![点击分享此内容可以赚币 分享](/master/images/share_but.png)
基于机器学习的辽东山区落叶松林蓄积量估算研究.pdf
《基于机器学习的辽东山区落叶松林蓄积量估算研究.pdf》由会员分享,可在线阅读,更多相关《基于机器学习的辽东山区落叶松林蓄积量估算研究.pdf(8页珍藏版)》请在咨信网上搜索。
1、 年月J o u r n a l o fG r e e nS c i e n c ea n dT e c h n o l o g y第 卷第 期收稿日期:作者简介:梁丹(),女,工程师,研究方向为林业遥感.基基于于机机器器学学习习的的辽辽东东山山区区落落叶叶松松林林蓄蓄积积量量估估算算研研究究梁 丹(辽宁省林业调查规划监测院,辽宁 沈阳 )摘要:作为森林资源信息的采集工具,遥感技术能及时有效的获取准确信息,是了解森林资源现状和获取森林结构参数的理想手段.以三类设计的作业小班为基础,小班中心为质点做 m m样方,取其公顷蓄积量作为因变量,提取影像各波段像元亮度值(d i g i t a ln u
2、 m b e r,D N)、植被指数、地形因子作为自变量指标,利用多元线性回归算法和人工神经网络建立了模型估算森林蓄积量.并利用实地调查的蓄积数据反演精度,对其算法的优劣进行了评价.经检验得知:多元线性回归平均绝对误差为 ,相对均方根误差为 ;神经网络平均绝对误差为 ,相对均方根误差为 .典型地区精度可以达到.由评价表明:该模型使用良好,且误差在可接受范围内,利用人工神经网络方法获得的模型更优.关键词:森林蓄积量;多元线性回归;人工神经网络;遥感因子;D EM中图分类号:X 文献标识码:A文章编号:()E s t i m a t i o no fL a r i xL a r i xF o r
3、e s t S t o c kB a s e do nM a c h i n eL e a r n i n gi nM o u n t a i n o u sA r e a so fE a s t e r nL i a o n i n gP r o v i n c eL i a n gD a n(L i a o n i n gF o r e s t r yI n v e s t i g a t i o n,P l a n n i n ga n dM o n i t o r i n gI n s t i t u t e,S h e n y a n g,L i a o n i n g ,C h i
4、 n a)A b s t r a c t:A sa f o r e s t r e s o u r c e i n f o r m a t i o nc o l l e c t i o nt o o l,r e m o t es e n s i n gt e c h n o l o g yc a no b t a i na c c u r a t ei n f o r m a t i o nt i m e l ya n de f f e c t i v e l y,a n d i t i sa ni d e a lm e a n st og e t t h es t a t u sq u oo
5、 f f o r e s tr e s o u r c e sa n do b t a i nf o r e s t s t r u c t u r ep a r a m e t e r s I nt h i sp a p e r,b a s e do nt h es m a l lc l a s so ft h r e ec l a s sd e s i g n,t h ec e n t e ro f t h ec l a s sw a su s e da s t h ep a r t i c l et om a k e m mq u a d r a t s;t h es t o c kv
6、o l u m eo fh e c t a r e sw a se x t r a c t e da s t h ed e p e n d e n tv a r i a b l e,a n dt h eD i g i t a lN u m b e rv a l u e,v e g e t a t i o n i n d e xa n dt e r r a i nf a c t o ro f e a c hb a n do f t h e i m a g ew e r e e x t r a c t e da s t h e i n d e p e n d e n t v a r i a b l
7、 e i n d e x M u l t i p l e l i n e a r r e g r e s s i o na l g o r i t h ma n da r t i f i c i a ln e u r a ln e t w o r kw e r eu s e dt ob u i l dam o d e l t oe s t i m a t e f o r e s t s t o c k B a s e do nt h ei n v e r s i o na c c u r a c yo f t h e s t o r a g ed a t a i n f i e l d i n
