基于变量优选的机载激光雷达对林分平均高的反演 |
| |
作者姓名: | 朱泊东 金京 罗洪斌 龙飞 李春干 岳彩荣 |
| |
作者单位: | 西南林业大学林学院,云南 昆明 650224;广西大学林学院,广西 南宁 530004 |
| |
基金项目: | 国家自然科学基金项目(42061072); |
| |
摘 要: | 森林高度是反映森林数量和质量的重要指标,是森林经营管理的重要基础数据,准确获取森林高度信息一直是林业遥感研究的目标。本研究以广西高峰林场的105块地面实测样地数据和机载激光雷达(Light detection and ranging, LiDAR)数据为基础,从点云数据中提取35个特征变量,分别采用支持向量机-递归特征消除法(SVM-RFE)、轻量级梯度提升机(LightGBM)和主成分分析(PCA)法进行特征筛选,并结合参数模型(LR)和非参数模型(RFR、KNN)对林分平均高进行反演。研究结果表明,不同特征选择方法和估测模型的组合精度差异较大。其中,利用LightGBM进行特征筛选结合KNN回归反演效果最佳,建模的R2和RMSE分别为0.83和1.64 m,验证的R2和RMSE分别为0.81和1.56 m。此外,在SVM-RFE、LightGBM和PCA这3种特征筛选方法中LightGBM的效果最好,无论在RFR模型还是在KNN模型中均能得到较高的R2,优于SVM-RFE和PCA。
|
关 键 词: | 机载激光雷达 林分平均高 特征优选 LightGBM |
本文献已被 万方数据 等数据库收录! |
|