利用庞泉沟自然保护区油松天然林的实测数据,以无人机激光雷达数据(UAV-LiDAR)、高分1号卫星数据(GF-1)和LiDAR+GF-1为数据源,通过随机森林-递归特征消除法(RF-RFE)和支持向量机-递归特征消除法(SVM-RFE)两种变量筛选方法进行建模因子筛...利用庞泉沟自然保护区油松天然林的实测数据,以无人机激光雷达数据(UAV-LiDAR)、高分1号卫星数据(GF-1)和LiDAR+GF-1为数据源,通过随机森林-递归特征消除法(RF-RFE)和支持向量机-递归特征消除法(SVM-RFE)两种变量筛选方法进行建模因子筛选,构建随机森林模型、支持向量机模型和多元线性回归模型,并对模型的拟合优度和估测精度进行评估。结果表明:(1)RF-RFE筛选方法分别筛选出LiDAR数据建模变量7个和GF-1数据建模变量4个;SVM-RFE筛选方法分别筛选出LiDAR数据建模变量5个和GF-1数据建模变量7个;通过对变量的筛选,建模变量大幅减少,模型保持较高的精度,且具有很好的解释能力。(2)相同数据源和相同变量筛选方法,随机森林模型的决定系数(R^(2))为0.95,均方根误差为13.54 m 3·hm^(-2),在三种模型中精度最高。(3)不同数据源,相同变量筛选方法,LiDAR+GF-1数据融合的建模效果最好。展开更多
文摘利用庞泉沟自然保护区油松天然林的实测数据,以无人机激光雷达数据(UAV-LiDAR)、高分1号卫星数据(GF-1)和LiDAR+GF-1为数据源,通过随机森林-递归特征消除法(RF-RFE)和支持向量机-递归特征消除法(SVM-RFE)两种变量筛选方法进行建模因子筛选,构建随机森林模型、支持向量机模型和多元线性回归模型,并对模型的拟合优度和估测精度进行评估。结果表明:(1)RF-RFE筛选方法分别筛选出LiDAR数据建模变量7个和GF-1数据建模变量4个;SVM-RFE筛选方法分别筛选出LiDAR数据建模变量5个和GF-1数据建模变量7个;通过对变量的筛选,建模变量大幅减少,模型保持较高的精度,且具有很好的解释能力。(2)相同数据源和相同变量筛选方法,随机森林模型的决定系数(R^(2))为0.95,均方根误差为13.54 m 3·hm^(-2),在三种模型中精度最高。(3)不同数据源,相同变量筛选方法,LiDAR+GF-1数据融合的建模效果最好。
