王文倩:基于机器学习和零膨胀模型估算大兴安岭树种生物量论文

王文倩:基于机器学习和零膨胀模型估算大兴安岭树种生物量论文

本文主要研究内容

作者王文倩(2019)在《基于机器学习和零膨胀模型估算大兴安岭树种生物量》一文中研究指出:森林在全球碳循环中具有重要作用,而森林生物量不仅标志着森林固碳能力,评估森林的碳收支能力,量化森林碳汇的关键也需要精确估测森林生物量,森林生物量对于全球碳循环研究和森林可持续发展具有重要作用。本研究以大兴安岭林区为研究区,以Sentinel-1雷达数据和Sentinel-2光学遥感数据为主要数据源,结合森林资源清查数据、地形、和气候等辅助数据,探究在估算大兴安岭森林和兴安落叶松、白桦、山杨、樟子松及云杉生物量时,K阶最近邻(KNN)、支持向量机(SVM)、分类回归树(CART)、随机森林(RF)、随机梯度提升(SGB)五种常用机器学习模型在估算不同生物量时的模型表现力,并使用零膨胀模型对云杉和樟子松的生物量估算模型进行优化,进而筛选出估算不同树种的最优模型。在此基础之上,通过最优的建模方法对大兴安岭不同树种的生物量进行估算并分析生物量的空间分布特征。主要的研究内容和结论如下:(1)提取Sentinel-2光学遥感数据的单波段信息,并计算相应的植被指数,提取Sentinel-1雷达数据的后向散射系数和后向散射系数的纹理特征,同时辅以地形数据和气候数据,共提取到44个特征因子。以这44个特征为基础,通过五种常用机器学习方法(K阶最近邻、支持向量机、分类回归树、随机森林、随机梯度提升)来建立特征与生物量之间的关系。以十倍交叉验证的精度指标作为标准,比较五种常用机器学习方法在估算大兴安岭森林和兴安落叶松、白桦、山杨、樟子松及云杉生物量的精度,以此来选择估算不同树种生物量的最佳模型。在估算不同树种的生物量时,总体上是随机森林和随机梯度提升两种模型的效果比较好。在估算森林的生物量时,随机梯度提升模型的精度最高;随机梯度提升是估测兴安落叶、山杨和云杉的生物量的最优模型;随机森林是估算白桦和樟子松的最优模型。(2)对于云杉和樟子松,样本含有许多零值,当使用常用机器学习的回归模型估算这两种树种的生物量时,出现了零值样本数据被过高估计,非零样本数据被过低估计现象。使用零膨胀模型来估算云杉和樟子松的生物量,包括两个步骤:首先对目标树种进行分类;然后在目标树种存在的区域预测目标树种的生物量。在两个步骤中,均比较K阶最近邻、支持向量机、分类回归树、随机森林、随机梯度提升的分类或回归精度,分别选择出分类精度最高的模型和回归精度最高的模型,以此作为估算生物量的最佳的零膨胀模型。随机梯度提升-随机森林零膨胀模型是估算樟子松的最佳模型,随机森林-随机森林零膨胀模型是估算云杉的最佳模型。(3)使用最佳模型估算不同树种在整个研究区的生物量。大兴安岭森林生物量在整个研究区平均为136Mg/ha,在西林吉、图强、阿木尔林业局,森林的生物量值较低。兴安落叶松在大兴安岭林区都有分布。白桦在整个研究区,分布比较均匀,但生物量总体要比兴安落叶松低。樟子松主要分布在大兴安岭北部区域。在五种树种中,云杉分布面积最小,仅在大兴安岭林区的中部区域有小面积分布。(4)使用随机森林特征重要性评价法分析估算树种生物量的44个特征的重要性。在估算树种生物量的44个特征变量中,气温和降水在不同树种的生物量估算中均表现除较强的重要性,VV的信息熵也具有重要影响。在对云杉的生物量进行拟合时,雷达数据的纹理特征影响较小。

