排序方式: 共有453条查询结果,搜索用时 93 毫秒
1.
【目的】探究Landsat8 OLI数据和KNN算法在森林蓄积量估测中的潜力。【方法】以湖南省湘潭县为研究区,采用Landsat8 OLI数据和同时期的二类调查数据,通过距离相关系数筛选特征,分别采用线性回归模型(MLR)、K-近邻模型(KNN)、距离加权KNN模型(DW-KNN)和优化欧式KNN模型(FW-KNN)对森林蓄积量进行估测。使用十折交叉方法进行精度检验,对检验结果进行对比分析。【结果】3种KNN模型的估测结果均高于传统的线性模型,并且在3种KNN模型中,FW-KNN算法效果最好,决定系数达到0.69,为3种模型中最高;3种KNN模型中,本研究优化欧氏距离KNN模型的估测精度最高,其均方根误差为30.3%,相比于传统KNN模型的均方根误差降低了5.1%,相比于DW-KNN模型降低了3.3%。【结论】采用DW-KNN蓄积量估测结果明显优于其他两种模型,说明通过特征与蓄积量的相关性优化样本间的距离是一种可行的KNN优化方法。 相似文献
2.
利用祁连圆柏整株生物量与生长指标数据,为估算祁连圆柏林的生物量估算提供参考。通过野外调查,共获取了63株祁连圆柏天然林样木生物量与生长指标实测数据。用其中50株样木数据进行回归模拟,用其余的13株样木数据对模型可靠性进行检验,构建器官生物量与生长指标间的回归模型。结果表明,祁连圆柏单木水平下,树干生物量模型的R2adj为0.96,均方根、模型有效性和残差系数分别为0.50、0.85和0.05;枝条生物量模型的R2adj为0.897,均方根、模型有效性和残差系数分别为0.69、0.80和-0.66;叶生物量模型的R2adj为0.61,均方根、模型有效性和残差系数分别为0.54、0.86和0.15;根生物量模型的R2adj为0.93,均方根、模型有效性和残差系数分别为0.12、0.997 和-0.01。在调查数据范围内构建的模型较好地反映了祁连圆柏生物量与生长指标间的关系,形式简单、使用方便;与实测值相比,树干与叶生物量模拟值偏小,枝和根偏大。 相似文献
3.
4.
6.
7.
9.
10.