典型文献
基于机器学习算法的草地地上生物量估测——以祁连山草地为例
文献摘要：
草地地上生物量(Aboveground Biomass,AGB)是指导畜牧业生产管理的重要指标,是草畜平衡综合分析的基础.目前,有关祁连山草地AGB反演的研究较少,且多源数据间的尺度差异问题并未得到很好的解决.为了解祁连山草地AGB的空间分布状况,利用Sentinel-2多光谱数据、无人机(Unmanned Aerial Vehicle,UAV)数据以及2021年植被生长期实测草地AGB数据实现了空天地一体化监测,通过决策树回归(Decision Tree Regression,DTR)、随机森林回归(Random Forest Regression,RFR)、梯度提升决策回归树(Gradient Boosting Regression Tree,GBRT)以及极致梯度提升(eXtreme Gradient Boosting,XGBoost)共4种算法反演草地AGB的适用性分析,利用最优模型反演了祁连山草地的AGB空间分布状况.结果表明:研究区内多种植被指数所表现出的特性有所差异.祁连山地区AGB在空间分布上呈现出由西北向东南递增的趋势,平均AGB为925.43kg/hm2.6种植被指数与实测AGB之间均表现为显著正相关,适合作为祁连山草地AGB遥感反演的指标;XGBoost模型较其它模型具有最高的R2值(0.78)和精度(74.75％)、最低的均方根误差(RMSE,99.74 kg/hm2)和平均绝对误差(MAE,71.60 kg/hm2),模型反演效果最好;UAV数据能够提供更加详细的空间细节特征,减小Sentinel-2数据和实地采样数据间的尺度差异;因此,基于6种植被指数与祁连山草地AGB间的相关性,构建XGBoost模型反演研究区草地AGB空间分布状况是具有实践意义的.研究结果将为指导祁连山草地畜牧业的发展和维护草地生态系统的平衡提供一定的参考价值与数据支撑.
文献关键词：
地上生物量;空天地一体化;草地;回归模型;祁连山
中图分类号：
作者姓名：
张子慧;吴世新;赵子飞;李向义;曾凡江;谢聪慧;侯冠宇;罗格平
作者机构：
中国科学院新疆生态与地理研究所荒漠与绿洲生态国家重点实验室,乌鲁木齐 830011;中国科学院大学,北京 100049;中国科学院太空应用重点实验室,北京 100094;中国科学院空间应用工程与技术中心,北京 100094;中国科学院新疆生态与地理研究所新疆荒漠植物根系生态与植被修复重点实验室,乌鲁木齐 830011
文献出处：
引用格式：
[1]张子慧;吴世新;赵子飞;李向义;曾凡江;谢聪慧;侯冠宇;罗格平-.基于机器学习算法的草地地上生物量估测——以祁连山草地为例)[J].生态学报,2022(22):8953-8963
A类：
B类：
基于机器学习,机器学习算法,草地地上生物量,生物量估测,山草,Aboveground,Biomass,AGB,畜牧业生产,生产管理,草畜平衡,多源数据,尺度差异,分布状况,Sentinel,多光谱数据,Unmanned,Aerial,Vehicle,UAV,植被生长,生长期,空天地一体化,一体化监测,决策树回归,Decision,Tree,Regression,DTR,随机森林回归,Random,Forest,RFR,回归树,Gradient,Boosting,GBRT,极致梯度提升,eXtreme,XGBoost,适用性分析,最优模型,植被指数,数所,祁连山地区,北向东,43kg,hm2,遥感反演,RMSE,平均绝对误差,MAE,细节特征,采样数据,反演研究,草地畜牧业,草地生态系统
AB值：
0.321105
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。