Abstract

sen lin zai quan qiu tan xun huan zhong ju you chong yao zuo yong ,er sen lin sheng wu liang bu jin biao zhi zhao sen lin gu tan neng li ,ping gu sen lin de tan shou zhi neng li ,liang hua sen lin tan hui de guan jian ye xu yao jing que gu ce sen lin sheng wu liang ,sen lin sheng wu liang dui yu quan qiu tan xun huan yan jiu he sen lin ke chi xu fa zhan ju you chong yao zuo yong 。ben yan jiu yi da xing an ling lin ou wei yan jiu ou ,yi Sentinel-1lei da shu ju he Sentinel-2guang xue yao gan shu ju wei zhu yao shu ju yuan ,jie ge sen lin zi yuan qing cha shu ju 、de xing 、he qi hou deng fu zhu shu ju ,tan jiu zai gu suan da xing an ling sen lin he xing an la xie song 、bai hua 、shan yang 、zhang zi song ji yun sha sheng wu liang shi ,Kjie zui jin lin (KNN)、zhi chi xiang liang ji (SVM)、fen lei hui gui shu (CART)、sui ji sen lin (RF)、sui ji ti du di sheng (SGB)wu chong chang yong ji qi xue xi mo xing zai gu suan bu tong sheng wu liang shi de mo xing biao xian li ,bing shi yong ling peng zhang mo xing dui yun sha he zhang zi song de sheng wu liang gu suan mo xing jin hang you hua ,jin er shai shua chu gu suan bu tong shu chong de zui you mo xing 。zai ci ji chu zhi shang ,tong guo zui you de jian mo fang fa dui da xing an ling bu tong shu chong de sheng wu liang jin hang gu suan bing fen xi sheng wu liang de kong jian fen bu te zheng 。zhu yao de yan jiu nei rong he jie lun ru xia :(1)di qu Sentinel-2guang xue yao gan shu ju de chan bo duan xin xi ,bing ji suan xiang ying de zhi bei zhi shu ,di qu Sentinel-1lei da shu ju de hou xiang san she ji shu he hou xiang san she ji shu de wen li te zheng ,tong shi fu yi de xing shu ju he qi hou shu ju ,gong di qu dao 44ge te zheng yin zi 。yi zhe 44ge te zheng wei ji chu ,tong guo wu chong chang yong ji qi xue xi fang fa (Kjie zui jin lin 、zhi chi xiang liang ji 、fen lei hui gui shu 、sui ji sen lin 、sui ji ti du di sheng )lai jian li te zheng yu sheng wu liang zhi jian de guan ji 。yi shi bei jiao cha yan zheng de jing du zhi biao zuo wei biao zhun ,bi jiao wu chong chang yong ji qi xue xi fang fa zai gu suan da xing an ling sen lin he xing an la xie song 、bai hua 、shan yang 、zhang zi song ji yun sha sheng wu liang de jing du ,yi ci lai shua ze gu suan bu tong shu chong sheng wu liang de zui jia mo xing 。zai gu suan bu tong shu chong de sheng wu liang shi ,zong ti shang shi sui ji sen lin he sui ji ti du di sheng liang chong mo xing de xiao guo bi jiao hao 。zai gu suan sen lin de sheng wu liang shi ,sui ji ti du di sheng mo xing de jing du zui gao ;sui ji ti du di sheng shi gu ce xing an la xie 、shan yang he yun sha de sheng wu liang de zui you mo xing ;sui ji sen lin shi gu suan bai hua he zhang zi song de zui you mo xing 。(2)dui yu yun sha he zhang zi song ,yang ben han you hu duo ling zhi ,dang shi yong chang yong ji qi xue xi de hui gui mo xing gu suan zhe liang chong shu chong de sheng wu liang shi ,chu xian le ling zhi yang ben shu ju bei guo gao gu ji ,fei ling yang ben shu ju bei guo di gu ji xian xiang 。shi yong ling peng zhang mo xing lai gu suan yun sha he zhang zi song de sheng wu liang ,bao gua liang ge bu zhou :shou xian dui mu biao shu chong jin hang fen lei ;ran hou zai mu biao shu chong cun zai de ou yu yu ce mu biao shu chong de sheng wu liang 。zai liang ge bu zhou zhong ,jun bi jiao Kjie zui jin lin 、zhi chi xiang liang ji 、fen lei hui gui shu 、sui ji sen lin 、sui ji ti du di sheng de fen lei huo hui gui jing du ,fen bie shua ze chu fen lei jing du zui gao de mo xing he hui gui jing du zui gao de mo xing ,yi ci zuo wei gu suan sheng wu liang de zui jia de ling peng zhang mo xing 。sui ji ti du di sheng -sui ji sen lin ling peng zhang mo xing shi gu suan zhang zi song de zui jia mo xing ,sui ji sen lin -sui ji sen lin ling peng zhang mo xing shi gu suan yun sha de zui jia mo xing 。(3)shi yong zui jia mo xing gu suan bu tong shu chong zai zheng ge yan jiu ou de sheng wu liang 。da xing an ling sen lin sheng wu liang zai zheng ge yan jiu ou ping jun wei 136Mg/ha,zai xi lin ji 、tu jiang 、a mu er lin ye ju ,sen lin de sheng wu liang zhi jiao di 。xing an la xie song zai da xing an ling lin ou dou you fen bu 。bai hua zai zheng ge yan jiu ou ,fen bu bi jiao jun yun ,dan sheng wu liang zong ti yao bi xing an la xie song di 。zhang zi song zhu yao fen bu zai da xing an ling bei bu ou yu 。zai wu chong shu chong zhong ,yun sha fen bu mian ji zui xiao ,jin zai da xing an ling lin ou de zhong bu ou yu you xiao mian ji fen bu 。(4)shi yong sui ji sen lin te zheng chong yao xing ping jia fa fen xi gu suan shu chong sheng wu liang de 44ge te zheng de chong yao xing 。zai gu suan shu chong sheng wu liang de 44ge te zheng bian liang zhong ,qi wen he jiang shui zai bu tong shu chong de sheng wu liang gu suan zhong jun biao xian chu jiao jiang de chong yao xing ,VVde xin xi shang ye ju you chong yao ying xiang 。zai dui yun sha de sheng wu liang jin hang ni ge shi ,lei da shu ju de wen li te zheng ying xiang jiao xiao 。

