共查询到17条相似文献，搜索用时 234 毫秒
1.
目的 研究多个机器学习算法在树皮厚度预测中的应用,对比分析不同单木因子对树皮厚度预测的影响,为树皮厚度预测提供新的方法。 方法 以大兴安岭天然林落叶松为研究对象,基于树皮厚度数据,构建4个机器学习算法（神经网络ANN、支持向量回归SVR、决策树CART、随机森林RF）,并将其在预测树皮厚度方面的性能与6个传统树皮厚度模型比较。采用决定系数（R2）、均方根误差（RMSE）、平均绝对误差（MAE）和赤池信息准则（AIC）来评价不同模型和算法。 结果 （1）在6个基础模型中Model5预测效果较好。基础模型与机器学习模型比较中,除CART4模型,其他机器学习模型拟合精度均好于传统模型Model5;（2）机器学习模型中ANN4和SVR3拟合和预测精度相似,RF4拟合效果最好。（3）RF4的输入变量为胸径（DBH）、树高（H）、相对树高（Hr）。基于训练样本,与Model5相比,随机森林的R2从0.675 2提高到0.723 4,RMSE从0.575 5降低到0.531 0。随机森林检验结果与Model5相比R2从0.666 9调高到0.710 5,RMSE从0.616 9降低到0.544 6。 结论 相对于基础树皮厚度模型,机器学习算法中的随机森林,支持向量回归和人工神经网络都能提高树皮厚度的预测精度,其中随机森林的预测效果最好,适合该区域落叶松树皮厚度的预测。 相似文献
2.
目的 森林生物量的空间精准量化对了解陆地碳储量、碳收支、碳平衡,以及揭示森林碳储量与全球气候变化的影响过程具有重要意义。P波段波长较长,在森林中具有更高的穿透能力,研究机载P波段SAR数据提高森林地上生物量(AGB)估测精度的可行性。 方法 以机载P波段全极化合成孔径雷达(SAR)数据和高精度激光雷达(LiDAR)数据估测的森林AGB抽样点为基础,提取20个极化SAR特征,并分别与森林AGB变化作敏感性响应情况分析。采用多元线性回归模型(MLR)、K近邻方法(KNN)、支持向量回归(SVR)和随机森林(RF)4种估测方法,探究机载P波段SAR数据的森林AGB估测精度。 结果 在较低森林AGB(均值约45 t·hm?2)的森林覆盖区中,P波段的同极化后向散射系数、Freeman-Durden和Yamaguchi分解中的表面和二次散射分量对森林AGB变化敏感;此外H-A-ALPHA极化分解的散射角(alpha)、拓展极化参数极化辨别率参数(PDR)也对森林AGB变化敏感。4种方法估测的森林AGB相对误差均约30%,其中MLR估测结果精度最低,估测精度为63.55%,均方根误差(RMSE)为19.16 t·hm?2;RF估测结果精度最高,估测精度为72.97%,RMSE为15.98 t·hm?2;KNN和SVR估计结果差别不明显,RMSE分别为17.04和17.09 t·hm?2。 结论 P波段SAR数据对估测森林AGB具有一定潜力,3种非参数方法的估测结果明显优于MLR参数方法。此外,P波段的森林AGB估测精度受到待估森林AGB水平高低的影响明显,在森林AGB水平较高的分组中估测精度较高。在森林AGB均值为45 t·hm?2,最大值为120 t·hm?2的森林覆盖区,以50 t·hm?2将森林AGB样点分为2组时,高森林AGB组的估测精度高出低AGB组约6%。图5表3参34 相似文献
3.
以GF-1遥感影像为数据源,研究区森林资源二类调查数据为样地实测数据,综合考虑光谱、地形、纹理特征,利用多元线性回归、BP神经网络、支持向量机和随机森林建立研究区森林蓄积量估测模型,并验证模型预测的性能。结果表明:4种模型预测评价指标的决定系数(R2)和均方根误差(RMSE)相近,但有一定的差异,多元线性回归模型R2和RMSE分别为0.446、39.979 6 m^3·hm^-2,BP神经网络模型R2和RMSE分别为0.474、39.703 9 m^3·hm^-2,支持向量机模型R2和RMSE分别为0.485、38.924 8 m^3·hm^-2,随机森林模型R2和RMSE分别为0.534、37.882 2 m^3·hm^-2;3种机器学习方法构建的蓄积量估测模型预测性能优于传统的多元线性回归模型,随机森林模型的预测性能最优。 相似文献
4.
