基于优化 k -NN模型的高山松地上生物量遥感估测
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。
引用本文（GB/T 7714）
谢福明, 字李, 舒清态. 基于优化 k -NN模型的高山松地上生物量遥感估测[J]. 未知来源, 2019.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。