8、 v e s t i g a t i o n,t h e a d v a n t a g e s a n dd i s a d v a n t a g e so f t h e a l g o r i t h ma r ee v a l u a t e d T h em e a na b s o l u t ee r r o ro fm u l t i p l e l i n e a r r e g r e s s i o n i s a n dt h er e l a t i v er o o tm e a ns q u a r ee r r o r i s T h e a v e r a
9、g e a b s o l u t e e r r o r o f t h en e u r a l n e t w o r k i s ,a n d t h e r e l a t i v er o o tm e a ns q u a r ee r r o r i s T y p i c a la r e aa c c u r a c yc a nr e a c h A c c o r d i n gt ot h ee v a l u a t i o n,t h em o d e l i sw e l lu s e da n dt h ee r r o r i sw i t h i nt h
10、 ea c c e p t a b l e r a n g e T h em o d e l o b t a i n e db ya r t i f i c i a l n e u r a ln e t w o r km e t h o d i sb e t t e r K e y w o r d s:f o r e s t s t o c k;m u l t i p l e l i n e a r r e g r e s s i o n;a r t i f i c i a l n e u r a l n e t w o r k;r e m o t e s e n s i n gf a c t
11、 o r;D EM 引言森林蓄积量是反映国家或地区森林资源总规模和水平的重要指标,是制定森林经营方案、森林资源经营和管理的依据.传统的蓄积量测定方法,如材料累计表法等是通过野外大量调查得到的,耗时、耗费多、工作任务重、调查周期长.近年来,伴随着遥感影像技术的不断发展,蓄积量估算的技术梁丹:基于机器学习的辽东山区落叶松林蓄积量估算研究资源与产业和方法也在逐步改良.相关研究也越来越多,研究的方向也越来越广.朱海珍等采用线性回归方法建立森林蓄积量与数据的后向散射系数模型,精度检验 与 实 测 值 高 度 拟 合.蒋 维 成 等 通 过 对L a n d s a t 遥感数据的分析和郁闭度因子的提取,
12、利用主成分回归法建立森林蓄积量模型,对黔中马尾松进行了蓄积量估算,精度达 .王立海等利用L a n d s a t遥感影像结合B P神经网络,引入海拔、坡度等地形因子建立非线性模型,估测森林生物量,总体精度为 .张苏等也利用高分一号卫星遥感影像(m分辨率)结合野外实地调查数据,分别采用多元线性回归和S VM(s u p p o r tv e c t o rm a c h i n e)回归方法对亚热带针叶林蓄积量估算开展研究,并对估算结果进行效果评价.研究背景落叶松(L a r i x g m e l i n i iR u p r K u z e n)是辽宁商品用材林建设的主要树种之一,根据 年
13、森林资 源 年 度 更 新 结 果 显 示:辽 宁 省 森 林 面 积 万h m,活立木蓄积 万m,森林蓄积量 万m;按优势树种(组)统计,落叶松林面积 万h m,蓄积 万m.传统大规模人工调查难以实现,但随着航天遥感、地理信息系统与计算机发展及数学模型的综合应 用 的 并 行 发 展,可 以 利 用 地 理 信 息 系 统G I S、全球定位系统G P S,再结合少量的野外实测样地高效完成森林蓄积量估测作业.技术路线本次研究通过对原始数据的处理,提取遥感影像中的光谱信息、植被指数、地形因子等参数,获取与落叶松林蓄积量相关的因子.并将地面数据与遥感数据一一对应,建立联系.排除冗余的变量因子,减
14、少计算量,排除影响估测精度的变量,对所选因子进行相关性分析后获取与蓄积量相关系数较高的自变量因子,作为代入进入蓄积量估测模型的特征值,并将样地数据的 作为建模样本,分别构建多元线性回归模型、人工神经网络模型进行预测.将实验数据带入构建的蓄积量预测模型中,计算蓄积量实测值的均方根误差RM S E,配对样本的T检验,通过显著性检验.其余的 作为验证数据,通 过 平 均 绝 对 误 差MA E、相 对 均 方 根 误 差RM S E r对建立的模型进行适用性检验,得到评价较优的蓄积量预测模型.技术路线见图.主要技术内容 数据预处理对获取的原始数据进行整合、处理.提取数据的相关因子信息,筛选选入落叶松
15、林蓄积量估测模型的变量因子.原始数据采集()遥感影像数据:本研究选择试验区域 年月、云量覆盖为、影像质量良好的资源三号卫星影像数据.()D EM(d i g i t a le l e v a t i o nm o d e l)数据:本研究使用的是完全覆盖清原县的 数字高程模型D EM数据;年份:年;参数:分辨率 m、A S T G TM,WG S 椭球,UTM投影.()采伐作业小班:本次研究随机选取部分清原县落叶松林三类采伐(抚育)设计的作业小班(皆伐)作为试验点.样本框制作筛选研究范围内采伐设计小班中皆伐和抚育数据作为基础样本数据,以作业设计小班的质心为西南角坐标生成样本框.()创建点s h
