基于距离相关系数和KNN回归模型的森林蓄积量估测研究

摘要：

[目的]探究Landsat8 OLI数据和KNN算法在森林蓄积量估测中的潜力.[方法]以湖南省湘潭县为研究区,采用Landsat8 OLI数据和同时期的二类调查数据,通过距离相关系数筛选特征,分别采用线性回归模型(MLR)、K-近邻模型(KNN)、距离加权KNN模型(DW-KNN)和优化欧式KNN模型(FW-KNN)对森林蓄积量进行估测.使用十折交叉方法进行精度检验,对检验结果进行对比分析.[结果]3种KNN模型的估测结果均高于传统的线性模型,并且在3种KNN模型中,FW-KNN算法效果最好,决定系数达到0.69,为3种模型中最高;3种KNN模型中,本研究优化欧氏距离KNN模型的估测精度最高,其均方根误差为30.3％,相比于传统KNN模型的均方根误差降低了5.1％,相比于DW-KNN模型降低了3.3％.[结论]采用DW-KNN蓄积量估测结果明显优于其他两种模型,说明通过特征与蓄积量的相关性优化样本间的距离是一种可行的KNN优化方法.

关键词：森林蓄积量、KNN方法、距离相关系数、十折交叉验证、Landsat8OLI

所属期刊栏目：40

分类号：S758.5+1(森林经营学、森林计测学、森林经理学)

资助基金："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";湖南省科技厅项目"林业遥感大数据与生态安全";湖南省教育厅科学研究重点项目

在线出版日期：2020-05-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：22-27,33