据源作为案例。我们将使用Sentinel-2无缺失值数据的混合估计器与常规模型基础（CMB）估计器的森林资源清查估算结果进行比较。蒙特卡罗模拟揭示了三个关键发现：（1）利用Landsat 7 ETM+ SLC-off数据代表的缺失数据遥感的混合估计器实现了超过90%的抽样精度，符合中国国家森林资源清查（NFI）标准；（2）混合估计器展示了与CMB估计器相当的有效性；（3）混合估计器的相关不确定性主要由模型参数估算主导，可通过略微增加训练样本量或细化模型规范有效缓解。总体而言，在森林资源清查中，混合估计器能够克服遥感辅助数据缺失值的限制，有效平衡成本效益和灵活性。
Keyword:
Forest management
Missing values
Survey sampling
Model-based inference
Uncertainty assessment
期刊
IF:
4.4
论文数:
704
被引数:
2.4K
机构
引用论文
SpatialSpectral Radial Basis Function-Based Interpolation for Landsat ETM SLC-Off Image Gap Filling
OAAI
OAAI分享收藏The national forest inventory in China: history - results - international context中国国家森林资源清查: 历史-结果-国际背景.png)
FOREST ECOSYSTEMSOAAI
FOREST ECOSYSTEMSIF4.4
OAAI分享收藏
查看更多内容