基于梯度提升决策树的植被高度模型研究

摘要：

[目的]研究以航空摄影测量的方式建立植被高度模型.[方法]利用数字正射影像(DOM)与数字表面模型(DSM)提取光谱特征因子和几何特征因子,采用相关性指数对植被高度与特征因子进行相关性分析,筛选出特征因子.采用梯度提升决策树算法建立植被高度模型,并通过优化参数提高模型精度.[结果]在默认参数下,模型精度约为2.000 m;优化参数后,模型精度达到了0.900 m;剔除部分特征因子后,模型精度可达0.840 m;通过与支持向量机算法进行对比,植被高度模型整体精度由0.893 m提高至0.758 m,运行时间由70 min缩减至10 min.[结论]若不考虑建模原始数据的误差,采用梯度提升决策树算法建立的植被高度模型的精度为亚米级,多次试验中模型精度较为稳定.

关键词：植被高度、梯度提升决策树、特征因子、机器学习

所属期刊栏目：20

分类号：P231(摄影测量学与测绘遥感)

资助基金：湖南省自然科学基金资助项目2020JJ4601

在线出版日期：2023-03-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：65-74