首站-论文投稿智能助手
典型文献
基于机载激光雷达点云的桉树林分蓄积量估算模型构建
文献摘要:
[目的]通过2018年1—2月广西国有高峰林场机载激光雷达数据及地面调查数据,采用参数方法和非参数方法建立回归模型,反演桉Eucalyptus树人工林森林蓄积量.[方法]通过点云提取点云高度参数、点云密度参数、林分郁闭度等点云特征变量,采用参数方法(逐步回归、偏最小二乘回归)和非参数方法(随机森林回归、支持向量机回归)进行林分蓄积量构建,通过与样地实测数据对比,进行模型回归预测性能评估,进而选择出表现最优蓄积量反演模型.[结果]采用留一法对以上4种模型进行验证,结果显示:逐步回归模型R2为0.85、均方根误差(RMSE)为23.93 m3·hm?2、平均绝对误差(MAE)为18.18 m3·hm?2;偏最小二乘回归模型R2为0.81、RMSE为26.52 m3·hm?2、MAE为19.94 m3·hm?2;核函数为RBF的支持向量回归模型R2为0.88、RMSE为21.35 m3·hm?2、MAE为16.62 m3·hm?2;随机森林回归模型R2为0.84、RMSE为24.53 m3·hm?2、MAE为17.41 m3·hm?2.[结论]采用随机森林进行变量筛选后,RBF-SVR模型拟合优度及泛化能力最优;通过逐步筛选法结合方差膨胀因子(VIF)方法优选变量的逐步回归模型次之;最后为随机森林回归模型与偏最小二乘回归模型.可见,在解决林业激光雷达领域中的回归预测问题时,采用非参数方法构建RBF-SVR模型更有优势.本研究建立的4种森林类型蓄积量模型,各模型均有较高精度且符合森林资源调查相关技术规定要求.
文献关键词:
机载激光雷达;林分蓄积量;参数回归;非参数回归;变量筛选
作者姓名:
邓焯;李斌;范光鹏;赵天忠;于永辉
作者机构:
北京林业大学信息学院,北京100083;北京林业大学国家林业草原林业智能信息处理工程技术研究中心,北京100083;北京林业大学林业信息化研究所,北京100083;广西壮族自治区国有高峰林场,广西南宁530001
引用格式:
[1]邓焯;李斌;范光鹏;赵天忠;于永辉-.基于机载激光雷达点云的桉树林分蓄积量估算模型构建)[J].浙江农林大学学报,2022(06):1330-1339
A类:
B类:
机载激光雷达,激光雷达点云,桉树林,林分蓄积量,估算模型,广西国有高峰林场,雷达数据,地面调查,非参数方法,Eucalyptus,人工林,林森,森林蓄积量,点云提取,取点,云高,点云密度,密度参数,林分郁闭度,点云特征,特征变量,支持向量机回归,样地,数据对比,回归预测,预测性能,性能评估,出表,反演模型,逐步回归模型,RMSE,hm,平均绝对误差,MAE,偏最小二乘回归模型,核函数,RBF,支持向量回归模型,随机森林回归模型,变量筛选,SVR,模型拟合,拟合优度,泛化能力,膨胀因子,VIF,方法优选,林业,森林类型,蓄积量模型,森林资源调查,非参数回归
AB值:
0.299816
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。