森林地上生物量（Above Ground Biomass,AGB）是衡量生態(tài)系統(tǒng)生產(chǎn)力的重要標(biāo)志,也是研究森林生態(tài)系統(tǒng)物質(zhì)循環(huán)的基礎(chǔ)。激光雷達(dá)技術(shù)不僅能獲取森林的垂直結(jié)構(gòu)信息且具有不存在信號飽和的優(yōu)點。機(jī)器學(xué)習(xí)方法能提高森林地上生物量的預(yù)測精度,同時還可以克服傳統(tǒng)回歸方程泛化能力差的缺點。在使用激光雷達(dá)技術(shù)和機(jī)器學(xué)習(xí)方法預(yù)測森林地上生物量時存在較多的特征變量,不同的特征變量也會導(dǎo)致預(yù)測精度存在差異,多數(shù)前人研究中僅使用一種特征選擇方法。因此,本文以美國緬因州的佩諾布斯科特森林為研究對象,選取森林的百分位密度和百分位高度作為估測森林地上生物量的特征,借助Python和Scikit-learn編程平臺使用Spearman相關(guān)系數(shù)法、LightGBM（Light Gradient Boosting Machine）算法和隨機(jī)森林-遞歸特征消除法三種特征選擇方法對特征進(jìn)行篩選,并使用線性回歸模型、隨機(jī)森林算法和支持向量機(jī)算法對樣地的森林地上生物量進(jìn)行預(yù)測,旨在對比分析出較優(yōu)的方法,為森林資源調(diào)查人員提供參考。論文研究內(nèi)容和結(jié)論如下:（1）使用Spearman相關(guān)系數(shù)法、LightGBM算法和隨... 

【文章來源】：西安科技大學(xué)陜西省

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【部分圖文】：

佩諾布斯科特森林位置示意圖

2研究區(qū)域概況及數(shù)據(jù)預(yù)處理92.2數(shù)據(jù)預(yù)處理2.2.1實測數(shù)據(jù)（1）佩諾布斯科特實驗森林的范圍如表2.1所示：表2.1佩諾布斯科特森林范圍坐標(biāo)西經(jīng)(o)東經(jīng)(o)北緯(o)南緯(o)坐標(biāo)基準(zhǔn)-68.64-68.5844.8744.82WGS84（2）樣地布設(shè)：在佩諾布斯科特森林，設(shè)置了12組50m*200m的樣地，每個樣地又被劃分成16個25m*25m的子樣地。單個樣地劃分如圖2.2示。圖2.2樣地布設(shè)示意圖（摘自https://www.nrs.fs.fed.us/）（3）實測生物量數(shù)據(jù)獲取：觀測者在樹木高為1.3m處量測樣區(qū)樹木的胸徑，同時記錄樹木的樹種信息，狀態(tài)信息（活或死）。然后利用樹木的胸徑，依據(jù)2004年Jenkins提出的異速方程計算出樹木的生物量[45]。異速方程計算公式如下：01((ln(()))()BBdbhcmbiomasskge+=(2.1)其中，01B,B為相應(yīng)的系數(shù)，可以查表得出，其數(shù)值依據(jù)樹種的變化而變化，dbh為樹木胸徑，由實際測量獲得。2.2.2LiDAR數(shù)據(jù)（1）LiDAR工作原理。LiDAR是一種遙感手段，它使用脈沖激光來測量到地球的距離（可變距離）。這些光脈沖與機(jī)載系統(tǒng)記錄的其他數(shù)據(jù)相結(jié)合，可生成有關(guān)地球形狀及其表面特征的精確的三維信息。LiDAR儀器主要由激光，掃描儀和專用GPS接收器組成。飛機(jī)和直升機(jī)是在廣闊區(qū)域中獲取激光雷達(dá)數(shù)據(jù)的最常用平臺。LiDAR主要用來測量地形和測深。地形激光雷達(dá)通常使用近紅外激光來繪制地形圖，而測深雷達(dá)則使用能穿透水的綠光來測量海底和河床高。（2）LiDAR數(shù)據(jù)介紹。佩諾布斯科特實驗森林的激光雷達(dá)數(shù)據(jù)是由美國國家航空航天局戈達(dá)德飛行中心進(jìn)行航飛和處理。數(shù)據(jù)采集時間為2012年6月19--21日，飛行

