典型文献
基于机器学习的青藏高原天然草地盖度时空变化特征研究
文献摘要：
草地盖度是评价草地生长状况的重要指标,构建高精度的盖度估测模型是开展天然草地动态监测的关键.本文利用2003—2018年实测数据和地形、土壤等55个指标,建立了4种草地盖度遥感估测模型,通过比较得到研究区草地盖度遥感估测最优模型,并分析了2001—2019年研究区草地盖度时空动态变化.结果表明:由最小绝对压缩变量筛选方法选出10个有较高重要性的变量.其中,比值植被指数与草地植被盖度间的相关性优于其他单因素模型与草地植被盖度间的相关性.在3种机器学习模型中,随机森林优于人工神经网络与支持向量机模型,其R2和均方根误差分别为0.68和12.75％.机器学习方法构建的草地盖度模型优于单因素模型,其R2可提高0.09～0.16,RMSE降低1.52％ ～2.81％;2001—2019年,研究区草地盖度整体上呈现出自西向东、自北向南增加的趋势,呈增加趋势的面积占比为55.4％,呈减少趋势的面积占比为44.6％.
文献关键词：
草地盖度;随机森林;M ODIS;变量筛选
中图分类号：
作者姓名：
孟新月;葛静;侯蒙京;冯琦胜;金哲人;高金龙;梁天刚
作者机构：
草地农业生态系统国家重点实验室,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]孟新月;葛静;侯蒙京;冯琦胜;金哲人;高金龙;梁天刚-.基于机器学习的青藏高原天然草地盖度时空变化特征研究)[J].草地学报,2022(10):2652-2662
A类：
B类：
基于机器学习,青藏高原,天然草地,草地盖度,时空变化特征,生长状况,草地动态,种草,遥感估测模型,最优模型,时空动态变化,变量筛选,筛选方法,植被指数,草地植被,植被盖度,机器学习模型,人工神经网络,支持向量机模型,机器学习方法,RMSE,西向东,北向南,ODIS
AB值：
0.253007
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。
