运用Sentinel-2遥感影像数据估测森林蓄积量

编号 zgly0001732163

文献类型 期刊论文

文献题名 运用Sentinel-2遥感影像数据估测森林蓄积量

作者 李坤  吴达胜  方陆明  刘建超 

作者单位 浙江省林业智能监测与信息技术研究重点实验室(浙江农林大学)  浙江农林大学暨阳学院 

母体文献 东北林业大学学报 

年卷期 2021,49(05)

页码 59-66

年份 2021 

分类号 S758.51  S771.8 

关键词 森林蓄积量  类别特征  集成模型 

文摘内容 针对传统森林资源调查工作量大、时效性低的问题,开发具有较好普适性的森林蓄积量估测模型,以期为森林资源管理决策提供科学依据。以淳安县、临海市为研究区,运用2017年研究区Sentinel-2遥感数据、森林资源二类调查数据和数字高程模型数据,采用最小绝对收缩和选择算子(Lasso)特征选择方法,构建K最近邻算法(K-NN)、梯度提升迭代决策树(GBDT)、极端梯度提升(XGBoost)、梯度增强集成分类器(CatBoost)4种模型和基于单模型的堆叠法(Stacking)融合模型,通过10折交叉验证法检验模型精度,分析特征变量对于模型性能指标的影响。结果表明:(1)在淳安、临海两地的森林蓄积量估测中,CatBoost模型在4种单模型中综合表现最优,具有较好的普适性;(2)特征变量的加入极大提升了模型的决定系数(R~2),且均方误差、平均绝对误差和平均百分比误差等性能指标也显著优化;(3)融合模型的平均百分比误差最低为20.24%,较单模型有所提升。Lasso特征选择方法结合Stacking融合模型可以准确地估测森林蓄积量,具有较强实用性。