论文参考文献

  • [1].基于GF-3全极化SAR数据估算森林冠层生物量[D]. 魏晶昱.东北林业大学2019
  • [2].海南尖峰岭热带山地雨林更新林生物量动态及其与水分因子的关联性[D]. 李翔.中国林业科学研究院2018
  • [3].基于机器学习及多源数据的亚热带典型区域森林地上生物量估测研究[D]. 高煜堃.浙江农林大学2018
  • [4].辽东山区蒙古栎枝叶生物量模拟研究[D]. 钟迪.沈阳农业大学2017
  • [5].基于地统计学的大兴安岭塔河林业局主要森林类型生物量空间分布[D]. 孟露.东北林业大学2017
  • [6].北京西山地区元宝枫生物量计算模型的研究[D]. 杨丽.北京林业大学2012
  • [7].北京妙峰山林场林下灌草层生物量及固碳效益研究[D]. 王欢.北京林业大学2014
  • [8].不同区域马尾松相容性生物量模型研究[D]. 吕常笑.北京林业大学2016
  • [9].大岗山林区几种灌木生物量及其价值研究[D]. 赵蓓.北京林业大学2012
  • [10].浙江省主要树种(组)生物量转换系数研究[D]. 沈楚楚.浙江农林大学2013
  • 读者推荐
  • [1].基于Sentinel-2A数据的徐州城市植被分类及生物量反演研究[D]. 周希胜.中国矿业大学2019
  • [2].不同类型草地地上生物量的估测[D]. 杨烁.西北农林科技大学2019
  • [3].集成面向对象与多分类器的遥感影像回溯变化检测研究[D]. 蒋月.兰州大学2019
  • [4].基于遥感物候特征的水稻镉胁迫研究[D]. 孙宁.东北师范大学2019
  • [5].基于深度学习的遥感影像分类应用研究[D]. 余威.贵州大学2019
  • [6].区域森林覆盖变化与生物量估算方法研究[D]. 张赫林.重庆交通大学2018
  • [7].基于机器学习及多源数据的亚热带典型区域森林地上生物量估测研究[D]. 高煜堃.浙江农林大学2018
  • [8].Landsat-7ETM+和PALSAR数据联合反演森林生物量方法研究[D]. 陈顺.中国矿业大学2018
  • [9].基于神经网络模型的森林生物量估算方法研究[D]. 曾小强.华北电力大学(北京)2018
  • [10].塔里木河上游胡杨林地上生物量动态遥感监测[D]. 张倩.贵州大学2018
  • 论文详细介绍

    论文作者分别是来自东北师范大学的王文倩,发表于刊物东北师范大学2019-07-08论文,是一篇关于生物量论文,雷达数据论文,光学数据论文,机器学习论文,零膨胀模型论文,东北师范大学2019-07-08论文的文章。本文可供学术参考使用,各位学者可以免费参考阅读下载,文章观点不代表本站观点,资料来自东北师范大学2019-07-08论文网站,若本站收录的文献无意侵犯了您的著作版权,请联系我们删除。

    标签:;  ;  ;  ;  ;  ;  

    王文倩:基于机器学习和零膨胀模型估算大兴安岭树种生物量论文
    下载Doc文档

    猜你喜欢