基于星载激光雷达数据的森林地上生物量估算方法比较

近年来,星载激光雷达数据已被广泛用于大尺度森林地上生物量估计,但由于其激光光斑采样点不连续,通常使其需要与辅助数据相结合来估算森林地上生物量的连续分布,且估算方法仍存在许多不确定性。研究以祁连山国家公园为样本,结合星载激光雷达ICESat/GLAS数据、Landsat OLI数据和样地调查数据建立了3种基于非参数化算法(普通克里金插值(Ordinary Kriging,OK),支持向量回归(Support Vector regression,SVR)和随机森林(Random forest,RF))的森林地上生物量估算模型,以森林资源清查数据独立验证各模型估计精度。结果发现:3种模型的均方根误差(RMSE)从低到高依次为SVR(19.053 t·hm^(-2))、RF(21.074 t·hm^(-2))和OK(26.362 t·hm^(-2)),平均相对误差(MRE)从低到高依次为SVR(31.890%)、RF(33.314%)和OK(55.398%),且除OK模型外,SVR与RF模型的总体相对误差(TRE)都在可接受的范围内。进一步对SVR与RF模型生成的森林地上生物量空间分布的准确性进行验证,发现相较RF模型,SVR模型生成的森林地上生物量空间分布与森林资源清查数据更为接近。SVR森林地上生物量估计模型在数量精度和分布精度上都表现更优。结果可为今后基于星载激光雷达数据的森林地上生物量估算提供借鉴。

随机森林算法实现小行星分类

随着小行星光谱和测光数据不断增加,以此为基础已有多种分类方法对小行星进行分类.使用随机森林算法对Sloan Digital Sky Survey(SDSS)Moving Object Catalogue(MOC)的观测结果进行小行星分类.根据小行星g、r、i、z 4个波段的星等,结合Tholen、Bus、Lazzaro、De Meo等人已有的分类工作和主成分分析,对多达48642颗的小行星进行了分类,实现了大数据集的小行星类别判定,把这些小行星分为8个类别(C、X、S、B、D、K、L和V).

基于决策树和随机森林算法的上市公司财务违规行为研究

随着科创板的推出,注册制的上市制度使得中国的金融经济体系更加开放多元。如何加强对上市公司财务规范的监管就成为了新的重点,也是证监会和普通投资者都非常关心的内容。本文以决策树和随机森林两种机器学习算法,构建出基于财务报表分析的上市公司财务违规行为研判系统,能够对财务违规行为做出预测、分析,从而有助于发现更多潜在未知的财务违规风险,促进金融系统稳健发展。

基于物候与极端气候信息的耕地土壤有机碳空间分布预测研究

土壤有机碳(Soil Organic Carbon,SOC)作为陆地生态系统中最大的碳库,在农田土壤质量和作物产量方面发挥着重要作用。准确预测耕地SOC的空间分布对于制定农业管理措施至关重要。在数字土壤制图(Digital Soil Mapping,DSM)框架下,选择有效的环境协变量是提高SOC空间预测精度的重要方法。以往遥感指数和气候变量通常使用某个时段或时点的(平均)值作为输入变量,而很少有研究将时间特性和事件用于土壤有机碳预测。因此,引入物候变量、极端气候变量弥补部分损失的地物信息和气候特征,探讨其对研究区耕地SOC空间变异的响应特性及预测SOC空间分布的可行性。以江西省上高县为研究区域,采用随机森林模型,选取遥感数据、DEM衍生变量、物候参数、气候特征因子等作为环境协变量引入模型中,并用普通克里格(Ordinary Kriging,OK)对模型结果进行残差修正,最后对比不同类型变量组合下模型的预测效果及预测精度。结果表明,时序变量、物候变量及极端气候变量能够改善模型的预测性能,并且残差作为误差项还能进一步提升模型的精度。结合时序变量、物候变量、极端气候变量、地形变量和残差的组合拥有最高的预测精度,相较于地形变量、遥感变量和气候变量的组合,将R2、MAE和RMSE提升了90.00%、58.95%和57.14%。变量贡献率分析显示,SU、a3和TXx是影响研究区耕地SOC分布的重要变量。因此,物候变量和极端气候变量具有较好的应用前景,未来还需验证极端气候变量作为环境变量在不同土地利用、大尺度研究区下预测土壤属性的有效性。

