报告详情
基于多源对地观测数据、谷歌地球引擎和可信机器学习的区域尺度森林地上生物量低成本快速制图
编号：1543
访问权限：仅限参会人
更新：2024-04-11 20:59:20
浏览：799次
快闪报告
报告开始：2024年05月19日 17:59（Asia/Shanghai）
报告时间：5min
所在会场：[S4] 主题4、生态与可持续发展 [S4-8] 主题4、生态与可持续发展 专题4.9、专题4.14（19日下午，209）
暂无文件
摘要
森林地上生物量（AGB）的预测与制图是实现可持续森林管理和减缓气候变化等生态目标的前提。当前，区域尺度森林AGB预测与制图面临野外测量成本高、海量遥感影像处理效率低、以及模型不透明性等挑战。本研究使用遥感和计算机领域的最新进展，提出一个改进的具有可扩展性的、低成本和高效的区域森林AGB预测和制图工作流。具体地，全部使用公开数据进行建模以降低成本；使用谷歌地球引擎（GEE）获取、处理和分析海量遥感数据，增加建模效率；引入机器学习模型解释算法，增加可靠性和透明度。使用位于中国福建省森林为例开展的案例研究证实了提出方法的有效性。总体而言，本文强调将遥感对地观测、GEE以及可信机器学习有机协同以改善区域森林AGB预测与制图。
关键词
星载激光雷达,SHAP,哨兵卫星,多源数据融合,GEDI,SAR,森林生物量,碳
报告人
董鹤松
博士研究生 中国科学院城市环境研究所稿件作者
全部评论
重要日期
-
会议日期
05月17日
2024
至05月20日
2024
-
03月31日 2024
初稿截稿日期
-
03月31日 2024
报告提交截止日期
-
05月20日 2024
注册截止日期
主办单位
青年地学论坛理事会
承办单位
厦门大学近海海洋环境科学国家重点实验室
中国科学院城市环境研究所
自然资源部第三海洋研究所
中国科学院城市环境研究所
自然资源部第三海洋研究所
联系方式
- 辜克兢（会务总协调、会场安排、学术安排）
- gu******@xmu.edu.cn
- 139********
- 柳欣（会务总协调）
- li******@xmu.edu.cn
- 138********
- 孙佳妮（会务总协调）
- sc******@chytey.com
- 152********
- 窦恒（会场安排、学术安排）
- do******@chytey.com
- 186********
- 李招英（会场技术服务）
- li******@xmu.edu.cn
- 138********
- 刘琳（学术安排）
- ll******@iue.ac.cn
- 133********
- 李虎（学术安排）
- hl******@iue.ac.cn
- 189********
- 柳欣（学术安排）
- li******@xmu.edu.cn
- 138********
- 胡勤梅（会议注册）
- ma******@chytey.com
- 135********
- 孙晓笛（会议注册）
- xi******@xmu.edu.cn
- 188********
- 许心雅（会议财务）
- xu******@xmu.edu.cn
- 180********
- 朱佳（商业赞助）
- zh******@xmu.edu.cn
- 139********
- 张君（海报张贴）
- ju******@xmu.edu.cn
- 138********
- 卢巍（海报张贴）
- lu******@chytey.com
- 189********
- 李璟（酒店预订及咨询）
- li******@chytey.com
- 186********
发表评论