应用高分1号（GF-1）全色和多光谱（PMS）影像和k-最邻近（k-NN）方法进行县域尺度的森林蓄积量估测,探讨GF-1 PMS影像以及k-NN方法估测森林蓄积量的适用性。以北京市延庆区森林资源二类调查数据为基础数据,森林蓄积量为研究对象,基于国产GF-1 PMS影像数据提取植被指数,采用k-NN法构建森林蓄积量估测模型,并引入偏最小二乘回归法予以比较,选出最优估测方法对全区森林蓄积量进行反演。结果显示:偏最小二乘回归法估测的森林蓄积量均方根误差为21.90 m3·hm-2,相对均方根误差为27.5%,偏差为17.23 m3·hm-2。基于k-NN方法的森林蓄积量估测的均方根误差为12.80 m3·hm-2,相对均方根误差为16.0%,偏差为15.02 m3·hm-2。与官方公布的全区森林蓄积量进行对比,结果显示:基于k-NN法反演的全区森林蓄积量统计结果（245.98万m3,估测精度为86.0%）要好于偏最小二乘回归法（266.22万m3,估测精度为76.6%）。最后生成了全区森林蓄积量空间分布图。 相似文献
5.
目的 对比不同冠幅预测方法对云冷杉幼树不同方向冠幅（东、西、南、北、东西、南北、平均冠幅）的预测精度的差异，为天然云冷杉林经营提供一定的理论依据。 方法 利用2013年金沟岭云冷杉3块1 hm2固定样地中云冷杉幼树各向冠幅实测数据，以逻辑斯蒂模型为基础模型，以非线性最小二乘法为基础方法进行模型初步拟合。以1/D、1/D0.5、1/D2作为模型的权函数进行模型异方差的消除。以不加权非线性似乎不相关法、加权非线性似乎不相关法、分位数回归法、非线性最小二乘法分别构建了云冷杉幼树冠幅各组分预测模型。 结果 模型拟合结果显示，分位数回归模型的拟合效果在云冷杉幼树冠幅预测模型中拟合精度最低；相较于分位数回归而言，加权非线性似乎不相关回归模型拟合效果与加权最小二乘模型拟合效果相当。模型拟合效果排序为:加权NSUR ≈ 加权OLS > OLS > QR。以1/D2作为模型的权函数时，模型残差图的异方差趋势被消除最明显，该权函数为最优权函数。 结论 本文中非线性分位数回归模型拟合效果不一定比非线性最小二乘法更好。加权NSUR模型（权函数为1/D2）可以为金沟岭林场云冷杉幼树冠幅的预测提供一定的理论基础。 相似文献
6.
目的 森林碳储量是生态系统结构与功能的重要指标，掌握森林碳储量现状有利于森林资源管理。激光雷达能够用于监测森林资源，但是存在森林参数估测的模型多、变量不确定和缺乏林分三维结构解析意义的变量等问题，因此，需要选择合适的林分解析变量和模型。 方法 借助无人机激光雷达点云数据与样地调查数据，以内蒙古自治区赤峰市喀喇沁旗旺业甸人工林为研究对象，分别使用多元线性模型与多元乘幂模型以不同变量对林分碳储量进行估测，选出最优模型并进行精度评价。 结果 研究表明:（1）模型方法而言，非线性模型的检验效果优于线性模型的检验效果:非线性模型（R2为0.66 ~ 0.86，rRMSE为23.51% ~ 9.91%），线性模型（R2为0.52 ~ 0.85，rRMSE为27.70% ~ 12.38%）。（2）模型使用平均高、郁闭度为基础变量，以穷举法筛选出来的变量组合，估算森林参数得出最佳模型，其中非线性模型以激光点云平均高、郁闭度、高度变动系数和叶面积变动系数的估算精度最高（R2=0.86，rRMSE=9.91%）。 结论 通过激光雷达估测人工林碳储量时，加入垂直结构变量可以提高模型拟合效果，非线性模型比线性模型更适合人工林碳储量的估测。 相似文献
7.
