基于RF-RFE算法的森林生物量遥感特征选择方法研究
发布时间：2021-12-23 13:40
森林生物量的估算对于全球碳平衡和环境保护至关重要。通过遥感等手段提取与森林生物量相关的单波段特征、植被指数、纹理特征、地形因子等特征参数,特征数量往往较多,影响预测精度。通过特征选择,可以有效的较少遥感估测森林生物量过程中的特征冗余,在一定程度上较少了误差的传递,为遥感反演提供一定的借鉴意义。本文提出了一种后向迭代的随机森林（RF-RFE）特征选择方法,即利用随机森林算法计算特征重要度,采用后向迭代的方法逐步简化特征参数。本文以内蒙古大兴安岭地区的激流河林场为研究区域,以实验区2012年资源三号遥感影像和森林资源三类调查的样地数据为数据源,对数据进行预处理后,实现了森林类型的识别,然后使用RF-RFE算法分别对未分类和分类后的数据进行特征选择分析,与逐步回归分析、支持向量机等常见模型进行对比分析和精度评估。主要研究内容及结果如下:（1）内蒙古大兴安岭激流河林场样地生物量的计算利用2012年12月的大兴安岭三类调查数据中的林种,树种组成,公顷蓄积,小班面积等数据,通过查阅相关文献使用生物量转换因子连续函数法计算,最终获取87样地的生物量真实值。（2）结合纹理特征的森林类型识别结合纹理特征...
【文章来源】：山东农业大学山东省
【文章页数】：60 页
【学位级别】：硕士
【部分图文】：
RF-RFE算法流程图
图 2 激流河林场位置图Fig.2 Mount Tai Scenic figure嘎林区是内蒙古大兴安岭生态功能区的重要组成部分，东西宽 9公里，总面积 5797 平方公里，是内蒙古大兴安岭生态功能区的重丘陵，坡度一般在 15°以下，海拔在 450 米-1404.7 米之间。区壤土、地带性棕色针叶林土。 莫尔道嘎林区地处寒温带，属大季气温差异较大，冬寒多雪、夏温多雨，年降水量在 414 毫米-
积 1131平方公里，落叶松、白桦是林场的主要树种。 数据来源.1 样地数据资料在森林生物量估算的过程中，首先利用样地数据训练估算模型，样地数据采2012 年 12 月的大兴安岭三类调查数据。样地的选取综合考虑了地域分布、立龄组结构等因素以确保样本具有充分的代表性，调查树种有落叶松和白桦。调查因子包括：权属，林种，林分起源，树种组成，平均年龄，郁闭度，平平均树高，公顷株数，公顷蓄积，小班面积，立地因子以及灾害情况等。在的三类调查数据中，通过样地位置和样地仔细的筛选得到 2012 年的样地数2 年的样地数据中包含采伐小班 87 个、集材主道 58 个、楞场 1 个、号外支共 150个；其中采伐小班可直接用于样地生物量计算。
【参考文献】：
期刊论文
[1]基于SVM-RFE-BPSO算法的特征选择方法[J]. 林俊,许露,刘龙. 小型微型计算机系统. 2015(08)
[2]利用随机森林的城区机载LiDAR数据特征选择与分类[J]. 孙杰,赖祖龙. 武汉大学学报(信息科学版). 2014(11)
[3]基于纹理信息的Landsat-8影像植被分类初探[J]. 宁亮亮,张晓丽. 中南林业科技大学学报. 2014(09)
[4]基于随机森林的不平衡特征选择算法[J]. 尹华,胡玉平. 中山大学学报(自然科学版). 2014(05)
[5]基于随机森林回归算法的水生态文明综合评价[J]. 崔东文,金波. 水利水电科技进展. 2014(05)
[6]大兴安岭地区南北部幼中龄林碳储量研究[J]. 孟晓清,刘琪璟,陶立超,邓留宝,李卫军,温志勇. 中南林业科技大学学报. 2014(06)
[7]资源三号卫星在轨几何检校地面靶标铺设关键技术初探[J]. 王峰,宋尚萍,孟凡冬,向元佳,王伟华. 测绘与空间地理信息. 2013(07)
[8]随机森林模型在分类与回归分析中的应用[J]. 李欣海. 应用昆虫学报. 2013(04)
[9]塔里木河下游胡杨（Populus euphratica）地上生物量估测[J]. 董道瑞,李霞,万红梅,林海军. 中国沙漠. 2013(03)
[10]基于随机蕨丛的长期目标跟踪算法[J]. 佟国峰,蒋昭炎,谷久宏,庞晓磊. 东北大学学报(自然科学版). 2013(01)
博士论文
[1]特征选择及半监督分类方法研究[D]. 黄东山.华中科技大学 2011
[2]基因表达数据挖掘若干关键技术研究[D]. 蔡瑞初.华南理工大学 2010
[3]基于最小化训练误差的子空间分类算法研究[D]. 沈道义.中国科学技术大学 2008
硕士论文
[1]基于决策树算法的研究及其在煤层底板突水中的应用[D]. 杜春蕾.太原理工大学 2015
[2]基于SVM-RFE和粒子群算法的特征选择算法研究[D]. 许露.湖南师范大学 2014
[3]随机森林改进的若干研究[D]. 李贞贵.厦门大学 2013
[4]螺纹钢期货价格影响因素的实证分析[D]. 章志杰.苏州大学 2014
