基于机器学习和零膨胀模型估算大兴安岭树种生物量
发布时间：2021-08-25 18:32
森林在全球碳循环中具有重要作用,而森林生物量不仅标志着森林固碳能力,评估森林的碳收支能力,量化森林碳汇的关键也需要精确估测森林生物量,森林生物量对于全球碳循环研究和森林可持续发展具有重要作用。本研究以大兴安岭林区为研究区,以Sentinel-1雷达数据和Sentinel-2光学遥感数据为主要数据源,结合森林资源清查数据、地形、和气候等辅助数据,探究在估算大兴安岭森林和兴安落叶松、白桦、山杨、樟子松及云杉生物量时,K阶最近邻（KNN）、支持向量机（SVM）、分类回归树（CART）、随机森林（RF）、随机梯度提升（SGB）五种常用机器学习模型在估算不同生物量时的模型表现力,并使用零膨胀模型对云杉和樟子松的生物量估算模型进行优化,进而筛选出估算不同树种的最优模型。在此基础之上,通过最优的建模方法对大兴安岭不同树种的生物量进行估算并分析生物量的空间分布特征。主要的研究内容和结论如下:（1）提取Sentinel-2光学遥感数据的单波段信息,并计算相应的植被指数,提取Sentinel-1雷达数据的后向散射系数和后向散射系数的纹理特征,同时辅以地形数据和气候数据,共提取到44个特征因子。以这44个特...
【文章来源】：东北师范大学吉林省 211工程院校 教育部直属院校
【文章页数】：60 页
【学位级别】：硕士
【部分图文】：
研究区位置
图 3.1 二分类问题隔等于两个类支持向量的差在直线上的投影，即：( ) ( )|| || || ||T TTx w x wx x ww w+ + = = 中x+ 和x 分别表示两个正负支持向量，因为x ) 1ix + b= ，即：11TTw x bw x b+ = = 代入公式（3.6）得：1 (1 ) 2|| || || ||b bw w + += =大化2|| w||相当于最小化||w||，将公式（3.7）转( ) ( )21in || || , , , 1 1,2, ,Ti iw s t y w x b i m + ≥ =
图 4.3 基于零膨胀模型估算的樟子松生物量与样本生物量值对4.3.3 云杉生物量模型优化如图 4.1 中估算的云杉生物量和实际的云杉生物量散点图所示，度提升方法估算的云杉生物量与实际样本生物量的偏差较大。在 813中，有 745 个生物量值为零的数据被过高估计，24 个生物量值大于被过低估计，仅有 44 个样本值估计正确。对估算的云杉生物量值使法来拟合函数，拟合函数的斜率仅为 0.21，即使用最优的模型来估算云杉的生物量拟合效果依旧不理想。云杉的样本中，生物量值为零的个，零值样本过多造成模型偏差较大，使用零膨胀模型来拟合云杉生杉生物量的回归模型进行优化。首先分别使用 K 阶最近邻，支持向量归树、随机森林和随机梯度提升方法对目标树种进行分类，然后对在种的区域拟合对应树种的生物量。使用 KNN、CART、SVM、RF、SGB 这五种方法对云杉进行分度分别为 0.96、0.95、0.98、0.99、0.98，随机森林方法的模型精度最进行分类的效果最好。使用 KNN、CART、SVM、RF、SGB 五种回杉的生物量值不为零的样本进行拟合，回归模型的决定系数分别为
【参考文献】：
期刊论文
[1]基于SAR极化分解与Landsat数据的森林生物量遥感估测[J]. 李明泽,于欣彤,高元科,范文义. 北京林业大学学报. 2018(02)
[2]应用Sentinel-1影像纹理信息模型估测杉木林生物量[J]. 潘磊,孙玉军. 东北林业大学学报. 2018(01)
[3]Sentinel-2数据的冬小麦地上干生物量估算及评价[J]. 郑阳,吴炳方,张淼. 遥感学报. 2017(02)
[4]基于SVM方法的高山松林蓄积量遥感估测研究[J]. 付虎艳,徐云栋,李圣娇,苏院兴,舒清态. 西部林业科学. 2014(04)
[5]基于ALOS遥感数据纹理及纹理指数的柞树蓄积量估测[J]. 刘俊,毕华兴,朱沛林,孙菁,朱金兆,陈涛. 农业机械学报. 2014(07)
[6]图像纹理特征提取方法综述[J]. 刘丽,匡纲要. 中国图象图形学报. 2009(04)
[7]中国森林生态系统植被碳储量时空动态变化研究[J]. 徐新良,曹明奎,李克让. 地理科学进展. 2007(06)
[8]应用LandsatETM数据估算鄱阳湖湿生植被生物量[J]. 李仁东,刘纪远. 地理学报. 2001(05)
[9]中国森林碳动态及其对全球碳平衡的贡献[J]. 刘国华,傅伯杰,方精云. 生态学报. 2000(05)
博士论文
[1]基于多源数据和神经网络模型的森林资源蓄积量动态监测[D]. 吴达胜.浙江大学 2014
[2]香格里拉县森林生物量遥感估测研究[D]. 岳彩荣.北京林业大学 2012
硕士论文
[1]基于PSO-SVM的森林地上生物量遥感估测与空间分析[D]. 董金金.山东农业大学 2014
本文编号：3362634
【文章来源】：东北师范大学吉林省 211工程院校 教育部直属院校
【文章页数】：60 页
【学位级别】：硕士
【部分图文】：
研究区位置
图 3.1 二分类问题隔等于两个类支持向量的差在直线上的投影，即：( ) ( )|| || || ||T TTx w x wx x ww w+ + = = 中x+ 和x 分别表示两个正负支持向量，因为x ) 1ix + b= ，即：11TTw x bw x b+ = = 代入公式（3.6）得：1 (1 ) 2|| || || ||b bw w + += =大化2|| w||相当于最小化||w||，将公式（3.7）转( ) ( )21in || || , , , 1 1,2, ,Ti iw s t y w x b i m + ≥ =
图 4.3 基于零膨胀模型估算的樟子松生物量与样本生物量值对4.3.3 云杉生物量模型优化如图 4.1 中估算的云杉生物量和实际的云杉生物量散点图所示，度提升方法估算的云杉生物量与实际样本生物量的偏差较大。在 813中，有 745 个生物量值为零的数据被过高估计，24 个生物量值大于被过低估计，仅有 44 个样本值估计正确。对估算的云杉生物量值使法来拟合函数，拟合函数的斜率仅为 0.21，即使用最优的模型来估算云杉的生物量拟合效果依旧不理想。云杉的样本中，生物量值为零的个，零值样本过多造成模型偏差较大，使用零膨胀模型来拟合云杉生杉生物量的回归模型进行优化。首先分别使用 K 阶最近邻，支持向量归树、随机森林和随机梯度提升方法对目标树种进行分类，然后对在种的区域拟合对应树种的生物量。使用 KNN、CART、SVM、RF、SGB 这五种方法对云杉进行分度分别为 0.96、0.95、0.98、0.99、0.98，随机森林方法的模型精度最进行分类的效果最好。使用 KNN、CART、SVM、RF、SGB 五种回杉的生物量值不为零的样本进行拟合，回归模型的决定系数分别为
【参考文献】：
期刊论文
[1]基于SAR极化分解与Landsat数据的森林生物量遥感估测[J]. 李明泽,于欣彤,高元科,范文义. 北京林业大学学报. 2018(02)
[2]应用Sentinel-1影像纹理信息模型估测杉木林生物量[J]. 潘磊,孙玉军. 东北林业大学学报. 2018(01)
[3]Sentinel-2数据的冬小麦地上干生物量估算及评价[J]. 郑阳,吴炳方,张淼. 遥感学报. 2017(02)
[4]基于SVM方法的高山松林蓄积量遥感估测研究[J]. 付虎艳,徐云栋,李圣娇,苏院兴,舒清态. 西部林业科学. 2014(04)
[5]基于ALOS遥感数据纹理及纹理指数的柞树蓄积量估测[J]. 刘俊,毕华兴,朱沛林,孙菁,朱金兆,陈涛. 农业机械学报. 2014(07)
[6]图像纹理特征提取方法综述[J]. 刘丽,匡纲要. 中国图象图形学报. 2009(04)
[7]中国森林生态系统植被碳储量时空动态变化研究[J]. 徐新良,曹明奎,李克让. 地理科学进展. 2007(06)
[8]应用LandsatETM数据估算鄱阳湖湿生植被生物量[J]. 李仁东,刘纪远. 地理学报. 2001(05)
[9]中国森林碳动态及其对全球碳平衡的贡献[J]. 刘国华,傅伯杰,方精云. 生态学报. 2000(05)
博士论文
[1]基于多源数据和神经网络模型的森林资源蓄积量动态监测[D]. 吴达胜.浙江大学 2014
[2]香格里拉县森林生物量遥感估测研究[D]. 岳彩荣.北京林业大学 2012
硕士论文
[1]基于PSO-SVM的森林地上生物量遥感估测与空间分析[D]. 董金金.山东农业大学 2014
本文编号：3362634
本文链接：https://www.wllwen.com/nykjlw/lylw/3362634.html
