森林生物量的估算對(duì)于全球碳平衡和環(huán)境保護(hù)至關(guān)重要。通過遙感等手段提取與森林生物量相關(guān)的單波段特征、植被指數(shù)、紋理特征、地形因子等特征參數(shù),特征數(shù)量往往較多,影響預(yù)測(cè)精度。通過特征選擇,可以有效的較少遙感估測(cè)森林生物量過程中的特征冗余,在一定程度上較少了誤差的傳遞,為遙感反演提供一定的借鑒意義。本文提出了一種后向迭代的隨機(jī)森林（RF-RFE）特征選擇方法,即利用隨機(jī)森林算法計(jì)算特征重要度,采用后向迭代的方法逐步簡(jiǎn)化特征參數(shù)。本文以內(nèi)蒙古大興安嶺地區(qū)的激流河林場(chǎng)為研究區(qū)域,以實(shí)驗(yàn)區(qū)2012年資源三號(hào)遙感影像和森林資源三類調(diào)查的樣地?cái)?shù)據(jù)為數(shù)據(jù)源,對(duì)數(shù)據(jù)進(jìn)行預(yù)處理后,實(shí)現(xiàn)了森林類型的識(shí)別,然后使用RF-RFE算法分別對(duì)未分類和分類后的數(shù)據(jù)進(jìn)行特征選擇分析,與逐步回歸分析、支持向量機(jī)等常見模型進(jìn)行對(duì)比分析和精度評(píng)估。主要研究?jī)?nèi)容及結(jié)果如下:（1）內(nèi)蒙古大興安嶺激流河林場(chǎng)樣地生物量的計(jì)算利用2012年12月的大興安嶺三類調(diào)查數(shù)據(jù)中的林種,樹種組成,公頃蓄積,小班面積等數(shù)據(jù),通過查閱相關(guān)文獻(xiàn)使用生物量轉(zhuǎn)換因子連續(xù)函數(shù)法計(jì)算,最終獲取87樣地的生物量真實(shí)值。（2）結(jié)合紋理特征的森林類型識(shí)別結(jié)合紋理特征... 

【文章來源】：山東農(nóng)業(yè)大學(xué)山東省

【文章頁數(shù)】：60 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

RF-RFE算法流程圖

圖 2 激流河林場(chǎng)位置圖Fig.2 Mount Tai Scenic figure嘎林區(qū)是內(nèi)蒙古大興安嶺生態(tài)功能區(qū)的重要組成部分，東西寬 9公里，總面積 5797 平方公里，是內(nèi)蒙古大興安嶺生態(tài)功能區(qū)的重丘陵，坡度一般在 15°以下，海拔在 450 米-1404.7 米之間。區(qū)壤土、地帶性棕色針葉林土。 莫爾道嘎林區(qū)地處寒溫帶，屬大季氣溫差異較大，冬寒多雪、夏溫多雨，年降水量在 414 毫米-

積 1131平方公里，落葉松、白樺是林場(chǎng)的主要樹種。 數(shù)據(jù)來源.1 樣地?cái)?shù)據(jù)資料在森林生物量估算的過程中，首先利用樣地?cái)?shù)據(jù)訓(xùn)練估算模型，樣地?cái)?shù)據(jù)采2012 年 12 月的大興安嶺三類調(diào)查數(shù)據(jù)。樣地的選取綜合考慮了地域分布、立齡組結(jié)構(gòu)等因素以確保樣本具有充分的代表性，調(diào)查樹種有落葉松和白樺。調(diào)查因子包括：權(quán)屬，林種，林分起源，樹種組成，平均年齡，郁閉度，平平均樹高，公頃株數(shù)，公頃蓄積，小班面積，立地因子以及災(zāi)害情況等。在的三類調(diào)查數(shù)據(jù)中，通過樣地位置和樣地仔細(xì)的篩選得到 2012 年的樣地?cái)?shù)2 年的樣地?cái)?shù)據(jù)中包含采伐小班 87 個(gè)、集材主道 58 個(gè)、楞場(chǎng) 1 個(gè)、號(hào)外支共 150個(gè)；其中采伐小班可直接用于樣地生物量計(jì)算。

