首页|基于决策树集成学习的桉树蓄积预估模型研究

基于决策树集成学习的桉树蓄积预估模型研究

Study on Estimation Model of Eucalyptus Accumulation in Guangxi Based on Decision Tree Integrated Learning

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据
林分蓄积是衡量小班林分生产力的重要指标.以广西高峰林场速生桉为研究对象,以年龄、密度两个林分因子和坡向、坡位、坡度、土壤等立地因子作为自变量,公顷蓄积作为因变量,利用非集成、集成学习方法构建9个决策树模型,选择最优决策树模型预估不同年龄的桉树蓄积.结果 表明:①集成学习决策树模型精度高于非集成模型,串行集成类模型boosting精度高于并行集成类模型bagging,其中串行集成模型中XGboost模型评价指标最优,训练集R2为0.81,RMSE为0.44;测试集RMSE为0.48,MAE为0.34.②最优模型XGboost自变量重要性占比大于1％,依次为年龄(78％)、海拔(4.9％)、土层厚度(3.8％)以及密度(3.2％),其中年龄重要性远高于其他变量,纵向海拔高度影响大于空间位置上的横向坡度,造林密度影响程度低于土壤因素.③模型结果在广西其他地区同树种泛化测试精度R2为0.785,P值为2.2E-16,符合检验标准,说明该模型针对广西部分地区速生桉树种生产力预估结果较好,可以为林场造林收获预估提供依据.

李晓伟、吴保国、苏晓慧、陈玉玲、彭意钦、于永辉、范小虎

展开 >

北京林业大学信息学院,林业信息化研究所,北京100083

广西壮族自治区国有高峰林场,南宁530000

小班蓄积预估模型 集成学习 决策树 XGboost

国家重点研发计划专项

2017YFD0600906

2020

中国农业科技导报
中国农村技术开发中心

中国农业科技导报

CSTPCDCSCD北大核心
影响因子：1.252
ISSN：1008-0864
年,卷(期)：2020.22(6)
  • 1
  • 6