应用机器学习模型与线性模型预测森林蓄积生长量的精度

摘要：

为了探究不同模型对森林蓄积生长量的预测精度和影响因素,以吉林省汪清金沟岭林场为研究区,利用林场 198 个固定样地(20 m×20 m)中的乔木数据,建立多元线性回归(MLR)、随机森林(RF)、支持向量机(SVM)、最近邻法(KNN)模型,分析树木蓄积生长量与林分因子、地形因子和气候因子的关系,并比较不同模型的预测精度.结果表明:森林蓄积生长量与林分每公顷断面积(BA)、大于对象木断面积(BL)、海拔(AL)、林分密度(N)、年均降水量(P)显著相关,与平均胸径(D)、坡向(As)、坡度(SL)、年均气温(T)并不相关;不同模型的预测结果存在差异,随机森林(RF)方法所有测试指标最佳;随机森林方法得出的平均蓄积生长量预测值为 51.45 m3·hm-2,该模型均方根误差(RMSE)最低(4.62),决定系数(R2)最高(0.91).

关键词：林分蓄积、多元线性回归、最近邻法、支持向量机、随机森林

所属期刊栏目：51

分类号：S758.5+1(森林经营学、森林计测学、森林经理学)

资助基金：国家重点研发计划2017YFC0504101

在线出版日期：2023-07-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：72-75,82