基于地统计学的森林地上生物量估计

基于吉林省汪清林业局金苍林场二类调查的局级固定样地数据,利用地统计学的普通克里格法和协同克里格法对研究区域内森林地上生物量进行估计(协同克里格法以地上生物量为主变量,以胸高断面积为协变量),并对2种插值方法进行比较。结果表明:在研究区域内普通克里格法预测精度较低;而协同克里格法能够显著提高预测精度,所产生的均方根误差(RMSE)减少49.0%,平均标准误差(ASE)减少39.4%,预测值和实测值的相关系数提高68.4%。通过插值得到整个林场生物量的空间分布格局图,生物量的分布存在明显的空间异质性。林场平均生物量密度为111.9t·hm-2,总生物量达3.578Tg;并从不同森林类型和龄组对生物量的空间格局进行分析。研究结果可为区域尺度内基于固定样地和地统计学的生物量估计提供方法和参照。

基于辅助信息的森林蓄积量空间模拟

以北京市密云县一类清查的样地蓄积量为研究对象,结合与蓄积量相关的辅助因子,采用普通克里格法、协同克里格法对森林蓄积量进行空间插值估测,并与文献[25]同一研究区的基于偏最小二乘法回归法估测结果进行比较分析。结果表明,普通克里格法、基于辅助信息的协同克里格法、偏最小二乘回归法的蓄积量估测值与实测值间的相关系数分别为0.389、0.845、0.766;基于辅助信息的协同克里格法要优于普通克里格法和偏最小二乘回归法,能够明显提高预测精度;与普通克里格法相比,所产生的均方根误差减小了71%,预测值和实测值的相关系数提高了54%。最后生成了密云县森林蓄积量空间分布图。研究表明应用地统计学方法进行蓄积量估测具有很好的应用前景,可以为森林蓄积量的估测提供一种可行的方法。

空间分层抽样在森林覆盖面积监测中的应用

为探讨空间分层抽样在森林资源调查中的应用,以对贵阳市花溪区的森林覆盖面积调查为例,利用融合后遥感数据SPOT5作为底图,布设100 m×100 m的抽样框,并从SPOT5影像上提取辅助因子进行先验抽样。采用Moran's I指数进行空间自相关分析,结果表明,调查目标具有显著空间自相关性,可以进行空间抽样。利用460个样本单元的观测值对整个研究区进行普通克里格空间插值,并以插值结果作为分层辅助因子进行空间分层,结果初步表明空间分层抽样与经典抽样和随机空间抽样相比具有明显优越性,可以降低成本,提高效率。

应用普通变异位点的主成分分析法探讨群体结构

背景:普通变异位点在群体分层和群体结构研究中有重要的作用。目的:应用普通变异位点数据采用主成分分析法探讨群体结构。方法:采用主成分分析法对普通变异位点单核苷酸多态数据提取第一和第二主成分,同时采用随机森林算法对7组不同人群进行分类。此外分别对与第一主成分和第二主成分相关联的基因,作KEGG pathway和Gene ontology上的富集分析,挖掘基因功能。结果与结论:结果发现结合主成分分析和随机森林分类算法使得群体分层的准确率高达99.6%。这说明群体间等位基因频率的差异可以用来识别群体结构。此外,还发现通过主成分提取的基因具有一定的功能聚集性。由此证实实验提供的方法可以用来指导分子生物学研究和探讨基因功能。