西安科技大學(xué)全日制工程碩士學(xué)位論文10的重疊度為30%，飛行高度為300m。激光雷達(dá)數(shù)據(jù)常用的存儲格式有l(wèi)as格式，柵格形式以及自定義格式，本次數(shù)據(jù)存儲形式采用常見的las格式。las是一種文件格式，是由美國攝影測量與遙感學(xué)會（ASPRS）指定的一種開放的二進(jìn)制格式，旨在交換和歸檔激光雷達(dá)點云數(shù)據(jù)。該格式被廣泛使用，并被視為激光雷達(dá)數(shù)據(jù)的行業(yè)標(biāo)準(zhǔn)。最初的las版本為1.0是2003年5月9日發(fā)布，經(jīng)過后續(xù)的不斷完善，最新的激光點云格式采用的是las1.4版本于2011年11月14日推出。本次數(shù)據(jù)存儲采用的是las1.1格式，由三部分二進(jìn)制文件組成，分別是：公用文件頭塊、變量長度記錄和點數(shù)據(jù)記錄。公用頭文件塊主要記錄點云的序列號和坐標(biāo)范圍，變量長度記錄記錄投影信息、元數(shù)據(jù)、用戶應(yīng)用程序數(shù)據(jù)等。部分森林區(qū)域激光雷達(dá)點云如圖2.3所示，依據(jù)高度不同渲染不同的顏色，紅色為地面，黃色為樹木。圖2.3研究區(qū)激光雷達(dá)數(shù)據(jù)（3）森林指標(biāo)。由圖2.3可以看出，點云數(shù)據(jù)顯然不利于處理，因此利用Fusion軟件對激光雷達(dá)點云進(jìn)行處理，得到百分位高度、百分位密度的森林指標(biāo)信息，并以tif形式保存相應(yīng)的數(shù)據(jù)。Fusion軟件是由太平洋西北研究中心和美國華盛頓大學(xué)科學(xué)家共同編寫的用于可視化和處理激光點云數(shù)據(jù)的軟件，由于其方便、高效、免費的特點，在激光點云處理方面得到了大規(guī)模的使用。處理結(jié)果如圖2.4所示，其中圖2.4(a)--(j)是百分位密度數(shù)據(jù)，由0%-90%，圖2.5(a)--(j)是百分位高度數(shù)據(jù)，由10%-100%，圖2.5(k)是高度平均值數(shù)據(jù)，圖2.5(l)是高度標(biāo)準(zhǔn)差數(shù)據(jù)。

【參考文獻(xiàn)】：
期刊論文
[1]森林生物量模型研究綜述[J]. 歐光龍,胥輝.  西南林業(yè)大學(xué)學(xué)報(自然科學(xué)). 2020(01)
[2]基于光學(xué)多光譜與SAR遙感特征快速優(yōu)化的大區(qū)域森林地上生物量估測[J]. 張少偉,惠剛盈,韓宗濤,孫珊珊,田昕.  遙感技術(shù)與應(yīng)用. 2019(05)
[3]基于梯度提升樹算法的夏玉米葉面積指數(shù)反演[J]. 張宏鳴,劉雯,韓文霆,劉全中,宋榮杰,侯貴河.  農(nóng)業(yè)機(jī)械學(xué)報. 2019(05)
[4]黃河三角洲孤島刺槐林地上生物量的估算——基于無人機(jī)機(jī)載激光雷達(dá)[J]. 李桂林,王紅,宋音,楊世琪.  中國農(nóng)學(xué)通報. 2018(26)
[5]集成學(xué)習(xí)之隨機(jī)森林算法綜述[J]. 王奕森,夏樹濤.  信息通信技術(shù). 2018(01)
[6]運(yùn)用融合紋理和機(jī)載LiDAR特征模型估測森林地上生物量[J]. 胡凱龍,劉清旺,李世明,龐勇,李梅.  東北林業(yè)大學(xué)學(xué)報. 2018(01)
[7]基于多目標(biāo)優(yōu)化的軟件缺陷預(yù)測特征選擇方法[J]. 陳翔,沈宇翔,孟少卿,崔展齊,鞠小林,王贊.  計算機(jī)科學(xué)與探索. 2018(09)
[8]基于機(jī)載全波形LiDAR數(shù)據(jù)的森林地上生物量估測算法研究[J]. 邢艷秋,姚松濤,李夢穎,謝杰,閆燦.  森林工程. 2017(04)
[9]模擬干旱對亞熱帶森林土壤微生物生物量及群落結(jié)構(gòu)的影響[J]. 聶園園,周貴堯,邵鈞炯,周靈燕,劉瑞強(qiáng),翟德蘋,周旭輝.  復(fù)旦學(xué)報(自然科學(xué)版). 2017(01)
[10]機(jī)載LiDAR數(shù)據(jù)估算樣地和單木尺度森林地上生物量[J]. 李旺,牛錚,王成,高帥,馮琦,陳瀚閱.  遙感學(xué)報. 2015(04)

博士論文
[1]基于機(jī)器學(xué)習(xí)方法的珠三角地區(qū)商場空調(diào)全年負(fù)荷預(yù)測研究[D]. 鄭林濤.華南理工大學(xué) 2019
[2]基于決策森林的回歸模型方法研究及應(yīng)用[D]. 閆云鳳.浙江大學(xué) 2019
[3]隨機(jī)森林算法優(yōu)化研究[D]. 曹正鳳.首都經(jīng)濟(jì)貿(mào)易大學(xué) 2014

碩士論文
[1]森林生物量遙感估測模型構(gòu)建中的特征選擇方法對比研究[D]. 于曉輝.浙江農(nóng)林大學(xué) 2019
[2]基于機(jī)器學(xué)習(xí)樹模型的GNSS-R海面風(fēng)場反演研究[D]. 駱黎明.中國科學(xué)院大學(xué)(中國科學(xué)院國家空間科學(xué)中心) 2019
[3]基于機(jī)載LiDAR反演森林參數(shù)的研究[D]. 霍達(dá).東北林業(yè)大學(xué) 2015



本文編號：3123398