基于机器学习的新疆不同森林类型的地面生物质的遥感估计

科学领域:

• 林业科学 林业科学
• 遥感 遥感 遥感 遥感
• 生态系统管理 生态系统管理
• 地理空间分析的研究.

背景情况:

• 准确的森林地面生物质 (AGB) 估计对于有效的森林生态系统管理至关重要.
• 新疆缺乏省级森林AGB分布图,原因是绘图方法和地面数据的局限性.
• 了解AGB分布对于评估森林健康和碳储存至关重要.

研究的目的:

• 为新疆制定准确的省级森林AGB地图.
• 确定影响森林AGB估计的关键因素.
• 为了比较不同的机器学习模型对AGB映射的性能.

主要方法:

• 使用Landsat和MODIS卫星图像,地形和气象数据.
• 采用Boruta算法进行特征选择.
• 使用森林库存数据构建和比较支持向量机 (SVM),极端梯度增强 (XGBoost) 和随机森林 (RF) 模型.

主要成果:

• 气候,地形和纹理显著影响了AGB模型的变量选择.
• 随机森林 (RF) 模型在四种主要森林类型 (ENF,DNF,DBF,MF) 中显示出卓越的准确性 (R2>0.65).
• 高AGB值集中在山边,伊利山谷和塔林河流域附近,表明空间异质性.

结论:

• 射频模型显著提高了新疆森林AGB估计的准确性.
• 该研究提供了一种强大的方法,用于大规模生物质估计中的变量选择.
• 这些发现为基于遥感的森林AGB评估提供了宝贵的理论和技术支持.