基于哑变量的高山松蓄积量反演模型研究

基于Landsat TM和地面实测样地数据,采用传统线性回归和引入哑变量的线性回归两种建模方法构建香格里拉高山松蓄积量反演模型,并对模型进行验证。研究表明,传统一元和多元线性回归模型的相关系数分别为0.280和0.365,引入哑变量的线性回归模型相关系数为0.602;结合实测检验数据,传统一元、多元线性模型和引入哑变量的模型预测精度分别为61.1%,74.9%和80.3%,引入哑变量的高山松森林蓄积量模型反演精度明显提高,研究结果可为今后基于哑变量的遥感森林蓄积量反演提供一定的依据和参考。     

基于哑变量的湿地松树皮厚度模型研究

拟合立地质量等级的湿地松树皮厚度模型,为测算生长于不同立地湿地松出材量、出材率及树皮材积提供依据。根据宁德市湿地松样木和样地的调查数据,运用R软件拟合4类树皮厚度模型,选用赤池信息准则(AIC)、贝叶斯准则(BIC)、偏差(B)、绝对偏差(AB)与决定系数(R2)为模型评价指标,使用含熵权值的TOPSIS法筛选最优模型,于得到的4类树皮厚度最优模型中加入立地质量等级哑变量,得到胸高处树皮厚度模型lnTBB=(-3.075S1-3.154S2-3.157S3-3.325S4)+1.125lnD1.3,任意高度处树皮厚度模型TB=(0.005S1-0.026S2-0.101S3-0.141S4)-0.616RC+0.761DR+0.040dob,相对树皮厚度模型TRB=0.137+0.903DR2.009S1+1.806S2+2.126S3+1.855S4,去皮直径模型dib=(-0.087S1+0.138S2+0.223S3+0.293S4)+0.881dob,这4个哑变量模型R2相对于原模型分别提升了8.9%、41.6%、20.4%和1.2%,各项低优指标均降低,经配对t检验,4个哑变量模型的预估值与实测值不存在明显差异,比原模型拟合效果更佳。     

基于立地哑变量的桉树胸径生长模型构建

为进一步提高桉树胸径的预测精度,以肇庆地区5875个森林资源二类调查桉树小班为研究对象,利用3个经验生长方程和3个理论生长方程构建桉树的胸径基础模型;采用方差分析方法确定影响桉树胸径生长的立地因子后,在基础模型中引入立地因子构建桉树的胸径哑变量生长模型。结果表明,显著影响肇庆地区桉树胸径生长的立地因子是坡向和坡度;经验方程和理论方程在拟合桉树胸径生长过程中无显著差异,最终选取Schumacher方程作为桉树的胸径生长基础模型;加入坡向和坡度哑变量后,模型的预测精度显著改善,决定系数R~2提高了0.118,相对均方根误差RRMSE降低了1.69%。本研究基于坡向和坡度哑变量构建的桉树胸径生长模型,结构简单,预测精度较高,可为肇庆地区的桉树培育提供参考。     

基于哑变量的闽楠人工林单木树高曲线模型

【目的】通过建立含立地类型哑变量的湖南省金洞林场闽楠人工林单木树高曲线模型,为湖南省金洞林场闽楠人工林的目标树经营和生长预估提供理论依据。【方法】以湖南省金洞林场为研究区域,基于18块闽楠人工林固定样地2019年调查数据,选取了11个具有代表性的树高曲线模型对闽楠人工林树高-胸径关系进行了拟合,从中筛选出了拟合效果最好的模型作为构建哑变量模型的基础模型;通过对18块固定样地进行立地因子调查,采用数量化方法Ⅰ,以各林分的平均木优势高为因变量,立地因子为自变量,对立地因子进行评价,得到影响显著的立地因子,并通过划分等级和聚类分析来划分立地类型;将立地类型做为哑变量添加到基础模型参数及不同组合中,构建基于立地类型哑变量的金洞林场闽楠人工林单木树高曲线模型。【结果】在11个基础模型中,拟合的树高曲线最优基础模型为Weibull方程,其决定系数为0.780 4最大,平均绝对误差(MAE)为1.770 9,均方根误差(RMSE)为2.701 3最小。以Weibull方程作为基础模型,在构建的含立地类型的哑变量模型中,将哑变量添加在参数c上效果最优,决定系数为0.834 9,平均绝对误差(MAE)为1.529 5,均方根误差(RMSE)为2.131 6。对比于基础模型,决定系数提升了6.98%,平均绝对误差(MAE)降低了13.6%,均方根误差(RMSE)降低了26.7%。【结论】含立地类型哑变量的金洞林场闽楠人工林单木树高曲线模型拟合效果优于基础模型,并且具有更高的适用性,能反映不同立地类型下的树高、胸径生长差异,可以为湖南省金洞林场闽楠人工林的目标树经营和生长预估提供理论依据。     