目的 林分水平的蓄积量、生物量和碳储量模型或数表,是开展森林资源规划设计调查的必备计量工具。研建东北林区10种主要森林类型的蓄积量、生物量和碳储量模型,既是方法学探索,也为生产实践提供参考成果。 方法 基于东北林区云冷杉林、落叶松林、红松林、樟子松林、栎树林、桦树林、杨树林、榆树林、椴树林和水胡黄林10种主要森林类型的2 000个样地的实测数据,分别利用非线性独立回归估计、非线性误差变量联立方程组和含哑变量的非线性误差变量联立方程组方法,建立了林分水平的蓄积量、生物量和碳储量模型。 结果 基于全部样地通过误差变量联立方程组方法建立的蓄积量、生物量和碳储量总体平均模型,其确定系数分别为0.945、0.805和0.839,而包含森林类型参数的蓄积量、生物量和碳储量哑变量模型,其确定系数分别达到0.959、0.949和0.951。10种主要森林类型的蓄积量、生物量和碳储量模型,确定系数（R2）都在0.86以上,平均预估误差（MPE）都在3%以内,平均百分标准误差（MPSE）大多数在10%以内。蓄积量模型的R2在0.876 ~ 0.980之间,MPE在0.90% ~ 1.95%之间,MPSE在5.14% ~ 11.89%之间;生物量模型的R2在0.864 ~ 0.988之间,MPE在0.66% ~ 2.07%之间,MPSE在3.61% ~ 11.60%之间;碳储量模型的R2在0.866 ~ 0.988之间,MPE在0.67% ~ 1.96%之间,MPSE在3.65% ~ 11.57%之间。 结论 不同森林类型的蓄积量主要取决于林分断面积和平均高,生物量主要取决于蓄积量和林分平均高。含哑变量的非线性误差变量联立方程组方法,是建立林分水平储量模型系统的可行方法。本研究所建立的东北地区10种主要森林类型的蓄积量、生物量和碳储量模型,其预估精度达到森林资源规划设计调查技术规定要求,可以在实践中推广应用。 相似文献
8.
利用landsat5影像和通过蓄积量-生物量转换方法获得的样地生物量数据,从宜良县云南松林遥感特征、地形特征、郁闭度等方面选取自变量,采用随机森林回归和偏最小二乘法进行生物量遥感估测建模。结果表明:随机森林回归估测模型调整决定系数R2为0.881,模型估测精度为82.3%;偏最小二乘模型的调整决定系数R2为0.753,模型估测精度为78.43%。随机森林回归在模型拟合效果和检验精度上均优于偏最小二乘模型。 相似文献
9.
目的 森林是整个陆地碳循环系统中最大的有机碳贮库,准确地估测森林地上生物量影响着全球碳源与碳储量的分析与评价。本文旨在评价利用Landsat8 OLI、高分一号光学数据、ALOS-1 PALSAR-1SAR 3组不同源遥感数据估测森林AGB的潜力,进而剖析光学数据和SAR数据在估测森林AGB方面的差异。 方法 首先对Landsat8 OLI、高分一号光学数据、ALOS-1 PALSAR-1SAR数据分别提取波段比值、植被指数、纹理信息,对ALOS-1 PALSAR-1SAR数据同时提取极化分解信息;然后,利用随机森林算法对不同数据提取的特征参数进行重要性排序,选择排序靠前的特征进行建模;最后,利用KNN-FIFS算法分析不同特征组合,对4组数据建立4个模型估测森林AGB,并使用留一交叉验证法对4个模型估测森林AGB值进行精度评价。 结果 使用植被因子、波段比值、纹理因子、极化分解信息4种特征参数分别对3组数据进行建模估测森林AGB,基于Landsat8 OLI数据反演森林AGB的精度评价结果为R2 = 0.50,RMSE = 33.34 t/hm2;基于高分一号数据估测精度为R2 = 0.36,RMSE = 37.60 t/hm2;基于PALSAR纹理特征估测精度为R2 = 0.45,RMSE = 35.40 t/hm2;基于PALSAR全极化分解信息估测精度为R2 = 0.63,RMSE = 28.84 t/hm2。 结论 参数提取方法相同时,即基于植被因子、波段比值、纹理信息3种特征参数估测森林AGB,其光学数据和SAR数据的反演潜力基本一致;参数提取方法不同时,即SAR数据加入极化分解信息估测森林AGB,与光学数据相比,SAR数据对森林AGB的反演潜力较好。 相似文献
10.
为进一步提高遥感模型预测森林蓄积量的精度和稳定性,分析了遥感特征因子、地形特征因子、郁闭度与森林蓄积量之间的相关关系。在此基础上,利用偏最小二乘回归方法构建了森林蓄积量遥感预测模型,生成了三峡库区森林蓄积量空间等级分布图,并与地面实测值进行比较。结果表明:该模型的最佳主成分数为3,且郁闭度、海拔、坡度、TM1、TM2、TM3、TM4、TM5、TM7、NDVI、RVI、TM7/TM3、TM4×TM3/TM2、亮度和湿度为预测森林蓄积量的入选变量;森林蓄积量预测的调整决定系数为0.524,相对误差为7.33%,均方根误差为1.763m3;利用该模型计算出三峡库区森林总蓄积量约为1.12亿m3,总体预测精度达到89.58%。研究结果为提高森林蓄积量遥感预测的精度提供了一种有效手段,有利于大面积应用和推广。 相似文献
11.
