首页|引入地形因子的高山松地上生物量动态估测

引入地形因子的高山松地上生物量动态估测

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
构建基于遥感的香格里拉市高山松地上生物量变化估测模型,对比引入地形因子前后模型的估测精度.利用1987-2017年国家森林资源连续清查样地和对应年份的Landsat TM/OLI影像提取遥感因子,计算遥感因子与对应样地地上生物量的变化率,采用多元线性回归(MLR)、随机森林(RF)及梯度提升回归树(GBRT)建模,在3种模型中分别引入海拔、坡度和坡向因子并对比其模型效果.3种建模方法的变化率模型拟合结果R2分别为0.468、0.946和0.887,RMSE分别为2.431、0.692和1.027 t·hm-2·a-1;预测效果rRMSE分别为56.66％、33.17％和35.30％,预测精度分别为44.31％、78.77％和70.95％.加入地形因子后,3种模型精度指标均有所提升,RF和GBRT模型的置信区间变窄;结合坡向因子的RF模型效果最优,其R2为0.976,提升 3.17％;RMSE 为 0.502 t·hm-2·a-1,降低 27.46％;rRMSE 为 31.50％,降低 5.05％;预测精度为82.07％,提升4.18％.在基于RF的变化率模型中引入地形因子能够提高模型的精度,坡向因子对模型精度的提升效果最佳,可为香格里拉市高山松地上生物量精确估测提供参考.
Estimation of aboveground biomass dynamics of Pinus densata by considering topographic factors

廖易、张加龙、鲍瑞、许冬凡、王书贤、韩冬阳

展开 >

西南林业大学林学院,昆明650224

Landsat 随机森林 梯度提升回归树 变化率 地形因子 地上生物量

国家自然科学基金2020年云南省高层次人才培养支持计划"青年拔尖人才"专项西南林业大学科研启动基金

3186020781210468111932

2023

10.13292/j.1000-4890.202305.021

生态学杂志
中国生态学学会

生态学杂志

CSTPCDCSCD北大核心
影响因子：1.439
ISSN：1000-4890
年,卷(期)：2023.42(5)
  • 1
  • 18