16、 p文件(以地面样地的基础样本数据西南角坐标为基础).()将外业调查样点生成以 m m为一个单元的样框(使用A r c g i s的H a w t h s t o o l s插件中的S a m p l i n gT o o l s中的C r e a t eS a m p l i n gP l o t s工具)()生成样方数据库.(若整体小班不足 m的样本,选取整小班为一个样本).()目视删减.基于研究区域的森林档案资料,并通过目视解译删除实际情况有误的样点.()相关性筛选.经过对样方数据库数据进行因子筛选,根据相关性因子(树种、蓄积、胸径、树高)选取实验样地.经处理,共形成固定样地号的样本 个
17、,形成样本框矢量数据.变量因子提取 地形因子提取()D EM数据预处理(A r c G I S).输入数据:清源县D EM影像.D EM图像拼接.A r cT o o lB o xD a t a M a n a g e m e n tT o o l sR a s t e r R a s t e rD a t a s e t M o s a i cT oN e wR a s t e rD EM图像裁剪.以样本框为掩膜,裁剪上一步骤的结果D EM数据.A r c T o o l B o xS p a t i a l A n a l y s t T o o l s E x t r a c t i o
18、 n E x t r a c t b yM a s k生成地形预处理数据,即样本D EM数据.年月绿 色 科 技(J o u r n a l o fG r e e nS c i e n c ea n dT e c h n o l o g y)第 期图技术路线()D EM地形因子提取.输入数据:样本D EM数据使用空间分析工具(s p a t i a l a n a l y s t t o o l s)表面分析(z o n a ls t a t i s t i c s)表面(s u r f a c e)高程(e l e v a t i o n)、坡度(s l o p e)、坡向(a s p e
19、c t)在分区统计中选择好赋值栅格及相应参数,生成高程的栅格图像.坡度(S l o p e)功能生成坡度栅格图像.坡向(A s p e c t)功能生成坡向的栅格图像.区域分析以表格显示分区统计,以单个样本框为单位分别统计三类自变量数据.遥感因子提取()单波段反射率因子提取.因子设定.基于植物的光谱特征,植被对不梁丹:基于机器学习的辽东山区落叶松林蓄积量估算研究资源与产业同的波段会有不同的吸收率和反射率,而最终反映到影像上就成了像元灰度值上的不同,因而每个单波段像元内含的信息量不同,需尽可能从每个波段上提取能够反映植被信息的信号(表).表单波段反射率因子R G BB a n d光谱范围含义RN
20、 I R_B a n d 近红外波段GR E D_B a n d 红光波段BG R E E N_B a n d 绿光波段因子提取(E NV I).将原始R G B进行拆分,得到对应的N I R、R、G 个单波段,叠加样本框适量数据,计算单元样本框的单波段值.F i l es p e c t r a ls u b s e t s p e c t r a ls u b s e t N I R、R、GE x t e n s i o n S p l i t e t oM u l t i p l e S i n g l eB a n dF i l e s()植被指数提取.因子设定.植被指数指不同遥感光谱
21、波段间的线性或非线性组合,尤其绿色植被理化性质的有效辐射的综合体现,能够作为反映绿色植被的相对丰度和活性的标志.根据植被的光谱特性将卫星的可见光和近红外波段进行组合所形成的光谱信息,其包含了植被 的有效信息,能够对地表的植被覆盖情况进行最简单有效的度量,是森林蓄积量等森林参数估测时最常用的敏感因子(表).表植被指数计算公式植被指数公式含义归一化植被指数N D V I N I RRN I RR监测植被生长状态,植被覆盖度,还能消除部分辐射误差比值植被指数R V I RN I R尤其适用于植被生长旺盛、具有高覆盖度的植被监测差值植被指数D V I N I RR对土壤背景变化敏感,适用于植被发育早中
22、期,或低中覆盖度的植被检测土壤修正植被指数S AV I(L)N I RRN I RRLL为土壤调节因子,取值范围是,与植被覆盖度呈负相关,当植被覆盖度极大时,L取,则S AV I N D V I因子提取(A R C G I S/E NV I).将单元样本框波段 均 值 带 入 波 段 计 算 器,分 别 求 算N D V I、R V I、D V I、S AV I的值.N D V I:T r a n s f o r mN D V IR V I、D V I、S AV I:B a s i cT o o l B a n d M a t hE n t e r a ne x p r e s s i o n
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 机器 学习 辽东 山区 落叶 松林 蓄积 估算 研究
![提示](https://www.zixin.com.cn/images/bang_tan.gif)
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。