[5]东江湖区域公益林主要生态功能研究[D]. 李广军.中南林业科技大学 2013
[6]证券投资管理中收益率的预测方法研究[D]. 耿丽君.中南大学 2013
[7]基于遗传算法的混合特征选择方法研究[D]. 王娜.陕西师范大学 2012
[8]基于支持向量机的特征选择算法研究[D]. 严康.大连理工大学 2010
[9]SVM-RFE算法在数据分析中的应用[D]. 卢运梅.吉林大学 2009
[10]随机森林的特征选择和模型优化算法研究[D]. 雍凯.哈尔滨工业大学 2008
本文编号：3548583
【文章来源】：山东农业大学山东省
【文章页数】：60 页
【学位级别】：硕士
【部分图文】：
RF-RFE算法流程图
图 2 激流河林场位置图Fig.2 Mount Tai Scenic figure嘎林区是内蒙古大兴安岭生态功能区的重要组成部分，东西宽 9公里，总面积 5797 平方公里，是内蒙古大兴安岭生态功能区的重丘陵，坡度一般在 15°以下，海拔在 450 米-1404.7 米之间。区壤土、地带性棕色针叶林土。 莫尔道嘎林区地处寒温带，属大季气温差异较大，冬寒多雪、夏温多雨，年降水量在 414 毫米-
积 1131平方公里，落叶松、白桦是林场的主要树种。 数据来源.1 样地数据资料在森林生物量估算的过程中，首先利用样地数据训练估算模型，样地数据采2012 年 12 月的大兴安岭三类调查数据。样地的选取综合考虑了地域分布、立龄组结构等因素以确保样本具有充分的代表性，调查树种有落叶松和白桦。调查因子包括：权属，林种，林分起源，树种组成，平均年龄，郁闭度，平平均树高，公顷株数，公顷蓄积，小班面积，立地因子以及灾害情况等。在的三类调查数据中，通过样地位置和样地仔细的筛选得到 2012 年的样地数2 年的样地数据中包含采伐小班 87 个、集材主道 58 个、楞场 1 个、号外支共 150个；其中采伐小班可直接用于样地生物量计算。
【参考文献】：
期刊论文
[1]基于SVM-RFE-BPSO算法的特征选择方法[J]. 林俊,许露,刘龙. 小型微型计算机系统. 2015(08)
[2]利用随机森林的城区机载LiDAR数据特征选择与分类[J]. 孙杰,赖祖龙. 武汉大学学报(信息科学版). 2014(11)
[3]基于纹理信息的Landsat-8影像植被分类初探[J]. 宁亮亮,张晓丽. 中南林业科技大学学报. 2014(09)
[4]基于随机森林的不平衡特征选择算法[J]. 尹华,胡玉平. 中山大学学报(自然科学版). 2014(05)
[5]基于随机森林回归算法的水生态文明综合评价[J]. 崔东文,金波. 水利水电科技进展. 2014(05)
[6]大兴安岭地区南北部幼中龄林碳储量研究[J]. 孟晓清,刘琪璟,陶立超,邓留宝,李卫军,温志勇. 中南林业科技大学学报. 2014(06)
[7]资源三号卫星在轨几何检校地面靶标铺设关键技术初探[J]. 王峰,宋尚萍,孟凡冬,向元佳,王伟华. 测绘与空间地理信息. 2013(07)
[8]随机森林模型在分类与回归分析中的应用[J]. 李欣海. 应用昆虫学报. 2013(04)
[9]塔里木河下游胡杨（Populus euphratica）地上生物量估测[J]. 董道瑞,李霞,万红梅,林海军. 中国沙漠. 2013(03)
[10]基于随机蕨丛的长期目标跟踪算法[J]. 佟国峰,蒋昭炎,谷久宏,庞晓磊. 东北大学学报(自然科学版). 2013(01)
博士论文
[1]特征选择及半监督分类方法研究[D]. 黄东山.华中科技大学 2011
[2]基因表达数据挖掘若干关键技术研究[D]. 蔡瑞初.华南理工大学 2010
[3]基于最小化训练误差的子空间分类算法研究[D]. 沈道义.中国科学技术大学 2008
硕士论文
[1]基于决策树算法的研究及其在煤层底板突水中的应用[D]. 杜春蕾.太原理工大学 2015
[2]基于SVM-RFE和粒子群算法的特征选择算法研究[D]. 许露.湖南师范大学 2014
[3]随机森林改进的若干研究[D]. 李贞贵.厦门大学 2013
[4]螺纹钢期货价格影响因素的实证分析[D]. 章志杰.苏州大学 2014
[5]东江湖区域公益林主要生态功能研究[D]. 李广军.中南林业科技大学 2013
[6]证券投资管理中收益率的预测方法研究[D]. 耿丽君.中南大学 2013
[7]基于遗传算法的混合特征选择方法研究[D]. 王娜.陕西师范大学 2012
[8]基于支持向量机的特征选择算法研究[D]. 严康.大连理工大学 2010
[9]SVM-RFE算法在数据分析中的应用[D]. 卢运梅.吉林大学 2009
[10]随机森林的特征选择和模型优化算法研究[D]. 雍凯.哈尔滨工业大学 2008
本文编号：3548583
本文链接：https://www.wllwen.com/nykjlw/lylw/3548583.html
