10.14067/j.cnki.1673-923x.2022.04.002
考虑地形效应的高山松地上生物量遥感估测模型构建
[目的]研究基于遥感因子与地形因子构建香格里拉市高山松地上生物量非线性混合效应估测模型,提高高山松地上生物量估测精度.[方法]以2015年和2018年Landsat 8 OLI与对应年份样地实测数据为基础,通过二元生物量模型计算出高山松地上生物量.提取植被指数、纹理等遥感因子.将地形因子按照一定等级进行划分后作为模型因变量,基于8种非线性模型,考虑地形特征,构建非线性混合效应模型估测高山松地上生物量并进行模型检验,然后与多元线性回归、线性混合效应模型两种参数模型,以及随机森林(Random Forest,RF)、梯度提升回归树(Gradient Boosted Regression Trees,GBRT)、K-近邻(K Nearest Neighbors,KNN)3种非参数模型的预估精度进行对比.[结果]1)8种非线性基础模型中增长模型的拟合效果最优;2)共输出12个具体增长模型,其中以样地号(Number)、海拔等级(Elevation Class)为固定效应,坡向等级(Aspect Class)为随机效应时,模型Log Likelihood值最大,为-56.53,AIC、BIC的值最小,分别为133.06、155.55;3)经检验非线性混合效应模型的RMSE为13.94 t/hm2,AMRE为15.64%,预估精度P为84.34%.[结论]采用Landsat影像和地形因子构建的非线性混合效应模型的拟合优度和预估精度较多元线性回归、线性混合效应模型均有明显提高,并且预估精度高于非参数模型.加入地形因子作为混合效应因子构建的非线性混合效应模型可以提高高山松地上乔木层生物量的估测精度.
高山松、森林地上生物量、地形因子、非线性模型、混合效应模型
42
S758(森林经营学、森林计测学、森林经理学)
国家自然科学基金;云南省高层次人才培养支持计划;西南林业大学科研启动基金
2022-05-24(万方平台首次上网日期,不代表论文的发表时间)
共11页
12-21,67