裂隙网络的三维随机模拟方法研究

为合理评价研究区域内裂隙结构特征,基于地质统计学方法在综合考虑裂隙方向(走向和倾角)的基础上,统计分析研究区域内的裂隙,进而对裂隙网络进行三维模拟研究。基于裂隙密度的半变异函数模型,应用Monte-Carlo和普通克里格法相结合对裂隙位置进行模拟;用主成分分析法对裂隙的n个不同的方向组进行分析,得出主成分并计算其半变异函数,用普通克里格估计各主成分的空间分布,在裂隙走向和倾角的累积分布函数基础上,运用随机函数产生该裂隙的方向。将模拟得到的裂隙元按照一定的距离间隔和角度大小连接为1个裂隙面,从而形成符合实际的裂隙网络的三维模型。

冀西山前冲积扇区土壤机械组成模型制图对比研究

探索适合地形平缓的山前冲积扇地区土壤机械组成的空间预测方法。以河北省灵寿、行唐、曲阳县400 m高程以下区域为研究区,结合地形因子、土壤类型、归一化植被指数、地表温度等环境变量,选择基于对称对数比(SLR)转换的普通克里格法(SLR-OK)、回归克里格法(SLR-RK)、随机森林法(SLR-RF)3种方法,对训练集114个样点表层土壤机械组成的空间分布进行预测,并通过验证集50个样点比较了3种方法的预测精度。(1)从空间预测图来看,砂粒呈现出西北低、东南高的空间分布趋势;粉粒和黏粒与砂粒相反。与SLR-OK法相比,SLR-RK法和SLR-RF法能够更好地反映局部变异并减小平滑效应。(2)对于砂粒和粉粒,SLR-RF法对验证集含量预测的平均绝对误差(MAE)和均方根误差(RMSE)均低于其他两种方法,且决定系数最高,表明SLR-RF的预测精度最高;对于黏粒,SLR-OK法对验证集含量预测的MAE和RMSE均低于其他两种方法,且决定系数最高,表明SLR-OK法的预测精度最高。(3)线性回归预测模型的辅助变量包括高程、土壤类型和风力作用指数;随机森林法模型的辅助变量包括高程、土壤类型、归一化植被指数、地表温度、风力作用指数和流量累积,对于砂粒和粉粒,土壤类型和高程是重要的辅助变量,归一化植被指数、地表温度、风力作用指数和流量累积重要性相对较低。研究区砂粒和粉粒空间预测的最优方法为SLR-RF法,在山前冲积扇地区地形较平缓,砂粒和粉粒对地形变量敏感;黏粒空间预测的最优方法为SLR-OK法。

不同方法预测苏南农田土壤有机质空间分布对比研究

准确把握土壤有机质(SOM)的空间分布规律对于土壤资源的高效持续利用具有重要意义。以江苏南部为研究区,以辅助因子与SOM的相关性强弱及辅助因子的可获取性为切入点,运用普通克里格(OK)、回归克里格(RK)和随机森林(RF)方法,结合地形、气候、土壤类型、土壤理化性质和施肥、碳投入等辅助数据预测了苏南地区农田SOM含量(0~20 cm)的空间分布。结果表明,三种方法预测的SOM空间分布总体趋势相似,表现为东高西低,但局部分异还存在差异;OK预测的精度最低,100次预测的均方根误差(RMSE)均值为6.97 g·kg^(-1)。RK和RF的预测精度则均高于OK方法,表现为整合与SOM相关性最强的辅助因子全氮(TN)时,RK和RF预测的RMSE分别降低至5.25 g·kg^(-1)和4.97 g·kg^(-1),而移除相关性最强的辅助因子TN后,RK和RF预测的RMSE亦较OK方法低,分别为6.21 g·kg^(-1)和6.29 g·kg^(-1);移除TN后,RK的预测精度稍高于RF,表明在其他辅助数据与SOM相关性相对较弱的条件下,RK方法有助于提高本研究区SOM预测精度;同时,尽管RK和RF的预测精度依然较OK高,但RK和RF对SOM方差的解释度则分别由51%和55%降低至了29%和28%。这表明,目前容易获取且相对廉价的辅助数据,对本研究区的SOM空间预测方面,还面临着数据质量低、预测精度不足等问题。

基于3种空间预测方法的黄土区土壤颗粒组成空间分布研究——以宁夏海原县为例

【目的】探索适合地形复杂的黄土母质地区土壤颗粒组成的空间预测方法。【方法】以宁夏自治区海原县为研究区域,结合地形因子、土壤类型、归一化植被指数变量,采用基于对称对数比转换的经验贝叶斯克里格法(SLR-EBK)、回归克里格法(SLR-RK)、随机森林(SLR-RF)3种方法对训练集100个样点表层土壤颗粒组成的空间分布进行预测,并通过验证集24个样点比较了3种方法的预测精度。【结果】(1)最终进入土壤颗粒组成线性回归预测模型的辅助变量包括高程(Ele)和土壤类型;进入RF模型的辅助变量包括高程(Ele)、土壤类型、坡度(Slo)和风力作用指数(WEI),其中,高程(Ele)是最重要的辅助变量,其次是土壤类型,坡度(Slo)和风力作用指数(WEI)重要性相对较低。(2)3种方法预测的海原县土壤各粒级含量空间分布的趋势基本一致,表现为砂粒含量西南部低,东北部高,粉粒、黏粒则相反。与SLR-EBK相比,SLR-RK和SLR-RF能够更好地反映局部变异并减小平滑效应。(3)SLR-RF法对验证集3个粒级含量预测的平均绝对误差(MAE)和均方根误差(RMSE)均低于其他两种方法,且从平均Aitchison距离(MAD)来看,SLR-RF(0.208)<SLR-RK(0.235)<SLR-EBK(0.274),表明SLR-RF的预测精度最高。【结论】海原县土壤颗粒组成空间预测的最优方法为SLR-RF;黄土母质区高程、土壤类型是与土壤颗粒组成的空间变异相关性较强的辅助变量。

黄土高原不同地貌区农田土壤有机质预测方法研究

【目的】开展黄土高原不同地貌区农田土壤有机质(SOM)预测方法研究,探讨不同预测方法在不同区域的适用性及不确定性,以便更准确地估算农田SOM空间分布特征,对土壤资源高效利用和农田精细化管理具有重要意义。【方法】在黄土高原3种典型地貌区进行试验,包括丘陵沟壑区(庄浪县)、高塬区(宁县)和平原区(武功县),分别布设样点3788、4048和3860个,分析农田土壤0—20 cm SOM含量。运用地统计学理论,分析各典型区SOM空间分布特征。提取原始样本75%为建模点,其余25%为验证点,利用普通克里格(OK)、随机森林(RF)和随机森林+普通克里格(RF+OK)等方法,结合土壤类型、地形、气候、植被、人类活动等多源影响因子,对SOM分布进行空间预测,并对预测结果进行误差分析和空间结构检验,明确各方法的不确定性。【结果】丘陵沟壑区、高塬区、平原区SOM平均含量分别为14.29、13.15、14.48 g/kg,均属于较低水平;变异系数分别为18.96%、19.54%、26.71%,呈中等变异;块金效应分别为8.60%、17.41%和10.01%,受随机性和结构性因子共同作用,且受后者影响更大;丘陵沟壑区和平原区SOM含量的Moran's I分别为0.26和0.14,Z[I]分别为26.56和13.51,存在显著空间自相关性,而高塬区SOM含量Moran's I为0.02,Z[I]为1.55,不存在空间自相关性。丘陵沟壑区、高塬区、平原区SOM含量空间分布分别受温度、海拔、降水影响最大。在平原区,RF+OK法较RF法和OK法,MSE、RMSE、MAE等误差均最小,实测值与预测值的相关系数(r)最高,预测值的空间结构与实测值更接近。高塬区SOM空间分布无规律,OK法在该区域不适用,RF法和RF+OK法的各项误差无明显差异,但RF法的r更高,且预测值的空间结构更符合宁县实际特征。在平原区,OK法预测结果的不确定性较大,RF和RF+OK方法各项误差和r均无明显差异,但RF方法预测值的空间结构与实测值更接近,且较其它两个地区,其SOM变异性及建模点和验证点的各项误差均最大。【结论】在不同地貌区,环境要素、空间结构不同,同一预测方法的预测精度存在差异,平原区较丘陵沟壑区和高塬区,其空间预测结果的不确定性更大。在同一地貌区,3种预测方法的预测结果存在差异,丘陵沟壑区使用RF+OK法预测SOM空间分布效果较好,而高塬区和平原区则用RF法较好。当区域SOM存在显著空间相关性,且半方差函数的拟合度较高、残差较小时,采用RF+OK方法可显著提高模型预测精度。

