基于RF-RFE算法的森林生物量遙感特征選擇方法研究.pdf

1、森林生物量的估算對于全球碳平衡和環(huán)境保護(hù)至關(guān)重要。通過遙感等手段提取與森林生物量相關(guān)的單波段特征、植被指數(shù)、紋理特征、地形因子等特征參數(shù)，特征數(shù)量往往較多，影響預(yù)測精度。通過特征選擇，可以有效的較少遙感估測森林生物量過程中的特征冗余，在一定程度上較少了誤差的傳遞，為遙感反演提供一定的借鑒意義。本文提出了一種后向迭代的隨機(jī)森林(RF-RFE)特征選擇方法，即利用隨機(jī)森林算法計算特征重要度，采用后向迭代的方法逐步簡化特征參數(shù)。本文以內(nèi)蒙古大

2、興安嶺地區(qū)的激流河林場為研究區(qū)域，以實驗區(qū)2012年資源三號遙感影像和森林資源三類調(diào)查的樣地數(shù)據(jù)為數(shù)據(jù)源，對數(shù)據(jù)進(jìn)行預(yù)處理后，實現(xiàn)了森林類型的識別，然后使用RF-RFE算法分別對未分類和分類后的數(shù)據(jù)進(jìn)行特征選擇分析，與逐步回歸分析、支持向量機(jī)等常見模型進(jìn)行對比分析和精度評估。主要研究內(nèi)容及結(jié)果如下：
　　(1)內(nèi)蒙古大興安嶺激流河林場樣地生物量的計算
　　利用2012年12月的大興安嶺三類調(diào)查數(shù)據(jù)中的林種，樹種組成，公頃蓄積

3、，小班面積等數(shù)據(jù)，通過查閱相關(guān)文獻(xiàn)使用生物量轉(zhuǎn)換因子連續(xù)函數(shù)法計算，最終獲取87樣地的生物量真實值。
　　(2)結(jié)合紋理特征的森林類型識別
　　結(jié)合紋理特征利用支持向量機(jī)的監(jiān)督分類的方法，完成森林的識別，最終結(jié)果是落葉松、白樺和混合林的占比分別為9.78％、28.66%和32.16%。
　　(3)基于RF-RFE算法的遙感生物量特征選擇
　　對大興安嶺三類調(diào)查數(shù)據(jù)中的87個樣地生物量數(shù)據(jù)和經(jīng)過處理的資源三號遙感影