以北方孟家崗林場(chǎng)的落葉松人工林為研究對(duì)象，引入遙感技術(shù)作為一種更高效、適用于大區(qū)域的遙感監(jiān)測(cè)方法，利用Sentinel-1和Sentinel-2遙感數(shù)據(jù)，提取光譜特征、紋理特征、植被指數(shù)和后向散射系數(shù)等特征指標(biāo)，基于Pearson相關(guān)系數(shù)和距離相關(guān)系數(shù)這兩種特征選擇方式，結(jié)合KNN、SVR和RF等3種機(jī)器學(xué)習(xí)模型，開(kāi)展了6種人工林蓄積量估測(cè)方案的對(duì)比。研究表明：遙感數(shù)據(jù)源對(duì)模型的估測(cè)精度影響最大；以單一Sentinel-1數(shù)據(jù)作為來(lái)源的模型估測(cè)精度最低，而基于Sentinel-1和Sentinel-2綜合數(shù)據(jù)的估測(cè)模型精度最高，其中RF回歸模型結(jié)合DC特征重要性評(píng)價(jià)方案獲得了最佳的蓄積量估測(cè)結(jié)果，R_RMSE和R²分別為22.94%和0.59。利用特征選擇的方式結(jié)合多源遙感數(shù)據(jù)可以有效提升模型精度和泛化能力，得到更優(yōu)的人工林蓄積量估測(cè)結(jié)果，為森林資源的保護(hù)、管理和可持續(xù)利用提供科學(xué)依據(jù)。

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

圖1基于不同特征選擇方法選擇的特征數(shù)量

基于不同特征選擇方法的模型精度如圖2所示，其中折線(xiàn)“Mean”表示KNN、SVR和RF三種回歸模型精度的均值�；诓煌倪b感數(shù)據(jù)源、回歸模型和特征重要性評(píng)價(jià)指標(biāo)，模型的估測(cè)精度不同。整體上看，模型的估測(cè)精度受遙感數(shù)據(jù)源的影響最大。其中單獨(dú)基于Sentinel-1數(shù)據(jù)的模型估測(cè)精度....

圖2基于不同特征選擇方法的模型RRMSE

圖1基于不同特征選擇方法選擇的特征數(shù)量結(jié)合多源遙感數(shù)據(jù)(Sentinel-1和Sentinel-2),將得到較優(yōu)的蓄積量估測(cè)結(jié)果。其中，不同特征選擇方法的真實(shí)值與預(yù)測(cè)值分布散點(diǎn)如圖3所示。虛線(xiàn)表示估測(cè)誤差為真實(shí)值均值的50%的臨界線(xiàn)，超過(guò)虛線(xiàn)范圍則認(rèn)為是估測(cè)誤差過(guò)大�；谔卣髦�....

圖3基于不同特征選擇方法的真實(shí)值與預(yù)測(cè)值的散點(diǎn)分布

以精度最佳的RF-DC特征選擇方法結(jié)合多源遙感數(shù)據(jù)進(jìn)行蓄積量估測(cè)并對(duì)研究區(qū)落葉松人工林進(jìn)行反演發(fā)現(xiàn)，研究區(qū)整體森林資源豐富，蓄積量集中分布在200～300m3/hm2之間。其中低海拔地區(qū)受人為影響較大的區(qū)域落葉松人工林蓄積量相對(duì)較低，而高海拔地區(qū)蓄積量相對(duì)較高。4討論與結(jié)論

本文編號(hào)：4004478