基于随机森林的农耕区土壤有机质空间分布预测

以陕西省周至县农耕区为研究区,采集192个土壤样品,通过随机森林模型(random forest, RF)对土壤有机质含量进行回归预测,通过29个(15%)独立验证点对预测结果进行精度验证,并与普通克里格(ordinary kriging,OK)和协同克里格(cokriging,COK)插值结果进行对比分析。结果表明,研究区土壤有机质含量在训练集和验证集中均属于中等变异性,含量处于中等偏低水平,大致表现为中、南部黑河东岸土壤有机质含量相对较高,东北部渭河沿岸含量较低。对变量重要性进行排序,影响研究区土壤有机质的主要因素为数字高程(DEM)和降水量。与OK、COK相比, RF对土壤有机质的预测值和实测值的相关系数(0.782)更高,而平均绝对误差(0.618 g·kg^-1)和均方根误差(2.062 g·kg^-1)更低,说明RF能够更精确地反映局部土壤有机质含量的空间变化信息。     

运用随机森林模型对北京市林分蓄积生长量的预测

林分蓄积生长量是森林资源监测的一个重要内容,也是林业经营的决策依据。利用北京市第6~8次森林资源连续清查数据和ClimateAP软件中提取的气候信息,建立了基于随机森林的林分蓄积生长量预测模型,对北京市林分蓄积生长量进行了预测。结果表明:运用随机森林的针叶林、阔叶林、针阔混交林的林分生长模型的R 2分别为0.93、0.94、0.89,拟合效果良好;预测北京市2021年林分蓄积生长量平均值为58.1073 m^3/hm^2,变化范围为7.2846~388.7756 m^3/hm^2,蓄积量平均值由大到小的顺序为针叶林、针阔混交林、阔叶林。     

基于随机森林与多源遥感数据的青海省降水空间分布

基于青海省56个气象站点2000-2012年平均年降水资料，在地理信息技术支持下提取由地形(T)变量(DEM、坡度、坡向、曲率、起伏度)、地表覆被(V)变量(归一化植被指数NDVI、植被初级生产力NPP)和海陆位置(L)变量(经度、纬度、经纬度乘积)等10个因子构成的协变量集，运用随机森林(Randomforest,RF)算法建立区域降水量空间预测模型。结果表明，RF算法结合多元协变量集能实现区域降水量精确预测。十折交叉验证显示，不同输入变量条件下RF拟合的降水量预测模型性能排序为:T+V+L>T+L> L>L+V>T+V>T>V，其中T+V+L和T+L模型的R2达到0.893、0.892,RMSE仅为12.31、13.55 mm，比其他模型的R2提高了0.028～0.102,RMSE降低了1.24～12.95 mm，能满足区域降水量空间精细估计。旨在为低密度气象站点分布区的降水量空间分布式信息获取提供新的技术参考。     

基于随机森林模型的陆地卫星-8遥感影像森林植被分类

以黑龙江省漠河县为研究区域,采用陆地卫星-8遥感影像为数据源,结合影像的光谱信息和数字高程模型辅助数据,分别采用最大似然分类法(MLC)和随机森林模型法(RFM)对研究区森林植被进行分类,并分析和评价光谱特征变量对模型的重要性、2种分类方法对森林植被类型分类的适用性。结果表明:随机森林分类方法的总体分类精度为81.65%、卡帕(Kappa)系数为0.812。与传统的MLC方法相比,RFM法均提高了3种森林类型的生产者精度和使用者精度,其中针阔混交林精度提高最多。通过分析特征变量的重要性,发现高程、归一化植被指数、红光波段、近红外波段、短波红外波段对模型分类精度有较重要的影响。说明随机森林模型方法结合多源信息是森林植被类型遥感分类的一种有效手段。     

