基于决策树集成学习的桉树蓄积预估模型研究

摘要：

林分蓄积是衡量小班林分生产力的重要指标.以广西高峰林场速生桉为研究对象,以年龄、密度两个林分因子和坡向、坡位、坡度、土壤等立地因子作为自变量,公顷蓄积作为因变量,利用非集成、集成学习方法构建9个决策树模型,选择最优决策树模型预估不同年龄的桉树蓄积.结果 表明:①集成学习决策树模型精度高于非集成模型,串行集成类模型boosting精度高于并行集成类模型bagging,其中串行集成模型中XGboost模型评价指标最优,训练集R2为0.81,RMSE为0.44;测试集RMSE为0.48,MAE为0.34.②最优模型XGboost自变量重要性占比大于1％,依次为年龄(78％)、海拔(4.9％)、土层厚度(3.8％)以及密度(3.2％),其中年龄重要性远高于其他变量,纵向海拔高度影响大于空间位置上的横向坡度,造林密度影响程度低于土壤因素.③模型结果在广西其他地区同树种泛化测试精度R2为0.785,P值为2.2E-16,符合检验标准,说明该模型针对广西部分地区速生桉树种生产力预估结果较好,可以为林场造林收获预估提供依据.

关键词：小班蓄积预估模型、集成学习、决策树、XGboost

所属期刊栏目：22

分类号：S711(林业基础科学)

资助基金：国家重点研发计划专项2017YFD0600906

在线出版日期：2020-07-01（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：81-90