基于哑变量的湿地松林分断面积生长模型

[目的]为更好地估测福州市湿地松人工林林分断面积生长情况,同时为湿地松人工林的经营提供参考依据.[方法]基于样地调查数据选用理查德方程、逻辑斯蒂、Mitscherlich和Schumacher等基础模型,引入优势木平均高和年龄因子为自变量并将林分密度指数作为密度指标加入到基础断面积模型中.在最优基础模型中引入哑变量,建...     

基于多元回归模型的叶面积指数遥感反演

采用2011年8月获取的黄丰桥林场SPOT5数据为信息源,并同步开展现地样地调查,依据典型抽样,以不同的海拔、坡度、坡向进行选样,利用手持GPS和LAI-2000植物冠层分析仪,分别对选取的60块样地进行定位和叶面积指数测量。结合遥感数据和实地调查数据,对地理因子和遥感因子变量进行主成分分析,采用逐步回归法筛选出2个主成分建立多元回归方程,对该研究区域的植被叶面积指数进行模拟,精度达到84.17%。结果表明:RVI,NDVI,MSAVI,MCAVI和DVI与LAI之间存在较好的相关性。     

二元立木材积模型的联立方程组估计方法

文章以兴安落叶松为例,使用联立方程组模型方法建立二元立木材积模型,该方法有效解决了二元立木材积模型的建模和预估前提不一致问题。在联立二元立木材积模型的估计中,分别采用了通常非线性估计方法和两步估计方法进行研究。研究结果证明:两种方法都能对模型进行估计,但两步估计可进一步减小系统偏差,达到通用性模型误差限要求,两步估计方法优于通常非线性估计。     

利用误差变量联立方程组建立南方杉木一元立木材积模型和胸径地径回归模型

利用我国南方的杉木实测数据,采用误差变量联立方程组方法,同时建立了胸径一元材积模型、地径一元材积模型和胸径—地径回归模型。结果表明:地径与胸径之间相关紧密,其回归模型的确定系数可以达到0.96以上;地径一元材积模型的预估精度要明显低于胸径一元材积模型。     

干旱遥感反演模型研究进展

干旱是常见的自然灾害之一,其发生频率高、周期长、影响广泛。传统的干旱监测方法一般以地面台站观测为主,工作量大、时效性不强。利用遥感手段反演和监测干旱,有利于及时掌握和评价旱情的发生发展状况,为准确评估和治理干旱提供辅助决策。对传统干旱监测方法进行简要回顾,分别从单层模型(包括热红外反演法、可见光/近红外反演法和微波反演法3个方面)和双层模型(包括经典双层模型和简化双层模型)2个角度对干旱遥感反演算法进行了系统阐述,并对各类模型的异同进行了对比分析,对干旱反演中存在的主要问题和今后的发展趋势进行了探讨。     