随机森林在棉蚜虫害等级预测中的应用

棉蚜是棉区的主要农业害虫之一,对于棉花的产量和质量影响较大。为了准确地对棉蚜虫害的等级进行分类预测,以便采取科学的防治措施,该研究对山东省滨州地区1990—2009年的20年中5—9月的平均气温、降水量、相对湿度、日照时数等气象数据、棉蚜天敌数据与棉蚜虫害数据进行了相关性分析,筛选后保留的影响因子数据构建随机森林棉蚜虫害等级预测模型。结果表明:随机森林模型的OOB为5.7%,等级的误分率为0.09和0.019,经测试集检验,模型预测的准确率为82.2%。模型泛化性好,等级的误分率低。     

基于随机森林的文本分类模型研究

文本分类作为处理大量文本数据的关键技术,可以在较大程度上解决"信息爆炸"所带来的问题。Breiman提出的随机森林算法具有良好的泛化性和鲁棒性、对噪声不敏感、能处理连续属性的特点,很适合用来建立文本分类模型。笔者将随机森林算法尝试性引入文本分类领域,构建基于随机森林的文本分类模型,并在标准文本测试集Reuters-21578进行测试和比较,结果表明:(1)该模型可以较好地应用于文本分类;(2)与基于CART、REPTree和J48的文本分类模型的结果相比较,基于随机森林的文本分类模型的效果最好,F1-Measure达到了0.777;(3)基于随机森林的文本分类模型操作方便、直观有效、评价结果可靠,为文本分类研究提供了新思路。     

基于随机森林模型的国家重点保护药用植物物种优先保护区的识别

准确可靠地识别国家重点保护药用植物物种的优先保护区,是生物多样性保护的热点问题之一.采用随机森林模型,通过12个环境变量,对当前国内的126种国家级重点保护药用植物物种建模,并预测各个物种在背景点的适生概率,叠加计算得到国家重点保护药用植物物种的生境适宜性指数.此外,基于对生境适宜性指数的空间自相关分析,识别和确定国家重点保护药用植物物种的优先保护区,并对优先保护区目前的被保护情况进行分析.结果显示：(1) 126种国家重点保护药用植物物种的优先保护区面积为78.85万km²,约占我国国土面积的8.21%;(2)优先保护区主要分布在我国长江以南的武夷山脉、南岭等地,次适宜区主要分布在云贵高原腹地,少量分布在大兴安岭和长白山等地;(3)优先保护区在国家级自然保护区中的面积约为3.36万km²,约占优先保护区总生境的4.26%;(4)优先保护区在生态功能区中的面积约为24.33万km²,约占优先保护区总生境的30.86%.总体来说,优先保护区被保护的面积约为26.89万km²,约占优先保护区总面积的34...     

基于面向对象和随机森林模型的杭州湾滨海湿地植被信息提取

湿地植被在湿地生态系统中起着无可替代的作用,其空间分布在很大程度上反映了滨海湿地的开发利用、生态环境特征和健康状况。以杭州湾南岸为研究区,以QuickBird影像和野外调查数据为数据源,基于面向对象原理在确定最优分割尺度的基础上采用随机森林模型,对滨海土地利用分类,并精确提取湿地植被。结果表明:面向对象和随机森林相结合的方法可以有效提取杭州湾5种湿地植被类型和6种土地利用类型,分类总体精度达86.90%,Kappa系数达到0.85,5类滨海湿地植被的用户精度均达到85%以上,更有海三棱藨草Scirpus mariqueter的用户精度达到100%,充分说明了基于面向对象分割和结合随机森林模型方法适用于滨海湿地植被信息的精确提取。     

基于随机森林模型长汀县植被覆盖度的影响因子

应用随机森林回归模型对水土流失典型区域——长汀县2000—2010年植被覆盖度变化及主要影响因子进行分析.研究表明:长汀县近11 a植被覆盖度以每年4.11%的速率增加,其中2005年植被覆盖度最低(0.12),2010年植被覆盖度最高(0.70),且2006年之后植被覆盖度均发生正向突变;随机森林模型对植被覆盖度主要驱动因子的拟合效果较好,其观测值和预测值的方差解释率均在78.30%以上,相关性为0.885~0.939,极显著相关(P0.01),且均方残差都小于0.001;当地财政支出和农村人均纯收入、年平均地表比辐射率、年平均风速等人为因子和自然因子是影响长汀县植被覆盖度变化的主要因子.     

