文章目录

1 研究区概况

1.1 研究区概况

1.2 数据的获取与处理

    1.2.1 地面调查数据

    1.2.2 Landsat8 OLI数据与处理

2.3 遥感变量提取

2 研究方法

2.1 遥感变量参数筛选

2.2 哑变量的设置

2.3 回归估测模型

    2.3.1 偏最小二乘回归

    2.3.2 支持向量机回归

2.4 精度评价指标

3 结果与分析

3.1 基于随机森林算法的变量特征筛选

3.2 结合暗哑变量的回归模型的构建

4 结论与讨论

文章摘要:为提高森林蓄积量遥感估测精度,探讨哑变量技术在蓄积量遥感估测中的作用。以云南省普洱市思茅区为研究区,以Landsat 8 OLI和93块森林资源二类调查角规控制样地数据为基础,使用随机森林（random forest）算法进行遥感变量因子的选择,并以龄组为哑变量分别构建基于哑变量的SVR和PLSR蓄积量估测模型,采用留一交叉验证对结果进行评估。结果表明,使用随机森林算法进行变量的选择有效减少了自变量的维度,提高了计算效率;其次,哑变量引入后,PLSR和SVR 2种回归模型的估测精度都比无哑变量方法有明显的提高,且SVR的估测结果优于PLSR;在引入哑变量后SVR模型的决定系数R²由0.59提高到0.68,相对均方根误差rRMSE由36.76%降低至32.97%,PLSR模型的决定系数R²由0.53提高到0.62,相对均方根误差rRMSE由39.41%降低至35.24%。在森林蓄积量的遥感估测中,哑变量技术的应用可以在一定程度上解决不同蓄积量大小对估测结果造成的影响,进而提高蓄积量的估测精度。

文章关键词:

项目基金: