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。【方法】本次实验以内蒙古旺业甸林场为研究区,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。