-
公开(公告)号:CN120032723A
公开(公告)日:2025-05-23
申请号:CN202510114372.5
申请日:2025-01-24
Applicant: 中国林业科学研究院资源信息研究所
Abstract: 本发明提供基于无人机激光雷达特征变量的杉木林分生物量模型估测方法,属于模型构建领域,本发明基于广东省154块样地数据,通过变量筛选分别建立一元、多元基础回归模型,以及加入龄组作为变量的混合效应、哑变量生物量回归模型,应用确定系数R2、均方根误差RMSE、残差、总体相对误差TRE等指标评价模型精度。筛选出相关性较高的机载激光雷达变量共41个,最终进入模型的自变量2个。树叶生物量拟合效果最好的是对数混合效应模型,其他林分分项生物量拟合效果最好的是幂函数混合效应模型,使用机器学习模型后模型拟合效果提升(RMSE=1.080~9.902;R2=0.855~0.937;TRE=0.066~0.081)。将检验样本的数据分别代入到训练好的模型检验模型精度,整体具有较好的拟合效果。
-
公开(公告)号:CN120032722A
公开(公告)日:2025-05-23
申请号:CN202510114334.X
申请日:2025-01-24
Applicant: 中国林业科学研究院资源信息研究所
Abstract: 本发明提供杉木全周期冠幅模型研建方法,属于模型构建领域,本申请构建了单木全生长周期冠幅预测模型。系统分析了冠幅生长的动态特征及其多尺度影响机制。以胸径和树高为核心变量的基础模型较好地反映了树木生长规律,龄组哑变量有效捕捉了冠幅在不同生长阶段的动态变化特征,而混合效应模型的引入显著提升了模型的精度与适用性(R2=0.717,RMSE=0.502),量化了区组和样地效应对冠幅生长的宏观与微观影响。表明环境异质性和随机效应的综合考虑是全生长周期建模的关键,为森林资源的可持续管理和生态系统动态监测提供了重要科学依据。本发明方法和框架适用于其他树种或生态系统,为优化冠幅预测、揭示环境因子作用及提升碳汇评估精度提供了新思路。
-
公开(公告)号:CN120032721A
公开(公告)日:2025-05-23
申请号:CN202510114312.3
申请日:2025-01-24
Applicant: 中国林业科学研究院资源信息研究所
IPC: G16B40/00 , G06V20/13 , G06V20/10 , G06Q50/02 , G06Q50/26 , G06N5/01 , G06N20/00 , G06N20/20 , G01N21/25
Abstract: 本发明提供杉木地上生物量遥感估测的不确定性分析方法,属于模型构建领域,本申请以广东省野外调查数据、Landsat 8OLI遥感影像为数据源,从遥感影像中提取光谱波段因子、植被指数和纹理因子,分别构建了K最近邻回归(KNN)、梯度提升回归树(GBRT)、随机森林(RF)三种地上生物量估测模型,并使用误差方程对样地尺度和遥感模型尺度的不确定性进行度量,分析不同尺度不确定性对AGB估测的影响。相较于样地尺度,遥感模型尺度的不确定性仍然是主要的不确定性来源。而在遥感尺度中,RF是估测效果最好的模型。本申请从样地尺度和遥感模型尺度两种方面来分析对杉木地上生物量估测的影响,可为更准确地估测地上生物量提供一定的参考和思路。
-
-