基于優(yōu)化k-NN模型的高山松地上生物量遙感估測

摘要： 針對傳統(tǒng)k-最近鄰法(k-nearest neighbor,k-NN)在搜索最近鄰單元時(shí)賦予特征變量相等的權(quán)重,缺少對特征變量加權(quán)優(yōu)化等不足問題,在云南省香格里拉市,以高山松Pinus densata為研究對象,基于49塊實(shí)測標(biāo)準(zhǔn)地,116株高山松樣木和Landsat 8/OLI影像,在前期進(jìn)行基于遺傳算法(genetic algorithm,GA)優(yōu)化的k-NN模型實(shí)現(xiàn)的基礎(chǔ)上,對k-NN的3個(gè)參數(shù)(k,t和d)進(jìn)行反復(fù)測試優(yōu)化組合,在像元尺度上對研究區(qū)高山松地上生物量進(jìn)行遙感估算。結(jié)果表明:基于遺傳算法優(yōu)化的k-NN模型精度優(yōu)于傳統(tǒng)的k-NN模型,優(yōu)化前均方根誤差為30.0 t·hm~(-2),偏差為-0.418 t·hm~(-2),相對標(biāo)準(zhǔn)誤差百分比(R_(MSE))為54.8%;優(yōu)化后均方根誤差為24.0 t·hm~(-2),偏差為-0.123 t·hm~(-2),R_(MSE)為43.7%?；趦?yōu)化k-NN模型的研究區(qū)高山松地上生物量總儲(chǔ)量估測結(jié)果為0.89×10~7t。圖7表6參20 （共9頁）