基于KNN算法的森林地上生物量遥感估测

作     者：熊珂 邢元军 和晓风 唐林 鲁宏旺 XIONG Ke;XING Yuanjun;HE Xiaofeng;TANG Lin;LU Hongwang

作者机构：湖南省林业资源调查监测评价中心 国家林业和草原局中南调查规划设计院 长沙市长长林业技术咨询有限责任公司 

出 版 物：《林草资源研究》 (Forest and Grassland Resources Research)

年 卷 期：2024年第3期

页      面：106-112页

学科分类：12[管理学] 0810[工学-信息与通信工程] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 09[农学] 0903[农学-农业资源与环境] 0835[工学-软件工程] 081002[工学-信号与信息处理] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：森林AGB KNN模型 最优K值 Sentinel-2 遥感制图 

摘      要：为探索K近邻算法（KNN）的优化方式并使用Sentinel-2实现大尺度的森林地上生物量（AGB）估测，以湖南省湘潭市及长沙市的宁乡市和望城区为研究区，以栎类和杉木为研究对象，使用Sentinel-2为遥感数据源并结合地面调查数据，提出一种基于最优K值的KNN优化算法（OK-KNN）,实现森林AGB的遥感估测与空间制图。将OK-KNN模型与传统的KNN模型，距离加权KNN（DW-KNN）模型以及多元线性回归（MLR）模型进行对比，用决定系数（R2）、均方根误差（RMSE）和相对均方根误差（rRMSE）验证模型精度。结果表明：3种KNN模型比MLR模型具有更好的森林AGB预测性能，且在3种KNN模型中，OK-KNN模型估测结果最优，相比于传统KNN和DW-KNN模型，杉木样本的R2分别提高了17.02%和13.04%,RMSE分别降低了17.21%和7.03%;栎类样本的R2分别提高了20.93%和13.04%,RMSE分别降低了15.17%和9.24%。利用OK-KNN模型可以实现不同样本的最优K值自适应选择，从而有效提高森林AGB的估测精度。