基于CatBoost的植被总初级生产力遥感模拟方法及在福建省的应用

植被总初级生产力(GPP)作为衡量陆地生态系统健康的重要指标,可直接反映区域环境状况和改善情况,因此准确估算植被GPP变化对区域可持续发展具有重要意义。本文利用中国及日本涡度通量观测数据,构建了基于CatBoost算法融合地形特征的GPP估算模型;并将模型应用于具有复杂地形特征的福建省,实现了该省GPP长时序模拟。研究结果表明：(1)地形特征是GPP机器学习估算的重要参数,融合地形特征建模的GPP模拟结果精度明显提高,均方根误差(RMSE)下降16%。(2) CatBoost GPP估算模型有效降低了传统GPP估算模型和常用机器学习(随机森林和支持向量机)GPP估算模型中存在的高估和低估现象,模型拥有更高的精度和更强的鲁棒性。本文GPP模拟精度：决定系数(R²)为0.888,RMSE为1.164 gC·m^-2·day^-1,平均绝对误差(MAE)为0.773 gC·m^-2·day^-1。(3)基于CatBoost GPP估算模型模拟的福建省多年GPP变化与GOSIF GPP估算结果...     

基于随机森林算法的近地表气温遥感反演研究

近地表气温是城市热环境的重要表征,是改变和影响城区气候的重要因素。为获得空间上连续的近地表气温,本文以北京市为研究区,利用Landsat5/TM数据计算分别得到地表温度、归一化植被指数、改进的归一化差异水体指数、地表反照率、不透水面盖度,并结合气象站点气温和高程作为输入参数建立随机森林模型反演近地表气温。结果表明,随机森林反演的近地表气温平均绝对误差（MAE）为0.80 ℃,均方根误差（RMSE）为1.06 ℃,与传统多元线性气温回归方法相比,平均绝对误差（MAE）和均方根误差（RMSE）分别提高0.06 ℃和0.09 ℃。研究表明,利用随机森林模型反演近地表气温是可行的,并且具有一定的优越性。此外,对随机森林模型的输入参数进行重要性分析,地表温度对气温反演模型的影响最大,其次为高程。     

基于随机森林算法的草原地上生物量遥感估算方法研究

草原是我国面积最大的陆地生态系统,生物量是反映生态系统质量和功能的关键指标,准确地掌握草原生物量对草原资源合理利用、生态修复、畜牧业高质量发展都具有重要的意义和作用.本研究以内蒙古锡林郭勒盟为研究区,利用高分一号遥感卫星影像,结合216个野外样本数据,采用随机森林算法(Random Forest,RF)对草原地上生物量...     

基于多源遥感数据和GEE平台的博斯腾湖面积变化及影响因素分析

作为典型的干旱区内陆湖泊,博斯腾湖的面积变化趋势与当地自然和人文环境的变迁密不可分.本文结合GIS与RS技术,利用Landsat影像和MODIS数据共2289景及JRC GSW水体掩膜产品,基于Google Earth Engine (GEE)平台采用指数法得出2000-2019年博斯腾湖面积年际和年内变化趋势,并采用...     

基于优化随机森林回归模型的土壤盐渍化反演

当前应用于土壤盐分含量(Soil Salinity Content,SSC)反演的随机森林回归(Random Forests Regression,RFR)较少关注对模型精度影响较大的反演参数子集和模型参数的同步优化.本研究选择渭-库绿洲和奇台绿洲为实验区,基于Landsat-5 TM、SRTM、MOD 11 A2.0...     

基于GF5-AHSI数据的新"三边参数"浅海水深反演

以上海市横沙滩涂浅水区为研究区域,利用GF5-AHSI高光谱遥感数据和同时期水深数据,通过新"三边参数"方法和相关分析提取建模因子,基于最优标度回归方法建立该区域的水深反演模型,并进行精度验证.研究发现:检验样本的决定系数达到了0.885,均方根误差为0.80 m,模型精度和可靠性较高,可以用于横沙浅水区水深反演.     

基于随机森林模型的中国中老年人群HDL-C环境影响因素研究

高密度脂蛋白胆固醇（HDL-C）可以有效促进人体内胆固醇的代谢外排,其水平的高低与患心血管疾病的风险呈负相关关系,是心血管疾病的预防与保护因素。厘清我国中老年人群HDL-C水平的地理分异特征及环境影响因素,对我国心血管疾病防治工作的开展有重要意义。论文基于中国中老年人纵向追踪调查,利用全局空间自相关、冷热点分析等方法阐释中国中老年人群HDL-C水平的空间分异特征及变化趋势,同时对比引入随机森林回归模型及多元线性回归方法探讨HDL-C水平空间分布的环境影响因素及其指示作用。结果表明：中国中老年人群HDL-C水平表现为女性高于男性、农村高于城镇,具有明显的地域差异性,整体呈现出“北低南高,中间过渡”的分布格局,且北方出现了以内蒙古、河北、辽宁为代表的低值聚集区,南方出现了以广东、广西、云南为代表的高值聚集区;SO2、NO2、降水、气压、PM10和PM2.5是影响中老年人群HDL-C水平差异分布的主要环境因素,其中高浓度的空气污染物是造成HDL-C值较低的危险因素,充沛的降水和低压环境是防治HDL-C值较低的保护因素。因此,今后关于HDL-C血脂异常防控工作在全国各地应注重其空间分布规律,重...     