哑变量在森林蓄积量模型估测中的应用

【目的】建立含哑变量的林分蓄积量估测模型,分析哑变量在香格里拉高山松林分蓄积量模型中的意义与作用。【方法】以香格里拉为研究区,基于2008—2009年3幅TM遥感影像与2008年抽样控制样地数据,对香格里拉高山松林分神经网络模型与考虑龄组构造的哑变量神经网络模型两种类型建立蓄积量遥感估测模型,并进行精度评价。对比模型的估测值与实测值,计算模型残差,检验各龄组残差均值与0之间的差异性;同时对模型的预测值结果进行组间均值的差异性检验,以此作为确定龄组分类形式构建哑变量的标准与依据。【结果】2个模型的独立样本检验结果表明,引入哑变量的神经网络估测模型比神经网络模型拟合效果要好,其决定系数要高于神经网络模型,决定系数从0.516提高到0.783。模型预估精度从神经网络模型的66.3%提高至哑变量模型的74.8%,估算误差优于神经网络模型。【结论】根据模型的残差差异性结果得出,哑变量模型可以在一定程度上解决在估测幼龄林、中龄林蓄积量低值高估的问题;可见引入哑变量估测森林蓄积量的方法是相对有效的。     

基于分位数回归和哑变量模型的大兴安岭兴安落叶松树高-胸径模型

【目的】基于Richards方程比较分位数回归和哑变量模型对树高-胸径方程预测精度的影响,为林业树高-胸径模型的构建提供新的思路和方法。【方法】利用大兴安岭4个区域的兴安落叶松Larix gmelinii伐倒木胸径/树高实测数据,采用分位数回归和哑变量模型构建树高-胸径模型,并与基本模型进行对比分析。评价指标采用平均绝对误差(MAE)、均方根误差(RMSE)、确定系数(R2)、赤池信息量(AIC)、贝叶斯信息量(BIC)、平均预测误差百分比(MPE)、平均绝对百分比误差(MAPE)、均方根百分比误差(RMSPE),同时利用非线性额外平方和法进行区域性检验。【结果】1)Richards树高-胸径模型在9个不同的分位点(τ=0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9)都能收敛,且每个区域都有其对应的最优分位数模型,区域1、2、3和4的最优分位数模型所对应的分位数分别是τ=0.7、τ=0.3、τ=0.5和τ=0.3,各区域最优分位数模型与哑变量模型所得结果差异不大,都优于基本模型。2)F检验结果表明哑变量模型的构造是有必要的,区域2和区域4没有显著不同,其他5对区域都有显著不同。3)模型检验结果表明区域1、3、4的最优分位数回归模型都要优于哑变量模型,区域2的哑变量模型没有通过正态性检验(P=0.028 6),因此区域2的最优模型仍然为τ=0.3时的分位数模型。【结论】分位数回归模型和哑变量模型都能够反映不同区域树高-胸径关系的变化,在拟合和检验统计量等方面都表现较好,适合于大兴安岭落叶松树高预测。在进行方法选择时,可以根据数据特征和研究目的进行选择。     

哑变量在云杉地上生物量模型中的应用研究

基于150株样木的生物量数据,采用常规回归方法和哑变量模型方法,构建了黑龙江、吉林两省云杉地上总生物量与各分项生物量的一元、二元以及三元模型。结果表明:2种方法建立的模型中,地上总生物量模型预估精度最高,在96%以上;树叶生物量最低,仍达87%以上;其他生物量预估精度均在91%以上;总相对误差均控制在±5%的范围内。通过对一元、二元和三元模型对比分析,发现随着解释变量增加,2种方法生物量模型的预估精度和确定系数都有所提高。引入地域哑变量后,一元、二元和三元模型的预估精度和确定系数都比常规模型有所提高,估计值的标准误差和总相对误差有一定下降,哑变量可以提高模型的拟合优度和预测效果。     

