Estimating vegetation carbon storage based on optimal bandwidth selected from geographically weighted regression model in Shenzhen City

Abstract

植被碳储量估测是自然资源监测的重要内容，遥感技术结合地面样地进行反演可以获得区域范围内植被碳储量的空间连续分布，弥补了传统人工抽样调查估测的不足。然而，现有的参数和非参数遥感估测模型大多忽略了样地数据的变异与空间自相关关系。研究以Landsat 8 OLI影像为数据源提取遥感变量，结合植被碳储量实测调查数据，利用最小信息准则（AICc）、最大空间自相关距离（MSAD）和交叉验证（CV）分别确定最优带宽，组合Gaussian、Bi-square和Exponential核函数构建地理加权回归（GWR）模型估算深圳市植被碳储量，并与多元线性回归（MLR）进行比较，选择最优模型绘制深圳市植被碳储量空间分布图。研究结果表明，GWR模型整体精度优于MLR模型，GWR模型的决定系数（R²）均高于MLR模型，且均方根误差（RMSE）和平均绝对误差（MAE）显著降低。带宽和核函数的选择对GWR模型估测结果产生了显著影响。以CV确定带宽、Exponential为核函数组合构建的GWR模型效果最佳，其R²为0.697，RMSE为10.437 Mg C/hm²，相比其它模型精度上升了13.87%-32.28%，且变量回归参数均存在显著空间非平稳性，能较好反映空间异质性。结合最优GWR模型和植被类型空间分布估算深圳市植被碳储量，得到其碳储量值在1.63-60.95 Mg C/hm²之间，其中高值和低值主要分布于森林和草地区域，与深圳市植被覆盖情况基本一致。GWR模型考虑了变量空间异质性，基于带宽优选的GWR模型一定程度上能获得更合理的碳储量空间分布，能为深圳市植被碳储量遥感估算提供方法与技术参考。

Topics & Concepts