基于随机森林模型的旺业甸实验林场土壤全氮数字制图

为探究林场土壤全氮含量的空间分布特征及对环境因素的响应,以旺业甸实验林场为研究区,采用随机森林模型和Cubist模型建立了不同土层深度（0~10、10~30、30~50 cm）土壤全氮含量与环境协变量（海拔、归一化植被指数、年平均降水量、年平均气温、y坐标和坡向）之间的定量关系模型,对该区土壤全氮含量进行预测并制图,并分析了影响土壤全氮空间变异的控制性因素。研究结果显示：0~10、10~30、30~50 cm土层实测全氮含量的均值分别为3.20、2.02、1.47 g/kg,土壤全氮的平均含量随土层深度的增加而降低;3个土层深度土壤全氮预测随机森林模型的决定系数R²分别为0.59、0.42和0.39,均优于决定系数R²分别为0.56、0.38和0.34的Cubist模型,2种模型预测精度都随土层深度的增加而降低,各环境因素对土壤全氮空间分布的影响作用随土层深度的增加而减小;从随机森林模型土壤全氮预测图来看,不同土层深度土壤全氮含量均呈现西部、北部和中部低,西南、东南和东部高的空间格局,不确定性图显示随机森林模型预测土壤全氮含量分布具有较低的标准差;海拔对土壤全氮含量的影响最大,其他依次为：归一化植被指数>年平均降水量>年平均气温>y坐标>坡向。结果表明,随机森林模型可以作为有效预测该林场不同土层深度土壤全氮含量的方法。     

基于GIS的滑坡临界降雨指标的研究

利用滑坡灾害普查资料和气象资料,结合地理信息系统(GIS)和降雨推算模型进行空间分析,对庆元县滑坡与降雨作相关研究后发现:降雨具有诱导和直接触发滑坡的综合作用效果;庆元县滑坡的时空分布,受降雨地区和降雨时间的控制,并与一定的地质条件及人类活动有关;滑坡剧烈活动时间与降雨时间及暴雨、大暴雨频次吻合或略滞后,庆元县滑坡的起动降雨量为:日降雨量≥50 mm或滑坡前10 d累积降雨量≥100 mm.     

应用型GIS模型分析在林业中的应用

应用人工神经网络滚动预测方法,采用5-25-5神经网络结构建立实验区红桦林5个龄组的蓄积量预测模型,预测了实验区2000~2004年红桦各龄组蓄积量。幼龄林预测平均相对误差为1.138%,中龄林预测平均相对误差为0.051%,近熟林预测平均相对误差为0.362%,成熟林预测平均相对误差为0.156%,过熟林预测平均相对误差为0.009%。实验的预测值与实际值吻合度高,用该模型进行预测的可信度是较高的。     

地理权重回归在土壤pH空间预测中的应用

为高效利用土壤和开展精准农业生产,采用地理权重回归方法对区域土壤pH的空间分布进行预测,以获得比普通线性回归方法更高的预测精度和论证其对其他土壤属性进行预测的可行性。实测样点土壤的pH,然后选用与土壤pH相关程度较高且易于获取的环境因子(海拔高程、坡度、归一化植被指数、铁氧化物指数、样点距河流的最近距离、土壤侵蚀强度)来建立与土壤pH的回归方程。因子经过逐步回归及多重共线性检验后,用地理权重回归模型对pH进行预测。通过ME、RMSE及回归决定系数等指标,用验证样点数据对预测效果进行评价。结果表明,地理权重回归模型的预测精度高于普通线性回归模型,能大幅度降低AIC值,显著提高模型的回归决定系数,有效地降低回归的残差值;生成的预测图在空间上过渡自然,制图效果较好;利用地理权重回归法能将环境影响因子纳入模型,并能充分考虑样点的空间位置,适合于具有高度空间变异的土壤属性预测及制图。     

