基于随机森林协同克里金法的区域森林地上生物量制图——以粤北森林为例
Mapping regional forest aboveground biomass from random forest Co⁃Kriging approach:a case study from north Guangdong作者机构:南京林业大学林草学院、水土保持学院南方现代林业协同创新中心江苏南京210037 浙江省森林资源监测中心浙江杭州310020
出 版 物:《南京林业大学学报(自然科学版)》 (Journal of Nanjing Forestry University:Natural Sciences Edition)
年 卷 期:2024年第48卷第1期
页 面:169-178页
核心收录:
学科分类:09[农学] 0903[农学-农业资源与环境]
主 题:森林地上生物量 随机森林 协同克里金 ALOS-1 PALSAR-1 Landsat 5 TM 国家森林资源连续清查 粤北地区
摘 要:【目的】森林地上生物量(aboveground biomass,AGB)是森林生态系统健康状态和碳汇潜力评估的重要指标,本研究提出了一种快速、准确地获取区域尺度AGB信息的制图方法。【方法】基于Landsat 5 TM、ALOS-1 PALSAR-1、STRM DEM和国家森林资源清查数据,提取光谱特征、纹理指数、后向散射系数和地形因子等特征因子,采用随机森林进行AGB建模。考虑到AGB是典型的具有空间自相关特性的生物物理参量,针对模型残差,使用以高程为协变量的克里金空间插值法分离残差项中的结构化成分,并将其叠加到随机森林模型预测值上形成最终的AGB预测值,从而提高区域尺度的AGB制图精度。【结果】协同克里金法将高程数据作为协变量,在预测AGB残差结构化成分方面的性能优于普通克里金法,协同克里金法与随机森林协同的AGB预测性能明显提升。经独立AGB数据的模型验证表明,随机森林模型预测的AGB与实际观测的AGB间的决定系数R^(2)为0.46,随机森林结合普通克里金的验证R^(2)提高到了0.51,而随机森林结合协同克里金模型的验证R^(2)为0.57。相应的均方根误差(RMSE)分别从32.48 t/hm^(2)降低到31.58、29.80 t/hm^(2),平均绝对误差(MAE)从27.28 t/hm^(2)降低到26.63、25.12 t/hm^(2),相对改进指数为0.03和0.08。【结论】总体而言,本研究提出的随机森林协同克里金模型提供了一种更准确、可靠地进行复杂地形区域的亚热带森林AGB制图新方法,所生成的AGB专题图有助于发展针对固碳效能的森林经营方法,为全球气候变化背景下的森林碳增汇和森林可持续经营提供参考。