目的 基于浙江省中分辨率成像光谱仪(MODIS)时间序列数据,对浙江省竹林地上生物量进行估算,为竹林碳汇遥感监测提供参考。 方法 以MODIS叶面积指数(LAI)、增强型植被指数(EVI)和比值指数(RVI)时间序列数据为变量,利用随机森林模型筛选变量,采用支持向量回归(SVR)模型估算研究区竹林地上生物量。 结果 随机森林模型共筛选出43个对竹林地上生物量影响最大的变量;基于43个变量,采用radial核函数构建的SVR模型预测能力最强,模型训练精度和测试精度分别为0.76和0.72,均方根误差分别为5.15和8.03 Mg·hm?2。浙江省全省竹林地上生物量均值为7.85 Mg·hm?2,总地上生物量为3.31×107 Mg;浙江省竹林地上生物量在各市具有明显的差异性,其中,湖州市、杭州市、金华市、绍兴市和宁波市的竹林地上生物量均值均大于全省均值,湖州市竹林地上生物量均值最大,为13.56 Mg·hm?2,舟山市地上生物量均值最小,为5.72 Mg·hm?2。 结论 耦合了MODIS LAI、EVI、RVI时间序列数据的SVR模型可实现浙江省竹林地上生物量较高精度的估算。图3表1参31 相似文献
12.
目的 高郁闭度华北落叶松林Larix principis-rupprechtii林木树冠交叉重叠,传统的基于高分辨影像的单木识别方法识别精度不高。利用机载LiDAR三维点云数据可提高高郁闭度华北落叶松林的单木识别精度。 方法 在点云数据预处理基础上,提出基于点云空间特征的高斯核函数改进的均值漂移单木位置识别方法(MSP),比较并分析MSP法与基于点云空间特征的区域生长点云分割方法(RGP)、基于冠层高度模型的局部最大值单木位置识别方法(LMC)和基于冠层模型的多尺度分割单木位置识别方法(MSC)的单木识别效果。 结果 4种方法单木位置识别精度从大到小依次为MSP (89.30%)、LMC (85.60%)、RGP (77.50%)和MSC (70.00%),MSP的漏分误差和错分误差最小,分别为8.7%和8.0%,平均单木冠幅提取精度为90.18%。 结论 提出的MSP法对高郁闭度华北落叶松林单木位置识别具有较好的适用性,利用机载LiDAR可为提取华北落叶松林森林结构参数提供新的途径。图3表3参28 相似文献
13.
目的 研究浙江省针阔混交林非空间结构分布特征与生产力的相关性,为提升浙江省针阔混交林经营水平和森林质量提供理论依据和技术支持。 方法 以1999、2004、2009年共3期森林资源连续清查数据中的天然针阔混交林样地和样木数据为研究材料,提取胸径、树高、材积和针叶树种的非空间结构因子与单位面积蓄积量,对各时期的非空间结构分布形态进行函数建模,探究变化特征。采用生物量换算因子连续函数法进行生物量和生产力的估算,再进行非空间结构与生产力的偏相关分析。 结果 各时期森林非空间结构因子在形态上存在规律性的分布特征。非空间结构因子与生产力间呈正相关趋势。1999?2009年,浙江省针阔混交林针叶树种比例逐期上升,生产力第1期(1.39 t·hm?2·a?1)高于第2期(1.15 t·hm?2·a?1)。胸径、树高、单株材积均值呈近似正态分布。 结论 在针阔混交林的经营管理中,为保证林分处于高生产力的状态,要优先考虑针阔混交的比例。针叶树种比例应维持在50%以上,针叶树种比例偏低的混交林要进行人为干预。胸径若低于10.00 cm要加强抚育,高于12.00 cm应及时进行采伐。单株材积均值应维持在0.040~0.070 m3·株?1,树高在7.00~10.00 m。图6表5参34 相似文献
14.
目的 年伐量的计算是森林经营方案编制的核心内容，合理的年伐量能指导森林可持续经营。使用公式计算年伐量的传统方法，结果偏差较大，主观性较强，局限性明显。本研究利用计算机模型来解决传统方法的弊端。 方法 基于建德市林业总场森林资源二类调查数据，使用森林模拟优化模型(forest simulation and optimization system，FSOS)进行用材林主伐方案的年伐量计算分析，并与公式法计算结果进行对比。 结果 公式法难以适应林场复杂的龄组结构，不同公式计算结果差异较大；而FSOS模型适应能力较强，计算结果准确。FSOS结果显示:全场用材林年伐面积76.35 hm2·a?1，年伐蓄积9 073.51 m3·a?1，平均采伐年龄40 a，采伐木材量109.27 m3·hm?2；在未来50 a的模拟经营过程中，年伐量呈现周期性波动，森林龄组结构变化逐渐趋于稳定，规划期末成、过熟林面积占比达40.94%，接近理想状态。 结论 FSOS模型能适应复杂的龄组结构，预测林分生长；远近结合，兼顾多目标，综合考虑林场经营的经济效益和生态效益，科学指导森林经营。图5表3参15 相似文献
15.