基于林层哑变量的湖南栎类天然次生林断面积生长模型

【目的】基于栎类天然次生林林层分异现象,分析林层效应对林分断面积生长的影响,以林层效应为哑变量建立栎类天然次生林断面积生长模型,为更有效地经营管理湖南栎类天然林提供参考与依据。【方法】基于湖南省内设置的栎类固定样地51块,以调查的样地数据,从6个具有生物学意义的备选模型中选出一个最优基础模型。通过国际林联(IUFRO)的优势高划分、全树高聚类与光竞争高度法划分林层后,以最优模型分别对全林分及主林层、次林层断面积进行拟合,选出最优林层划分方法;根据林层划分结果,构建含林层效应哑变量的林层断面积生长模型。【结果】3种林层划分方法的划分结果均能满足国标(GBT 26424—2010)的要求;断面积生长模型的最优形式为Schumacher形式的模型,林分断面积模型的确定系数(R~2)为0.925 5,各林层断面积模型的确定系数(R~2)均在0.95以上,栎类林最优林层划分方法为国际林联(IUFRO)法,根据其划分结果构建的断面积生长模型的确定系数(R~2)为0.972 1,采用林层效应作为哑变量构建断面积模型有效提升了模型精度,与不分层的全林分断面积模型相比,确定系数(R~2)提高了4.94%,平均绝对误差(MAE)降低了10.23%,总相对误差(TRE)降低了1.19%。【结论】构建含林层效应哑变量模型解决了林层效应对断面积生长预估的影响,同时减少了建模工作量,提高了模型的精度与适用性,对栎类林的林分生长收获与经营管理具有重要意义。     

森林理化参数高光谱遥感反演研究进展

近年来, 成像高光谱遥感技术在森林资源信息提取方面取得了进一步发展。文中介绍国内外在轨运行的主要机载和星载高光谱传感器及其技术参数; 分别从叶面积指数和森林含水量反演及森林树种识别3个方面概述国内外基于高光谱遥感技术的森林物理参数反演方法及模型, 从叶绿素含量及森林养分元素反演2个方面概述基于高光谱遥感技术的森林化学参数反演方法及模型; 分析目前研究中存在的主要技术问题, 并展望其应用和研究前景。     

基于ALS数据和哑变量技术森林蓄积量估测

基于机载LiDAR数据,分析哑变量对林分蓄积量估测精度的影响。以广西高峰林场为研究对象,借助机载激光雷达点云数据和96个样地数据,将样地数据按7∶3的比例随机划分为建模样本和测试样本,采用随机森林模型(RFR)和支持向量机模型(SVR)对建模样本与对应的点云特征回归建模,将树种组(针叶林和阔叶林)和龄组分别作为哑变量引入到回归模型。利用测试样本的估测精度评价模型的估测精度,引入树种组哑变量,随机森林模型决定系数R2从0.59提高到0.64,支持向量机模型决定系数R2从0.49提高到0.50。引入龄组哑变量,随机森林模型决定系数R2从0.59提高到0.65,支持向量机模型决定系数R2从0.45提高到0.55。根据模型的建模精度和验证精度结果得出,引入哑变量对蓄积量估测模型的精度提升是相对有效的。龄组哑变量对模型精度提升效果优于树种组哑变量。     

基于哑变量的湖南栎类次生林直径分布研究

文章以湖南省188个栎类次生林样地为研究对象,利用Kolmoglov-Smirnov检验法对6种分布密度函数在直径分布拟合中的适用性进行检验。以林分变量为自变量,采用参数预测法构建Weibull函数3个参数的逐步回归参数模型和以林分类型为哑变量的哑变量参数模型,并对比两类模型的直径分布预测精度。结果表明,Weibull函数更适合于栎类直径分布的拟合(接受率为91.7%);与逐步回归参数模型相比,参数b、c的哑变量模型的R~2分别提高了0.104和0.134,且应用于直径分布预测时的精度显著提高(P=0.025)。研究基于林分类型哑变量构建参数模型,并用于栎类次生林的直径分布预测,预测精度较高。     

