基于优化k-NN模型的高山松地上生物量遥感估测

编号 zgly0001667758

文献类型 期刊论文

文献题名 基于优化k-NN模型的高山松地上生物量遥感估测

作者 谢福明  字李  舒清态 

作者单位 西南林业大学林学院 

母体文献 浙江农林大学学报 

年卷期 2019年03期

年份 2019 

分类号 S718.5  S771.8 

关键词 森林测计学  k-NN模型  遗传算法  Landsat8/OLI  地上生物量  高山松 

文摘内容 针对传统k-最近邻法（k-nearest neighbor,k-NN）在搜索最近邻单元时赋予特征变量相等的权重,缺少对特征变量加权优化等不足问题,在云南省香格里拉市,以高山松Pinus densata为研究对象,基于49块实测标准地,116株高山松样木和Landsat 8/OLI影像,在前期进行基于遗传算法（genetic algorithm,GA）优化的k-NN模型实现的基础上,对k-NN的3个参数（k,t和d）进行反复测试优化组合,在像元尺度上对研究区高山松地上生物量进行遥感估算。结果表明:基于遗传算法优化的k-NN模型精度优于传统的k-NN模型,优化前均方根误差为30.0 t·hm-2,偏差为-0.418 t·hm-2,相对标准误差百分比(RMSE)为54.8%;优化后均方根误差为24.0 t·hm-2,偏差为-0.123 t·hm-2,RMSE为43.7%。基于优化k-NN模型的研究区高山松地上生物量总储量估测结果为0.89×107t。图7表6参20