基于机器学习算法的喀斯特峰丛洼地石漠化程度评估
喀斯特石漠化区域水土流失严重,生态环境脆弱.准确定量评估喀斯特区域石漠化程度,对水土流失防治和生态环境治理具有重要的意义.基于遥感数据、气象数据和野外调查等数据,结合特征选择方法和优化算法对支持向量机参数优化,采用最佳模型评估桂西南峰丛洼地流域的石漠化程度.结果表明:Boruta构建的特征集具有最佳的降维效果和最高的拟合精度,裸岩率和植被覆盖度在石漠化程度评估中贡献率较高,其次是坡度;优化算法可以有效辅助支持向量机的超参数调优,混合评估模型的总体精度均达到93％,Kappa系数均达到0.90.其中,萤火虫优化算法、粒子群和万有引力搜索优化的支持向量机模型具有较高的评估精度和运行效率,适合应用于大区域的石漠化程度评估;研究初期(2001-2010年)重度石漠化、极重度石漠化呈现出大面积连片分布,后期(2010-2020年)由于国家石漠化治理效果显著,极重度石漠化呈局部零星分布,该流域内石漠化呈改善的趋势.本研究有效地提高了石漠化程度分类准确性,为大范围的石漠化程度监测提供新的思路和方法.
石漠化、支持向量机、优化算法、特征选择、机器学习、峰丛洼地
21
P931.5(部门自然地理学)
国家自然科学基金;广西高校中青年教师科研基础研究能力提升项目
2023-11-17（万方平台首次上网日期，不代表论文的发表时间）
共11页
51-61
