期刊论文

Forest stock volume estimation based on a variance-optimized kNN model

中文

森林与环境学报

2096-0018

2019

39

5

497-504

10.13324/j.cnki.jfcf.2019.05.008

“十三五”国家重点研发计划项目“人工林资源监测关键技术研究”（2017YFD0600900）； 湖南省教育厅科学研究重点项目（17A225）； 湖南省普通高校青年骨干教师培养对象项目（7070220190001）； 中南林业科技大学研究生科技创新基金（CX20192025）； 湖南省研究生科研创新项目（CX20190622）；

本校为第一机构

森林资源调查是数字森林资源监测的基础,遥感技术可以克服传统方法如抽样调查的局限性,有效地缩短作业时间,提高效率。虽然目前森林蓄积量遥感估测方法很多,但随着样本数量的增加,这些方法无法保证估算的准确性。本研究拟提出一种基于方差速率优化的k最近邻法(kNN),以2017年10月Planet Labs影像为数据源,结合赤峰市旺业甸林场蓄积量实测数据建立反演模型,并与地理加权回归(GWR)模型、随机森林(RF)模型、普通kNN模型和距离加权kNN模型进行对比分析。在建立的森林蓄积量反演模型中,方差优化kNN模型得到最优精度[决定系数(R~2)为0.69,均方根误差(RMSE)为67.6 m~3·hm~(-2),相对均方根误差(RRMSE)为...

Forest inventory is an essential for digital forest resouce monitoring.Remote sensing technology can overcome the limitations of traditional methods such as sampling surveys and can effectively minimize operation time and improve efficiency. Although there exist many remote sensing methods for forest stock retrieval, these methods cannot ensure accuracy of estiamtion with an increase in the number of samples.In this study, a kNN method based on variance optimization is proposed. Planet Labs images from October 2017 are used as the data source, ...