顾及变量相关性的主成分分析法在森林蓄积量估测中的应用

摘要：

为探究Landsat8 OLI反演蓄积量的潜力,研究不同特征选择方法对蓄积量反演精度及不同蓄积量反演模型对反演精度的影响.以湖南省怀化市排牙山国有林场作为研究区,森林资源二类调查数据作为样地地面实测数据,选用Landsat8 OLI作为遥感数据源,将传统的Pearson相关系数法及主成分分析法2种方法结合,得到一种顾及变量相关性的主成分分析法(PCA-P)对遥感变量进行降维.使用3种变量选择方法构建了随机森林(RF)、K最近邻(KNN)、支持向量机(SVR)、多元线性回归(MLR)模型进行森林蓄积量的估测,使用决定系数(R2)、均方根误差(RMSE)、相对均方根误差(RRMSE)对蓄积量估测模型进行精度评价.结果表明:通过Pearson相关系数结合方差膨胀因子得到IB2、IND25、IMSR3个遥感变量,其与蓄积量相关性分别为0.716、0.623、0.597.使用主成分分析法得到前3个主成分,累计贡献率为93.42％.通过PCA-P得到前2个主成分,累计贡献率为89.99％.使用PCA-P筛选变量并构建的随机森林模型取得了最佳效果,其决定系数为0.59,精度达到77.9％.

关键词：主成分分析、Pearson相关系数、机器学习、森林蓄积量

所属期刊栏目：50

分类号：S771.8(森林工程、林业机械)

资助基金：国家公益性行业科研专项201504301

在线出版日期：2022-04-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：29-34,69