基于优化k-NN模型的高山松地上生物量遥感估测

• 作者: 字李 舒清态 谢福明
• 来源期刊: 浙江农林大学学报
• 关键词: 森林测计学 k-NN模型 遗传算法 Landsat8/OLI 地上生物量 高山松
• 年，卷（期）: 2019,（3）
• 页码范围: 515-523
• 页数: 9页
• 分类号: S758.5
• 语种: 中文
• DOI: 10.11833/j.issn.2095-0756.2019.03.012

摘要

针对传统k-最近邻法(k-nearest neighbor,k-NN)在搜索最近邻单元时赋予特征变量相等的权重,缺少对特征变量加权优化等不足问题,在云南省香格里拉市,以高山松Pinus densata为研究对象,基于49块实测标准地,116株高山松样木和Landsat 8/OLI影像,在前期进行基于遗传算法(genetic algorithm,GA)优化的k-NN模型实现的基础上,对k-NN的3个参数(k,t和d)进行反复测试优化组合,在像元尺度上对研究区高山松地上生物量进行遥感估算.结果表明:基于遗传算法优化的k-NN模型精度优于传统的k-NN模型,优化前均方根误差为30.0 t·hm-2,偏差为-0.418 t·hm-2,相对标准误差百分比(RMSE)为54.8％;优化后均方根误差为24.0 t·hm-2,偏差为-0.123 t·hm-2,RMSE为43.7％.基于优化k-NN模型的研究区高山松地上生物量总储量估测结果为0.89×107 t.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	舒清态	西南林业大学林学院	60	362	10.0	16.0
2	字李	西南林业大学林学院	9	10	2.0	2.0
3	谢福明	西南林业大学林学院	9	13	3.0	3.0