-
题名基于XGBoost算法的森林生物量多源遥感反演
- 1
-
-
作者
蒋晋豫
王海燕
张馨之
耿佳
郭交
项诗雨
-
机构
陕西省林业科学院
陕西龙翔四维空间信息科技有限公司
西北农林科技大学机械与电子工程学院
-
出处
《西北林学院学报》
北大核心
2025年第2期198-206,219,共10页
-
基金
陕西省林业科学院科技创新平台建设专项(SXLK2022-0401)。
-
文摘
森林生态系统是陆地生物圈的主体,森林生物量的准确反演对于全球碳储量的研究具有重要作用。本研究以新疆西北部区域森林生物量为研究对象,使用Sentinel-1A微波遥感数据和Sentinel-2B光学遥感数据源,结合200块地面调查数据,通过提取Sentinel-2B光学遥感影像的光谱信息和植被指数,以及Sentinel-1A合成孔径雷达的后向系数,探究多源数据融合以及机器学习方法对森林生物量反演的能力。使用Relief-F算法和Pearson相关性分析进行特征优选,采用随机森林(random forest,RF)、支持向量回归(support vector regression,SVR)方法及极端梯度提升(extreme gradient boosting,XGBoost)算法,建立3种不同算法的森林生物量反演模型,并以决定系数R^(2)和均方根误差RMSE为模型评价指标,对建立的3个反演模型进行对比。结果表明:XGBoost算法表现明显优于RF和SVR算法,且在使用Pearson相关性分析进行特征优选时效果最佳,R^(2)=0.92,RMSE=11.59 t/hm^(2)。
-
关键词
森林生物量
Sentinel-1A
Sentinel-2B
XGBoost
-
Keywords
forest biomass
Sentinel-1A
Sentinel-2B
XGBoost
-
分类号
S758.4
[农业科学—森林经理学]
-