基于无人机多光谱影像和随机森林的蔬菜识别

实时准确的蔬菜种植信息是实现水肥精准管理和产量准确估算的重要基础。对无人机多光谱影像进行分割，以光谱特征（spectrum features，SPEC）为基础，分别引入指数特征（index features，INDE）、纹理特征（grey-level co-occurrence matrix features，GLCM）和几何特征（geometric features，GEOM）构建8个分类方案（S1～S8），使用随机森林算法进行分类并分析分类效果。结果表明，方案S5（SPEC+GLCM+INDE）的分类效果最好，总体精度和Kappa系数分别为92.75%和0.92。几何特征的引入降低了分类精度，而纹理和指数特征则与其相反；仅依靠光谱、指数和纹理特征仍难以有效区分白菜和包菜，为提高精度后续研究有必要引入植株高度等特征；在4大类特征中，重要性排在首位的是光谱特征，其次为指数特征。基于无人机多光谱影像和随机森林算法能获得较高的蔬菜分类精度，并能确认影响精度的重要特征，可为其他作物的精准识别提供借鉴。     

中国东部暖温带刺槐花期空间格局的模拟与预测

模拟刺槐开花日期与气温之间的空间关系,对于揭示蜜源植物物候空间格局形成的生态机制和掌握养蜂生产的时宜,具有重要的科学意义.利用中国东部暖温带26个站点1986-2005年的刺槐开花始期、盛期和末期数据,建立了基于日均温的多年平均和逐年物候空间模型,模拟多年平均和逐年刺槐开花日期的空间格局,并对模型进行了空间外推检验.进而,将1986-2005年8 km×8 km分辨率的日均温格点数据代人多年平均和逐年物候空间模型,得到连续地理空间多年平均和逐年刺槐开花日期的空间格局,并尝试设计了研究区内转地放蜂的适宜路线.结果表明:中国东部暖温带1986-2005年多年平均及逐年最佳期间日均温的空间格局分别控制着多年平均和逐年刺槐开花日期的空间格局.各地多年平均刺槐开花日期的空间序列与最佳期间日均温的空间序列呈显著负相关(P＜0.001),多年平均气温—物候空间模型对刺槐开花始期、盛期和末期的方差解释量分别为87％、86％和77％,模拟的均方根误差(RMSE)分别为2.5、2.7d和4.1d.同样,各地逐年刺槐开花日期的空间序列与最佳期间日均温的空间序列均呈显著负相关(P＜0.05),逐年气温-物候空间模型对刺槐开花始期、盛期和末期的方差解释量分别介于44％-94％、57％-92％和39％-84％之间,模拟的平均RMSE分别为3.9、4.0d和5.4d.预测得到的连续地理空间多年平均刺槐开花日期呈现出自南向北、从平原向丘陵和山地逐渐推迟的空间演进特征.据此,中国东部暖温带地区转地放蜂可以沿西线、中线和东线进行,放蜂的大致持续时间可达40-50 d.此外,预测得到的连续地理空间1986-2005年期间刺槐开花始期、盛期和末期的线性趋势以提前为主,呈显著提前的面积分别占总面积的78％、26％和32％.     

基于贡献度随机森林模型的公司债信用风险实证分析

运用贡献度随机森林方法（CRF）方法探讨公司债财务指标比率与其违约率的关系.运用连续属性离散化方法（OB）进行财务指标最优降维；运用WOE变换进行模型变量约简.研究表明，CRF模型的分类性能显著优于其他模型，测试集评估总体正确率达90.47%，AUC统计量、AR比率及K-S值分别提升了2.6%、7.6%、4.38%，变量贡献度量化了各财务指标对违约率影响，为诠释随机森林预测机制提供了依据.     

