基于随机森林回归模型的思茅松人工林生物量遥感估测

被引:32
作者
孙雪莲
舒清态
欧光龙
胥辉
机构
[1] 西南林业大学
关键词
景谷县; 生物量; 随机森林回归; 思茅松;
D O I
10.13466/j.cnki.lyzygl.2015.01.013
中图分类号
S718.55 [森林生态系统];
学科分类号
071012 ; 0713 ;
摘要
以云南省景谷县思茅松人工林为研究对象,以研究区2005年TM影像及2006年森林资源二类调查小班空间属性数据库为信息源,在前期建立思茅松单木生物量模型基础上,在ENVI下提取9个植被指数作为备选自变量,建立研究区思茅松人工林随机森林回归遥感估测模型。结果表明:随机森林回归遥感估测模型的决定系数(R2)=0.97,均方根误差(RMSE)=4.97;模型的预估精度(P)=87.67%。利用已经训练好的随机森林估测模型,估测研究区思茅松人工林生物量为3 644 612.00t;单位面积生物量为59.90 t/hm2。研究结果可为其它典型森林类型生物量或碳储量估测提供案例分析。
引用
收藏
页码:71 / 76
页数:6
相关论文
共 11 条
[1]   随机森林模型在分类与回归分析中的应用 [J].
李欣海 .
应用昆虫学报, 2013, 50 (04) :1190-1197
[2]   基于改进型B-P神经网络的西天山云杉林生物量估算 [J].
袁野 ;
李虎 ;
刘玉峰 .
福建师范大学学报(自然科学版), 2011, 27 (02) :124-132
[3]   随机森林方法研究综述 [J].
方匡南 ;
吴见彬 ;
朱建平 ;
谢邦昌 .
统计与信息论坛, 2011, 26 (03) :32-38
[4]   基于ANN的森林蓄积遥感估测研究 [J].
曾明宇 ;
陈振雄 ;
刘庭威 .
中南林业调查规划, 2010, 29 (03) :36-39
[5]   思茅松单木生物量模型研究 [J].
朱丽梅 ;
胥辉 .
林业科技, 2009, 34 (03) :19-23
[6]   遥感技术支持下的植被生产力与生物量研究进展 [J].
戴小华 ;
余世孝 .
生态学杂志, 2004, (04) :92-98
[7]   植被指数研究进展 [J].
田庆久 ;
闵祥军 .
地球科学进展, 1998, (04) :10-16
[8]   云南普洱地区思茅松林的生物量 [J].
吴兆录 ;
党承林 .
云南大学学报(自然科学版), 1992, (02) :119-127
[9]  
林木生物量模型研究[M]. 云南科技出版社 , 胥辉, 2002
[10]   Random forests [J].
Breiman, L .
MACHINE LEARNING, 2001, 45 (01) :5-32