编号 zgly0001692697

文献类型 期刊论文

文献题名 基于高分二号的旺业甸林场蓄积量估测模型研究

作者 刘兆华  林辉  龙江平  李新宇 

作者单位 中南林业科技大学林业遥感的数据与生态安全湖南省重点实验室  中南林业科技大学林学院 

母体文献 中南林业科技大学学报 

年卷期 2020年03期

年份 2020 

分类号 S758.51 

关键词 森林蓄积量  机器学习  植被指数  纹理特征  高分二号 

文摘内容 【目的】为了探究国产高分二号(GF-2)影像在林分蓄积量估测中的潜力,并找到最佳的蓄积量估测模型?！痉椒ā勘敬问笛橐阅诿晒磐档榱殖∥芯壳?以高分二号卫星影像为信息源,结合2017年10月份调查的75块样地以及同时期的GF-2影像数据,提取波段特征、植被指数和纹理特征等43个遥感因子作为候选变量,利用Pearson相关系数选择出与蓄积量显著相关的6个变量,采用多元线性回归模型(MLR)、BP-神经网络模型(BP-ANN)、随机森林模型(RF)、支持向量机模型(SVM)和K邻近模型(KNN)进行蓄积量的估测。以决定系数(R~2)、均方根误差(RMSE)、相对均方根误差(RRMSE%)作为5种模型的评价指标,选择出旺业甸林场的最佳蓄积量估测模型,并绘制了研究区的森林蓄积量分布图。【结果】4种机器学习模型的结果明显优于传统的线性模型,其中随机森林(RF)模型和K邻近模型(KNN)均得到了较高的精度,其中RF模型的R~2为0.66,均方根误差为55.2 m~3/hm~2,相对均方根误差为28.1%,KNN模型的R~2为0.64,均方根误差为57.6 m~3/hm~2相对均方根误差为29.3%。【结论】在利用高分二号数据进行旺业甸林场蓄积量估测时,RF和KNN模型在估测针叶林蓄积量时相比于其他模型可以取得更好的结果。