基于遥感技术的土壤质地空间预测方法研究进展

土壤质地影响土壤持水持肥性和透气性,进而驱动一系列与土壤有关的物理化学过程,结合高效快速的遥感技术预测土壤质地空间分布,对土壤质量评价与农业生产规划具有重要的理论和实践意义。本文从遥感预测土壤质地的数据、方法和模型的应用出发,介绍了用于土壤质地遥感预测的雷达、地形和植被指数等辅助数据,提出了光谱响应、特征波长选择和遥感解译这三种基于遥感特征预测土壤质地空间分布的方法,梳理了统计学、地统计学和机器学习这三类模型与遥感结合对土壤质地空间预测的应用效果,总结了几种典型方法的优缺点与适用情况,并分析了遥感预测土壤质地的应用条件和精度验证方法,最后提出未来研究需侧重于深入提取各种遥感光谱特征、利用遥感技术获取多类型环境变量和开发土壤物理属性与数据驱动机器学习特征相结合的多算法混合模型,旨在为开展不同区域尺度下土壤质地空间预测研究提供依据与技术支撑。     

Application of Wavelet Random Coupling Model in Monthly Rainfall Prediction

A Trous algorithm of wavelet transform was used to decompose wavelet signal, and the cross-correlation analysis was used to analyze the sequence of each wavelet transform, and then the mathematical model correspond with wavelet transform sequence was established, finally wavelet random coupling model was obtained by wavelet reconstruction algorithm. Then, according to the rainfall data in crop growth period of Farm Chahayang from 1956 to 2008, the wavelet random coupling model was established to fit the model prediction test. The results showed that the prediction and fitting accuracy of the model was high, the model could reflect the rainfall variation regulation in the region, and it was a practical prediction model. It was very important for us to determine reasonably irrigation schedule and to use efficiency coefficient of precipitation resource.     

广西灌阳县天然阔叶混交林林分空间结构动态分析

该研究以灌阳县天然阔叶混交林为研究对象,通过对灌阳县天然阔叶混交林2005年和2010年2期森林清查数据对比,结合混交度、角尺度、大小比数这3个林分空间结构参数来说明5年期间该地天然阔叶混交林林分结构的变化及特点.分析发现,该地天然阔叶混交林混交度指数呈增大趋势,2期数据林分混交度值波动明显,总体上由弱度混交向中度混交转变.角尺度参数变化较稳定,林木空间分布多为团状分布状态,随林龄增大,其平均角尺度多有降低趋势,林分结构有向随机分布演变的趋势.该地林分在胸径生长大小上的分布状态均为中庸状态,各样地大小比数值波动不大,荷木在胸径生长大小上占据较大优势,主要分布的栎类2010年在胸径生长上的优势有所增加,也均处在中庸分布.总体来说,灌阳县天然阔叶混交林林分有向稳定森林群落发展的趋势,其空间结构还有待进一步优化.     

林木调查数据的随机、空间、时间特征的模型处理

林木调查数据常具有随机性、空间性和时间性3种特征,这些特征造成了传统林木模型精度不高、应用不稳定。尽管已有多种建模方法可处理这些特征,但很少有研究界定这些方法在林木数据的适用范围。介绍混合效应模型、空间回归、地理加权回归、回归克里金4种建模方法在林木因子上的应用,分析它们对林木调查数据的随机效应、空间相关性与异质性、时间相关性与异质性上的适用度。结果表明,混合效应模型能有效处理林木数据的随机效应、空间相关与异质性、以及时间相关性;地理加权回归主要解决数据的随机效应、空间相关与异质性;空间回归与回归克里金只能处理数据的空间相关性;但这4种方法均无法有效处理数据的时间异质性。在实际研究中,可以依据这4种建模法对林木数据随机、空间和时间特征的适用度,分析数据特征来选择合适的建模方法,从而提高研究效率与精度。