典型文献
基于MODIS数据与机器学习的青藏高原草地地上生物量研究
文献摘要：
青藏高原位于我国西部,又被称为"世界第三极",对我国和世界的生态以及气候变化影响显著.为了评估2000-2020年青藏高原草地地上生物量(aboveground biomass,AGB)的变化情况,本研究采用多种机器学习方法结合MCD43A4产品数据模拟了草地地上生物量,并对该区域草地地上生物量的时空特征进行分析.结果表明:1)构建的机器学习模型中,Rborist模型精度最高,基于筛选后变量的R2达到0.6484."prec_05"、"prec_06"、"tp_12"、"NDPI"、"prec_04"、"tmax_01"、"prec_08"、"prec_12"这8个变量与生物量相关;2)青藏高原东南部的生物量要高于西北部,呈现由东南向西北递减趋势;3)2000-2020年间青藏高原草地生物量稳步增长,整体向好发展.青藏高原61.38%的草地变化趋势不具有可持续性,4.67%的草地持续性轻微恶化,持续性明显恶化的区域占比1.19%,呈稳定或恢复趋势的区域占比32.76%.
文献关键词：
植被指数;机器学习;草地地上生物量;时空分布;青藏高原
中图分类号：
作者姓名：
金哲人;冯琦胜;王瑞泾;梁天刚
作者机构：
兰州大学草地农业生态系统国家重点实验室,兰州大学农业农村部草牧业创新重点实验室,兰州大学草地农业教育部工程研究中心,兰州大学草地农业科技学院,甘肃 兰州 730020
文献出处：
引用格式：
[1]金哲人;冯琦胜;王瑞泾;梁天刚-.基于MODIS数据与机器学习的青藏高原草地地上生物量研究)[J].草业学报,2022(10):1-17
A类：
MCD43A4,Rborist,prec,NDPI
B类：
MODIS,草地地上生物量,第三极,气候变化影响,年青,aboveground,biomass,AGB,机器学习方法,产品数据,数据模拟,时空特征,机器学习模型,模型精度,tp,tmax,青藏高原东南部,西北部,南向,草地生物量,稳步增长,植被指数
AB值：
0.231635
相似文献
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。
