排序方式: 共有22条查询结果,搜索用时 31 毫秒
11.
为提高森林蓄积量遥感估测精度,探讨哑变量技术在蓄积量遥感估测中的作用。以云南省普洱市思茅区为研究区,以Landsat 8 OLI和93块森林资源二类调查角规控制样地数据为基础,使用随机森林(random forest)算法进行遥感变量因子的选择,并以龄组为哑变量分别构建基于哑变量的SVR和PLSR蓄积量估测模型,采用留一交叉验证对结果进行评估。结果表明,使用随机森林算法进行变量的选择有效减少了自变量的维度,提高了计算效率;其次,哑变量引入后,PLSR和SVR 2种回归模型的估测精度都比无哑变量方法有明显的提高,且SVR的估测结果优于PLSR;在引入哑变量后SVR模型的决定系数R2由0.59提高到0.68,相对均方根误差rRMSE由36.76%降低至32.97%,PLSR模型的决定系数R2由0.53提高到0.62,相对均方根误差rRMSE由39.41%降低至35.24%。在森林蓄积量的遥感估测中,哑变量技术的应用可以在一定程度上解决不同蓄积量大小对估测结果造成的影响,进而提高蓄积量的估测精度。 相似文献
12.
在对区域现状用水量调查的基础上,结合"三条红线"控制指标,采用改进后的灰色关联法和负载指数法对呼和浩特市所辖行政区水资源承载力进行评价。结果表明:在"三条红线"控制下,改进的灰色关联法较负载指数法评价更具全面性、准确性,6个行政区水资源承载力均较小,武川县相对最大。 相似文献
13.
对于树干材积的测定,传统的比较精确的方法是中央断面积区分求积法。此法是将树干区为一米或二米长的等长区分段,分别测定各段的中央直径,梢底直径和梢头长度,做详细记录。然后以计算或查表的方法求算各段和梢头材积进行合计,即为树干材积。该法测算手续比较烦杂,而对业务不够熟习者一但搞错一个区分段中央直径位置,材积计算就会出现大错。笔者参考国外有关资料,研制了一种适合于我国木材度量单位, 相似文献
14.
15.
16.
17.
“众里寻她千百度,蓦然回首,那人却在灯火阑珊处。”从父兄辈提篮小卖到给自己的产品注册了“冠军”商标开始创业,生活在“香榧王国”里的骆冠军就一直做着一个梦:有朝一日自己有一支同心同德、百折不挠、永往直前的员工队伍,有一套象模象样的设施设备、一个象模象样的厂房和拥有一个掷地有声、响响亮亮的品牌。如今骆冠军的“冠军”梦真地变成了现实,一举成了闻名中国的“香榧王子”。 相似文献
18.
提出一种通过使用控制参数和建立过渡数据表来制作林业统计报表的方法,当应用系统统计需求发生变化时,可以在不需要修改程序代码的情况下用调整统计参数(数据驱动)的方法满足新的打印需求,从而提高一个林业信息管理系统的灵活性和效率性. 相似文献
19.
以65块云南省普洱地区思茅松人工林圆形样地数据和sentinel-2多光谱影像数据为研究对象,利用林分平均高与林分密度(每公顷株数、林分疏密度、植被覆盖度、叶面积指数)估测思茅松人工林林分地上生物量。分析思茅松人工林林分地上生物量与林分密度指标的相关性;采用参数模型(不变参数模型和可变参数模型)和非参数模型(包括支持向量机、随机森林和BP神经网络)探索平均高和林分密度等变量估测林分思茅松人工林地上生物量。结果表明:思茅松人工林林分地上生物量与每公顷株树、林分疏密度、植被覆盖度、叶面积指数呈显著正相关(r>0.5);在构建思茅松人工林地上生物量的所有模型中,每公顷株数-林分平均高构建的可变参数模型(R2=0.966 0,RMSE=10.05 t·hm^-2)效果最优,林分平均高-林分疏密度构建的RF模型(R2=0.901 7,RMSE=19.37 t·hm^-2)次之,林分平均高-植被覆盖度构建的RF模型(R2=0.748 4,RMSE=33.36 t·hm^-2)最差;林分密度-平均高的地上生物量模型与实测地上生物量的相关性较高(R2=0.966 0),反演误差值较低(RMSE=10.05 t·hm^-2);叶面积指数比植被覆盖度对林分地上生物量变动有更好的解释能力,每公顷株数对林分地上生物量变动的解释能力好于林分疏密度。 相似文献
20.