基于机器学习的草地虫密度的遥感监测
Qiang Du1,2, Zhiguo Wang1,2, Pingping Huang1,2
1College of Information Engineering, Inner Mongolia University of Technology, Hohhot 010080, China.
Sensors (Basel, Switzerland)
|May 25, 2024
概括
机器学习模型使用遥感数据预测虫密度. 随机森林模型在草原生态管理和灾害预警方面表现出卓越的准确性.
科学领域:
- 环境科学 环境科学
- 农业科学 农业科学
- 数据科学数据科学数据科学
背景情况:
- 虫疫情对草原生态系统和农业可持续性构成重大威胁.
- 准确预测虫密度对于有效的生态管理和灾害预防至关重要.
研究的目的:
- 开发和评估用于预测年度虫密度的机器学习回归模型.
- 用遥感和气象数据确定用于虫密度预测的最佳模型.
主要方法:
- 构建一个数据集,整合气象和多源遥感数据,用于草地虫监测.
- 实施和比较五种机器学习回归模型:支持向量回归 (SVR),逆向传播 (BP) 神经网络,随机森林,BP神经网络与主要组件分析 (PCA) 和深度信念网络 (DBN).
主要成果:
- 随机森林回归模型表现出最高的预测性能,在测试组中达到0.9685的确定系数 (R2) 和1.0144的根平均平方误差 (RMSE).
- 该模型准确地预测了2023年的虫密度,与实际测量数据相比,其预测准确度很高.
结论:
- 机器学习,特别是随机森林模型,提供了一种可靠的方法,可以使用遥感数据来预测虫密度.
- 这些发现为草原生态管理,预警系统和可持续农业发展提供了宝贵的支持.
