排序方式： 共有3条查询结果，搜索用时 15 毫秒
1
1.
加强云贵川区域林火管理,预测云贵川地区森林火灾的发生概率,对保护森林资源和森林生态系统结构和功能具有重要意义。利用MCD64A1火灾数据集、气象数据、地形数据和可燃物含水率数据构建模型训练数据集,结合逻辑回归、随机森林与极端梯度提升等机器学习模型,对中国云贵川区域日尺度林火燃烧概率进行预测。结果表明：单独使用气象数据集对林火燃烧概率进行预测时,极端梯度提升模型表现最好,预测精度为88.6%,其次为随机森林模型与逻辑回归模型,预测精度分别为86.0%与76.7%。地形因素及植被水分指数的引入对机器学习模型有一定的优化效果,极端梯度提升模型与随机森林模型的预测精度的提升均超过1%。 相似文献
2.
陆地总初级生产力(GPP)是全球碳循环和全球变化研究的关键参数,基于遥感方式是目前陆地生态系统GPP估算的主流方法。为了准确估算全球和区域尺度的陆地GPP,本文通过分析叶绿素荧光与光合作用关系的理论,在GPP-SIF经验线性估算模型的基础上,引入影响植被光合能力和影响冠层SIF发射的因素,构建了适用于未出现严重长期外界胁迫的基于近红外荧光的GPP估算理论模型。结合GOME-2 SIF产品、FLUXNET2015数据集中实测GPP和MODIS相关产品,在不同类型植被进行了验证分析。结果表明：该模型在所有植被类型上的估算精度较经验线性估算模型都有很大的提高,同时本文模型能较好地体现出不同植被类型GPP的季节性变化特征,在全球尺度上的应用也取得了较好的效果。 相似文献
3.
为了更加精确全面地掌握全球陆地生态系统固碳情况,基于GUANTER提出的简单线性模型,利用FLUXNET2015通量数据、GOME-2叶绿素荧光数据、MODIS植被指数产品以及土地覆盖数据,将温度胁迫因子和饱和水汽压胁迫因子加入模型中,估算结果与传统简单线性模型的估算结果相比,13个通量站点中有10个通量站点的估算精度得到了提升。此外,本研究还在考虑环境影响因素模型的基础上,利用植被指数来模拟叶绿素荧光的冠层逃逸率fesc,进一步提升模型的估算精度。结果显示,与传统简单线性模型和只加入环境影响因子的模型估算结果相比,13个通量站点的估算精度都有所提升。 相似文献
1