基于机器学习的青藏高原天然草地盖度时空变化特征研究

摘要：

草地盖度是评价草地生长状况的重要指标,构建高精度的盖度估测模型是开展天然草地动态监测的关键.本文利用2003—2018年实测数据和地形、土壤等55个指标,建立了4种草地盖度遥感估测模型,通过比较得到研究区草地盖度遥感估测最优模型,并分析了2001—2019年研究区草地盖度时空动态变化.结果表明:由最小绝对压缩变量筛选方法选出10个有较高重要性的变量.其中,比值植被指数与草地植被盖度间的相关性优于其他单因素模型与草地植被盖度间的相关性.在3种机器学习模型中,随机森林优于人工神经网络与支持向量机模型,其R2和均方根误差分别为0.68和12.75％.机器学习方法构建的草地盖度模型优于单因素模型,其R2可提高0.09～0.16,RMSE降低1.52％ ～2.81％;2001—2019年,研究区草地盖度整体上呈现出自西向东、自北向南增加的趋势,呈增加趋势的面积占比为55.4％,呈减少趋势的面积占比为44.6％.

关键词：草地盖度、随机森林、M ODIS、变量筛选

所属期刊栏目：30

分类号：S812(普通畜牧学)

资助基金：国家重点研发计划;国家自然科学基金;国家自然科学基金;国家自然科学基金;中国工程院咨询研究项目;中国工程院咨询研究项目;兰州大学中央高校基本科研业务费专项;现代农业产业技术体系;国家重点研发计划;甘肃省科技计划重大项目

在线出版日期：2022-11-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：2652-2662