融合时空克里格和机器学习的森林生物量估测方法研究

作     者：罗龙 

作者单位：新疆农业大学 

学位级别：硕士

导师姓名：孙伟

授予年度：2023年

学科分类：09[农学] 0903[农学-农业资源与环境] 

主      题：天山云杉 森林生物量 机器学习 时空克里格 模型融合 

摘      要：森林生物量是森林生态系统积累的植物有机物总量,森林生物量的精准估测对评估森林固碳能力和碳收支具有十分重要的意义。森林生物量的获得关键在于林木生物量的准确测定和估计,传统生物量测定方法精度高,但对生态系统有一定的破坏且难以实现大尺度的森林生物量监测。近年来,遥感技术、机器学习和地统计方法在森林生物量研究中得到广泛应用。本研究以天山山脉西段为研究区,基于2001年、2006年、2011年和2016年四期新疆云杉森林资源清查数据筛选得到189个研究区样地,利用生物量异速生长模型估算单株云杉生物量进而计算样地云杉单位面积生物量,通过Arc GIS提取样地遥感数据、地形数据和气象数据,实现多源数据融合,利用SPSS进行相关性和共线性分析,筛选出与样地云杉单位生物量相关性高的变量作为回归建模的辅助变量,通过机器学习方法、时空克里格法以及模型融合技术构建天山云杉森林生物量估测模型,主要进行了以下研究:（1）样地生物量与多源数据的融合分析,将遥感、地形、气象三类辅助数据经过预处理后与天山云杉生物量样地数据进行融合,提取14个辅助变量。将变量与样地生物量进行相关性、显著性与共线性分析,最后筛选出7个辅助变量参与云杉生物量估测模型的构建。（2）构建机器学习和时空克里格估测模型,使用筛选出的7个辅助变量参与建模,利用多元回归、支持向量机、梯度提升决策树、随机森林方法构建机器学习估测模型,利用时空普通克里格方法构建时空克里格估测模型。（3）构建融合估测模型,优选梯度提升决策树和随机森林模型进行简单平均融合,结果表明,简单平均融合模型的精度高于其他机器学习模型,R达到0.535,将简单平均融合模型与时空普通克里格方法基于残差进行模型融合,构建时空回归克里格估测模型,通过评价指标分析评估各模型的预测精度,最优的是时空回归克里格模型,RMSE和RMSPE最低,R达到0.640,比简单平均融合模型提升了19.6%。