基于机器学习算法的广西桉树适宜性研究

• 作者: 吴保国 杜雨菲 陈玉玲
• 来源期刊: 浙江农林大学学报
• 关键词: 森林测计学 适宜性 机器学习 朴素贝叶斯 支持向量机 随机森林 桉树
• 年，卷（期）: 2020,（1）
• 页码范围: 122-128
• 页数: 7页
• 分类号: S758.8
• 语种: 中文
• DOI: 10.11833/j.issn.2095-0756.2020.01.016

摘要

[目的]探索立地因子与桉树Eucalyptus适宜性之间的关系,开展树种适宜性研究,为桉树适宜性研究提供新思路,为科学造林提供支持.[方法]以广西桉树人工林为研究对象,选取广西国有高峰林场的1 883个森林资源小班调查数据,分别运用朴素贝叶斯、支持向量机、随机森林算法作为树种适宜性评价方法,构建桉树适宜性分类模型.输入为地貌类型、海拔、坡向、坡位、坡度、凋落物厚度、腐殖质层厚度、土层厚度、石砾含量、成土母质,土壤类型等11个立地因子信息,输出为桉树适宜性.[结果]3 种算法构建的模型拟合精度依次为63.18%、69.73%、 78.03%,泛化精度依次为64.33%、 67.93%、 78.18%.相比于朴素贝叶斯、支持向量机算法,随机森林算法分类效果更好.立地因子重要性排序由高到低依次为:海拔、土层厚度、坡向、坡度、石砾含量、凋落物厚度、坡位、腐殖质层厚度、土壤类型、地貌类型、成土母质. 200~350 m海拔、 80~100 cm土层厚度的地区比较适宜桉树生长.[结论]基于机器学习算法构建的桉树适宜性评价模型可以较好地对桉树的适宜性做出预测.图2表4参19

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴保国	北京林业大学信息学院	91	983	18.0	26.0
2	杜雨菲	北京林业大学信息学院	2	1	1.0	1.0
3	陈玉玲	北京林业大学信息学院	2	1	1.0	1.0