典型文献
基于机器学习的阿勒泰地区草地地下生物量估测与数字制图
文献摘要：
为精准估算草地地下生物量,分析其水平及垂直空间格局,实现草地地下生物量(BGB)的数字制图.调查了2015年阿勒泰地区草地生长季节(6-8月)的生态要素和地下生物量.以地理位置、地形、气候、土壤和植被中的代表性信息为基础,基于机器学习算法估测研究区0～30 cm的草地地下生物量,并根据估测结果利用空间插值法得到地下生物量的空间分布格局,最终实现草地地下生物量的数字制图.结果表明:1)相比偏最小二乘回归(PLS)和随机森林模型(RF),支持向量机模型(SVM)在0～10 cm、10～20 cm和20～30 cm土层地下生物量的估测中表现出最高的精度,验证集数据的精度(R2)依次为0.77、0.67和0.69,相应的RMSE为245.56、98.81和63.58 g·m-2.从空间插值的效果看,反距离权重插值(IDW)优于径向基函数插值(RBF)和张力样条插值(SPL).2)进一步比较了不同估测模型与空间插值方法间的组合能力,结果显示,在阿勒泰地区的草地地下生物量研究中,SVM+IDW是可靠的估测模型和空间化方法的组合.在0～10 cm、10～20 cm和20～30 cm土层的草地地下生物量数字制图的R2为0.73、0.64和0.60,RMSE为269.73、108.14和73.01 g·m-2.3)阿勒泰地区草地地下生物量均值为1265 g·m-2,是全国平均值的两倍,与全球平均水平相当.其中,高寒草甸的地下生物量最大,为2908.50 g·m-2,温性荒漠的地下生物量最小,为776.84 g·m-2,全区草地地下生物量共计1.27×108 t(≈0.13 Pg).全区草地地下生物量的空间变化明显,整体上自北向南,由山地向平原呈递减的趋势.
文献关键词：
草地地下生物量;阿勒泰地区;机器学习;空间插值;SVM模型;IDW插值;数字制图
中图分类号：
作者姓名：
厉方桢;钟华平;欧阳克蕙;赵小敏;李愈哲
作者机构：
江西农业大学,江西 南昌 330045;中国科学院地理科学与资源研究所,北京 100101;江西省鄱阳湖流域农业资源与生态重点实验室,江西南昌 330045
文献出处：
引用格式：
[1]厉方桢;钟华平;欧阳克蕙;赵小敏;李愈哲-.基于机器学习的阿勒泰地区草地地下生物量估测与数字制图)[J].草业学报,2022(08):13-23
A类：
草地地下生物量,SVM+IDW
B类：
基于机器学习,阿勒泰地区,生物量估测,数字制图,算草,垂直空间,空间格局,BGB,生长季节,生态要素,机器学习算法,空间插值法,空间分布格局,偏最小二乘回归,PLS,随机森林模型,RF,支持向量机模型,土层,验证集,RMSE,反距离权重插值,径向基函数插值,RBF,样条插值,SPL,估测模型,模型与空间,空间插值方法,空间化,两倍,平均水平,高寒草甸,温性,荒漠,Pg,空间变化,上自,北向南,呈递
AB值：
0.207749
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
