基于高分二号的旺业甸林场蓄积量估测模型研究

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。【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。