【參考文獻(xiàn)】：
期刊論文
[1]基于SVM-RFE-BPSO算法的特征選擇方法[J]. 林俊,許露,劉龍.  小型微型計(jì)算機(jī)系統(tǒng). 2015(08)
[2]利用隨機(jī)森林的城區(qū)機(jī)載LiDAR數(shù)據(jù)特征選擇與分類[J]. 孫杰,賴祖龍.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2014(11)
[3]基于紋理信息的Landsat-8影像植被分類初探[J]. 寧亮亮,張曉麗.  中南林業(yè)科技大學(xué)學(xué)報(bào). 2014(09)
[4]基于隨機(jī)森林的不平衡特征選擇算法[J]. 尹華,胡玉平.  中山大學(xué)學(xué)報(bào)(自然科學(xué)版). 2014(05)
[5]基于隨機(jī)森林回歸算法的水生態(tài)文明綜合評(píng)價(jià)[J]. 崔東文,金波.  水利水電科技進(jìn)展. 2014(05)
[6]大興安嶺地區(qū)南北部幼中齡林碳儲(chǔ)量研究[J]. 孟曉清,劉琪璟,陶立超,鄧留寶,李衛(wèi)軍,溫志勇.  中南林業(yè)科技大學(xué)學(xué)報(bào). 2014(06)
[7]資源三號(hào)衛(wèi)星在軌幾何檢校地面靶標(biāo)鋪設(shè)關(guān)鍵技術(shù)初探[J]. 王峰,宋尚萍,孟凡冬,向元佳,王偉華.  測(cè)繪與空間地理信息. 2013(07)
[8]隨機(jī)森林模型在分類與回歸分析中的應(yīng)用[J]. 李欣海.  應(yīng)用昆蟲學(xué)報(bào). 2013(04)
[9]塔里木河下游胡楊（Populus euphratica）地上生物量估測(cè)[J]. 董道瑞,李霞,萬紅梅,林海軍.  中國(guó)沙漠. 2013(03)
[10]基于隨機(jī)蕨叢的長(zhǎng)期目標(biāo)跟蹤算法[J]. 佟國(guó)峰,蔣昭炎,谷久宏,龐曉磊.  東北大學(xué)學(xué)報(bào)(自然科學(xué)版). 2013(01)

博士論文
[1]特征選擇及半監(jiān)督分類方法研究[D]. 黃東山.華中科技大學(xué) 2011
[2]基因表達(dá)數(shù)據(jù)挖掘若干關(guān)鍵技術(shù)研究[D]. 蔡瑞初.華南理工大學(xué) 2010
[3]基于最小化訓(xùn)練誤差的子空間分類算法研究[D]. 沈道義.中國(guó)科學(xué)技術(shù)大學(xué) 2008

碩士論文
[1]基于決策樹算法的研究及其在煤層底板突水中的應(yīng)用[D]. 杜春蕾.太原理工大學(xué) 2015
[2]基于SVM-RFE和粒子群算法的特征選擇算法研究[D]. 許露.湖南師范大學(xué) 2014
[3]隨機(jī)森林改進(jìn)的若干研究[D]. 李貞貴.廈門大學(xué) 2013
[4]螺紋鋼期貨價(jià)格影響因素的實(shí)證分析[D]. 章志杰.蘇州大學(xué) 2014
[5]東江湖區(qū)域公益林主要生態(tài)功能研究[D]. 李廣軍.中南林業(yè)科技大學(xué) 2013
[6]證券投資管理中收益率的預(yù)測(cè)方法研究[D]. 耿麗君.中南大學(xué) 2013
[7]基于遺傳算法的混合特征選擇方法研究[D]. 王娜.陜西師范大學(xué) 2012
[8]基于支持向量機(jī)的特征選擇算法研究[D]. 嚴(yán)康.大連理工大學(xué) 2010
[9]SVM-RFE算法在數(shù)據(jù)分析中的應(yīng)用[D]. 盧運(yùn)梅.吉林大學(xué) 2009
[10]隨機(jī)森林的特征選擇和模型優(yōu)化算法研究[D]. 雍凱.哈爾濱工業(yè)大學(xué) 2008



本文編號(hào)：3548583