基于PROSAIL模型和多角度遥感数据的森林叶面积指数反演

【目的】基于多角度PROBA/CHRIS遥感数据和野外实测数据,结合PROSAIL模型和随机森林模型反演森林叶面积指数(LAI),以提高植被LAI遥感反演精度,为区域土壤侵蚀遥感定量监测提供新的方法和模型。【方法】以南京市紫金山和幕府山为研究区,采用野外调查、遥感影像、辐射传输模型与数学模型相结合的方法,构建基于PROSAIL模型和多角度PROBA/CHRIS遥感数据的随机森林LAI反演模型,对PROSAIL模型进行敏感性分析和适用性评价,确定最佳LAI反演模型,并利用地面实测LAI进行精度验证和评价。【结果】PROSAIL模型中各输入参数敏感性大小为LAI叶绿素a、b含量Cab叶片干物质含量Cm热点参数SL叶片内部结构参数N等效水厚度Cw;模拟的冠层反射率精度大小为0°36°-36°55°-55°。单角度LAI反演模型中,前向观测角55°精度最高,其决定系数(R2)、均方根误差(RMSE)和平均绝对百分误差(MAPE)分别为0.915 7、0.235 7和0.042 6;相比于传统垂直观测,55°模型的R2提高0.75%,RMSE和MAPE分别降低3.76%和5.12%;相比于非线性回归模型,单角度随机森林LAI反演模型的R2提高0.7%,RMSE和MAPE分别降低15.40%和11.98%;单角度LAI反演模型精度由高到低依次为55°、36°、0°、-55°、-36°。多角度LAI反演模型中,3角度组合(0°、36°、55°) LAI反演精度最高,其R2、RMSE和MAPE分别为0.918 4、0.231 9和0.041 5,相比于单角度55°,R2提高0.29%,RMSE和MAPE分别降低1.61%和2.58%;相比于传统垂直观测,3角度组合模型的R2提高1.05%,RMSE和MAPE分别降低5.31%和7.57%;相比于非线性回归模型,多角度随机森林LAI反演模型的R2提高0.79%,RMSE和MAPE分别降低6.72%和9.19%。紫金山西部区域LAI介于0.44～6.70之间,林地LAI均值为3.04;紫金山西部林地LAI整体上呈北部和南部高、中间低的空间分布格局。【结论】最佳LAI反演模型为基于3角度组合(0°、36°、55°)的随机森林LAI反演模型;一方面,增加观测角度可提供更多植被冠层结构信息,LAI反演精度随观测角度增加而增加,但另一方面,观测角度过多会使像元空间重采样、叶片阴影和土壤阴影等问题带来更多不确定性,LAI反演精度反而下降;无论是单角度还是多角度数据,随机森林LAI反演模型精度均高于非线性回归模型,随机森林模型能够明显提高LAI反演精度,适用于区域植被LAI反演;多角度遥感数据能够反映森林立体结构信息和地物多维空间结构特征,显著改善传统垂直观测数据反演LAI精度较低的问题,从而有效提高植被LAI反演精度。     

利用线性混合模型和哑变量模型方法建立贵州省通用性生物量方程

以贵州省人工杉木和马尾松地上生物量数据为例,通过利用线性混合模型和哑变量模型方法,建立了适合不同树种和区域(中心区和一般区)的通用性立木生物量方程,为简化生物量建模工作提供了有效途径。结果表明,相同直径林木的地上生物量估计值随树种、区域的不同存在一定程度的差异,带随机参数的线性混合模型和带特定参数的哑变量模型比总体平均模型的精度高;线性混合模型和哑变量模型方法均同等有效,可推广应用于其它通用性模型(如材积方程)的建立。     

湖南栎类天然混交林优势木树高曲线哑变量模型研究

使用13种具有代表性的树高-胸径模型对湖南栎类天然混交林优势木树高-胸径关系进行了拟合,从中筛选出拟合度较高的模型作为基础模型,以进一步构建含林分类型、立地类型哑变量的天然混交林优势木树高曲线模型。研究结果表明:平均优势木模型要优于最高优势木模型,利用哑变量模型拟合的效果要明显优于基础模型;n林分类型哑变量和立地类型哑变量平均优势木模型结构相同,都是H=1.3+(sun from n to i=1)a_i×Z_i×D_g/(D_g+1)+b×D_g,其确定系数分别为0.711 9和0.977 5,立地类型哑变量模型要优于林分类型哑变量模型。利用哑变量模型可提高模型精度及适用性,有助于建立区域性通用生物数学模型,并为全国栎类天然混交林立地质量评价的研究提供科学支撑和参考依据。