基于距离相关系数和Catboost方法的森林蓄积量估测

【目的】探讨采用Landsat-8遥感影像数据,基于距离相关系数特征选择的Catboost模型在森林蓄积量估测中的潜力和适应性,为森林蓄积量的估测方法再增加一种可能性,也能为“双碳”目标的实现提供理论支撑。【方法】以浙江省龙泉市为研究区域,使用多源数据,包括Landsat-8卫星影像数据、森林资源二调数据和数字高程模型的数据,整个过程使用十字折交叉验证法对模型检验。首先使用基于距离相关系数的方法筛选特征因子,在不区分树种的情况下,分别利用K最近邻算法(KNN)、装袋算法(Bagging)、决策树梯度提升算法(LGBM)、梯度增强集成分类器算法(Catboost)4种方法建立蓄积量估测模型。之后再选取样本数据中数量比较大的杉木、针叶混交林、马尾松3种优势树种,分别使用Catboost方法进行蓄积量估测,再按权求和与未区分树种情况下的估测结果进行比较。【结果】Catboost方法表现优势明显,优于K最近邻算法(KNN)、装袋算法(Bagging)以及决策树梯度提升算法(LGBM),其模型的精确度达到了81.43%,建模估测的精确度达到了76.74%,并且与3种不同优势树种按权求和的结果对比,Catboost法的建模精确度差别不大,但是估测的精确度提高了1.01%。【结论】基于距离相关系数特征选择方法结合Catboost模型在森林蓄积量估测中效果表现更好,并且尽管区分树种和不区分树种的情况下模型的估测能力差距比较小,但是区分树种情况下还是略有提高,这为测量区域森林蓄积量提供了一种新的思路。

飞行高度与郁闭度对水杉冠幅提取影响的研究

树冠是树种识别、估测树木胸径、估算森林蓄积量、监测树木生长情况的重要指标。无人机遥感具有低成本高精度等优势,非常适合高分辨率影像的获取。以杭州市临安区青山湖风景区的水杉林为研究对象,采用无人机获取不同飞行高度以及不同郁闭度的遥感影像为数据源,基于面向对象法提取平均冠幅。以地面实测的平均冠幅作为参考,在相对低郁闭度的情况下飞行高度在65,70,75m时冠幅提取精度分别为:95.39%,94.80%,94.29%。在相对高郁闭度的情况下冠幅提取精度分别为:89.10%,88.10%,88.03%。研究结果表明,在研究范围内,随着无人机高度的增加,冠幅提取的精度逐渐降低,且在两种不同郁闭度的情况下同样适用,其精度都在88%以上。该方法高效可靠,在森林资源调查中有重要的现实意义。

聚类分析在中医医院管理中的应用

聚类分析(Cluster Analysis)是多元统计分析中研究“物以类聚”的一种方法。其作用是将一批样本或变量按照它们性质上的亲疏程度进行分类。

国产纯化Vero细胞狂犬病疫苗暴露前免疫效果观察

狂犬病一般而言发病潜伏期很短，即使在暴露后马上接种狂犬病疫苗和被动免疫制剂，发病的概率仍很高。因此，WHO建议对于以犬为主要传染源的狂犬病疫区人群，应使用人用狂犬病疫苗进行暴露前免疫，并且在1987年推荐了纯化Vero细胞狂犬病疫苗（PVRV）用于暴露前和暴露后接种^[1]。为评价国产纯化Vero细胞狂犬病疫苗的暴露前免疫效果，