应用PLS-GA-SVM构建的云南松林分蓄积量遥感估算模型

发布时间：2024-06-29 07:55

　　为提高森林蓄积量遥感预测精度,结合机器学习算法构建单季节林分蓄积量估算模型。以云南省大理州2007年国家森林资源连续清查云南松林样地蓄积量为对象,根据冬季、春季和秋季遥感影像提取研究区的单波段、植被指数和纹理信息共74个因子,采用PLS提取前13个主成分作为自变量,经过GA优化c、g参数的SVM构建云南松林分蓄积量估算模型,探讨单季节SVM的训练效果和泛化能力。研究表明:各季节所有自变量与云南松林分蓄积量相关性较弱;春季遥感数据与秋冬季节遥感数据存在差异;高值低估现象普遍存在,冬季遥感影像构建的PLS-GA-SVM模型效果最好(训练集R²=0.669 0,E_RMS=6.734 5 m³),泛化能力最佳;春季遥感数据复杂性较高,无法准确反映预蓄积量变化情况。

【文章页数】：6 页

【部分图文】：

图1研究区云南松一类清查样地分布

云南松一类调查数据:以林业部门提供的2007年云南省大理州森林资源连续清查样地数据为基础数据。一类清查样地的系统抽样间距为6km×8km,方形固定样地面积为0.08hm2。调查的主要因子有树种、胸径、树高、郁闭度、覆盖度和蓄积量等。筛选遥感影像覆盖区域、优势树种为云南松的天....

图2研究区各季节Landsat-5遥感影像

遥感数据:采用美国于1984年3月发射的光学对地观测卫星Landsat-5数据,条带号为131/042的3景同一地点不同季节、云量均小于10%的单季节遥感影像。分别对应冬季(2006-01-25),春季(2006-05-17)和秋季(2006-12-11),如图2所示。由于夏季的....

图3单季节遥感数据与蓄积量的相关性

皮尔逊相关系数(Pearson)是度量两个变量之间相互关系的指标,分析自变量与因变量的相关性有助于了解单季节遥感数据间的差异。光谱大理州云南松林分蓄积量与各季节单波段、光谱指数和纹理信息的相关系数如图3所示,所有光谱自变量与林分蓄积量的相关性较低,相关系数绝对值均无法达到0.5以....

图4GA进化结果

表2主成分贡献率主成分冬季春季秋季贡献率/%累计/%贡献率/%累计/%贡献率/%累计/%125.5825.5826.7526.7527.0627.06215.7341.3117.0443.7917.9940.06311.68....

本文编号：3997395