应用机器学习模型与线性模型预测森林蓄积生长量的精度

为了探究不同模型对森林蓄积生长量的预测精度和影响因素，以吉林省汪清金沟岭林场为研究区，利用林场198个固定样地(20 m×20 m)中的乔木数据，建立多元线性回归(MLR)、随机森林(RF)、支持向量机(SVM)、最近邻法(KNN)模型，分析树木蓄积生长量与林分因子、地形因子和气候因子的关系，并比较不同模型的预测精度。结果表明：森林蓄积生长量与林分每公顷断面积(B_A)、大于对象木断面积(B_L)、海拔(A_L)、林分密度(N)、年均降水量(P)显著相关，与平均胸径(D)、坡向(A_s)、坡度(S_L)、年均气温(T)并不相关；不同模型的预测结果存在差异，随机森林(RF)方法所有测试指标最佳；随机森林方法得出的平均蓄积生长量预测值为51.45 m³·hm^-2,该模型均方根误差(R_MSE)最低(4.62),决定系数(R²)最高(0.91)。