基于特征空间优化的随机森林算法在GF-2影像湿地分类中的研究

由于季节性的植被动态和水文波动,湿地遥感影像分类常常比较困难。本文采用优化特征空间的随机森林算法（Random Forest）对吉林省白城市通榆县东部地区预处理后的GF-2影像进行湿地分类研究,具体分为2步：① 对研究区遥感影像进行多尺度分割和对象特征的提取。针对一些学者获取最佳分割尺度时仍受主观因素影响较大的情况,本文通过改进全局最优分割方法来获得最佳分割尺度。② 在最优分割的基础上,基于特征重要性对随机森林分类算法的特征空间进行优化,以得到最佳的随机森林分类结果,并与相同条件下（同数据、同分割尺度、同训练样本,同特征空间）的K-NN、SVM、CART 3种算法以及未优化特征空间的RF算法的分类结果进行了比较。结果表明,基于优化特征空间的RF算法的分类结果总精度和Kappa系数分别为93.038%和0.9177,而K-NN、SVM和CART 3种分类算法的分类结果的总精度分别为83.357%、78.068%、77.136%,未优化特征空间的RF算法分类结果总精度为90.937%。相较于K-NN、SVM、CART 3种分类算法,RF算法在GF-2湿地影像数据中具有更好的分类性能,同时优化特征空间的RF算法精度有所提高,在湿地资源管理中可以发挥非常重要的作用。     

基于独立成分分析和随机森林算法的城镇用地提取研究

城镇用地信息是联合国2030年可持续发展议程关注的重点之一。城市在世界范围内迅速扩张,快速准确地获取城镇用地信息对于政府决策具有重要作用。城镇土地覆盖信息非常复杂,包括人工建筑、树木、草地、水体等多种地表覆盖类型。基于传统人工测绘获取城镇用地信息费时费力并且难于及时更新。Landsat等遥感卫星数据为城镇用地信息提取提供了丰富的数据源。基于卫星遥感数据提取的城镇用地信息可以为未来城市的建设和管理提供基础的科学决策数据。基于监督分类方法和卫星遥感数据可快速地提取城镇用地信息,然而特征变量的选择对于高精度城镇用地信息提取尤为重要。为研究不同特征变量组合对于城镇用地信息提取的影响,以北京市为研究区,以2017年7月10日获取的Landsat 8 OLI影像为数据源,通过数据预处理、纹理提取、独立成分分析、主成分分析等得到4个维度的29个特征,选取了7种特征组合方案进行城镇用地提取。考虑随机森林算法性能稳定,分类精度高和可以方便进行特征重要性评价等优点,选择其作为监督分类算法以提取城镇用地信息,并进行了精度评定,以确定最优的城镇用地提取特征组合。研究发现：综合利用光谱特征和独立成分分析后的影像特征,提取城镇用地的总体精度为93.1%,Kappa系数为0.86,优于利用其他特征的提取结果;基于随机森林算法对数据进行训练后输出的各变量的归一化变量重要性与特征均值的标准差结果存在相似性,利用随机森林算法的变量重要性估计与特征均值折线图都可以进行变量重要性评价。     

基于遥感数据和XGBoost算法的31个城市NO2、CO2浓度比率变化特征

研究城市二氧化氮(NO₂)与二氧化碳(CO₂)的共同排放水平对于实现城市减污降碳协同增效具有重要意义。NO₂与CO₂的人为排放具有同源性,二者的浓度比率可以体现城市的大气污染物和碳排放综合水平。基于XGBoost算法,利用对流层星载监测仪(TROPOMI)、轨道碳观测2号(OCO-2)和3号(OCO-3)卫星的遥感数据以及相关环境协变量,重构全国2019～2020年NO₂垂直柱浓度(X_NO2)和CO₂垂直柱浓度(X_CO2)的高分辨率数据集,并分析31个城市的X_NO2年均值与ΔX_CO2(X_CO2观测值与背景值之差)的比率(X_NO2/ΔX_CO2)变化情况。结...     

滇池湖滨带植被时空变化及其对滇池总磷浓度的影响

滇池是中国最大的高原淡水湖泊,是长江上游生态安全格局的重要组成部分。自2008年起政府在滇池湖滨带大规模退耕还草还林,以恢复滇池及其湖滨生态。湖滨带植被对滇池总磷浓度的影响是一个长期过程,需要通过遥感长时间连续监测的数据来评价。本文以滇池和滇池湖滨带为研究区,从空间分布、季节差异2个角度,结合入湖河流总磷负荷,研究2005—2018年滇池湖滨植被时空变化对滇池总磷浓度的影响。主要结论如下：① 滇池总磷浓度由湖缘向湖心逐渐降低,并且北部和南部偏高;2005—2018年,滇池总磷浓度呈现显著下降趋势;② 2011—2018年滇池总磷浓度显著减小与湖滨带植被的拦截作用密切相关;③ 2005—2018年滇池湖滨带草本和木本植物面积都显著增加,增加最剧烈的年份是2010—2011年;④ 相比于平水期和丰水期,枯水期NDVI与强影响区总磷浓度负相关关系最强,且木本植物NDVI与强影响区总磷浓度负相关性强于草本。本文利用长时间序列数据评价滇池总磷浓度与其湖滨植被的响应关系,可为滇池湖泊生态恢复提供科学依据。