以内蒙古大兴安岭生态站为研究对象,以2012、2013年的66块样地数据和2012年同步获取的机载Li DAR遥感数据为数据源,分别采用多元线性回归和随机森林回归算法,通过对比不同算法间的估测精度差异,选择更适于研究区的估测方法,实现研究区森林地上碳储量的遥感估测。结果表明:随机森林回归算法的估测精度最优,模型训练精度(R2为0.861,RMSE为11.133 t/hm2,rRMSE为0.279)和预测精度(RMSE为17.956 t/hm2,rRMSE为0.342,估测精度范围40.898%~95.129%,平均估测精度76.385%)均优于多元线性回归的模型训练结果 (R2为0.676,RMSE为11.846 t/ha,rRMSE为0.351)和模型预测结果(RMSE为22.703 t/hm2,rRMSE为0.636,估测精度范围45.824%~94.752%,平均估测精度69.859%)。机载Li DAR数据的高度变量和密度变量与森林地上碳储量均具有显著相关性,高度变量相关性更为显著。随机森林回归算法对区域森林地上碳储量的估测结果趋于真实分布情况,效果比较理想。 相似文献
16.
目的 建立基于气候因子的兴安落叶松天然林单木直径生长模型用于预测胸径生长,为内蒙古大兴安岭地区兴安落叶松天然林经营管理提供理论依据。 方法 基于内蒙古大兴安岭地区2013、2018年森林资源连续清查数据中的187块兴安落叶松天然林固定样地及样地位置对应的气候数据,运用逐步回归法建立考虑气候因子的传统单木直径生长模型,并在此基础上,加入样地效应构建兴安落叶松单木直径生长混合效应模型。最后,利用独立检验样本数据对基础模型和混合效应模型进行检验。 结果 年平均气温MAT、生长季平均降雨量Pgm是影响该地区兴安落叶松胸径生长量的主要气候因素,二者与胸径生长量均呈正相关。其余显著影响胸径生长量的因子包括初期胸径的倒数（1/DBH）、大于对象木的断面积和（BAL）、每公顷株数（NT）,3个变量都与胸径生长量呈负相关。胸径混合效应模型的决定系数（R2）为0.760 4,平均绝对误差（MAE）和均方根误差（RMSE）分别为0.386 6和0.486 3 cm2。与基础模型相比,混合效应模型的R2提高了0.321 7,MAE和RMSE减少了0.230 6 和0.267 4 cm2。在模型检验中,混合效应模型也呈现出了较好的拟合效果。 结论 基于气候因子的单木直径生长混合效应模型可以较好地描述内蒙古大兴安岭地区的兴安落叶松胸径生长过程。 相似文献
17.
目的 分析不同间伐保留密度及不同氮、磷肥施用量对杉木Cunninghamia lanceolata成熟林生长和材种结构的影响,为高效培育大径材杉木提供理论依据。 方法 选择27年生立地指数大于22的杉木人工林,采用正交试验设置9块标准地,间伐保留密度设为300、600和825株·hm?2,氮肥施用量设为0、100、200 g·株?1,磷肥施用量设为0、250、500 g·株?1。 结果 间伐保留密度过大会限制杉木成熟林胸径增加,间伐保留密度过小会降低林分蓄积量,间伐和施肥均能有效促进单株材积增长,较高氮肥施用量能够促进杉木胸径、树高和平均单株材积的生长,氮、磷肥混合施用能够更有效地增加林分蓄积量的积累。间伐保留密度及氮、磷肥施用量3个因素均显著影响杉木成熟林大径材出材量 (P＜0.05),间伐保留密度和磷肥施用量对杉木成熟林大径材出材率具有显著影响 (P＜0.05),而氮肥施用量的影响较小。在立地指数为22条件下,能够使杉木成熟林大径材出材量和出材率最高的处理为间伐保留密度825株·hm?2、氮肥施用量200 g·株?1、磷肥施用量250 g·株?1。 结论 高立地指数下,杉木成熟林大径材培育过程中,保留适宜的间伐密度,并增施氮肥和磷肥,能有效促进杉木大径材出材率和出材量。图6表4参27 相似文献
|