松嫩典型黑土区耕地黑土层厚度数字制图方法比较

黑土层厚度与农田土壤肥力和质量密切相关,准确刻画东北松嫩典型黑土区耕地黑土层厚度的空间分布对黑土地保护和农业可持续发展具有重要意义。然而,常用的预测模型在平原漫岗地区进行数字制图具有较大的难度,如何准确预测黑土层厚度的空间分布特征是亟待解决的问题。选取东北地区松嫩典型黑土区作为研究区,以研究区内106个剖面点和45个环境因子为基础数据,通过因子重要性排序和相关性剔除法筛选变量,利用多元线性回归(Multiple Linear Regression,MLR)、随机森林(Random Forest,RF)、梯度提升树(Gradient Boosting Decsion Tree,GBDT)、极端梯度提升(Extreme Gradient Boosting,XGBoost)、随机森林回归克里格(Random Forest-Regression Kriging,RF-RK)和堆叠泛化模型(Stacking)对黑土层厚度进行空间预测制图,评估不同模型预测精度并研究影响黑土层厚度空间分布的最优协变量,并基于较优模型绘制东北黑土区耕地黑土层厚度分级图。结果表明:①Stacking组合多种模型的优点,预测性能表现最佳(R^(2)=0.47,MAE=21.02 cm,RMSE=27.12 cm),其次是RF-RK和RF;②通过变量筛选剔除低贡献度的环境变量后,不同模型的R^(2)平均提高0.11,其中MLR提升幅度最大为0.32;③不同模型预测的松嫩典型黑土区黑土层厚度空间分布趋势基本一致,60 cm以上的黑土层主要分布在研究区的东北部和东南部,而30 cm以下的黑土层主要分布在研究区的西南部。在平原漫岗地区,RF-RK和Stacking可以作为黑土层厚度预测的有效方法,总初级生产力(GPP)、坡度坡长因子(LS)和地表温度最大值合成(LSTm)是模型中最重要的解释变量,且黑土层厚度的空间分布信息能为黑土区耕地黑土保护和农业可持续发展提供数据支持。

内蒙古某金属冶炼厂周边农田土壤重金属空间分布预测方法研究

目的为准确预测农田土壤重金属含量的空间分布特征,探讨不同预测方法的适用性及不确定性,建立适用于农田土壤重金属空间预测的最优模型。方法以内蒙古西部河套地区某金属冶炼厂周边农田0~20 cm土壤为研究对象,采用普通克里格(OK)、随机森林(RF)和普通克里格+随机森林(RFRK)等预测方法,选取土壤理化性质、地形、气候、人为活动等环境变量为建模协变量,构建农田土壤重金属空间预测的适宜模型,揭示砷(As)、铅(Pb)、铬(Cr)、镉(Cd)等重金属含量的空间分布特征,并探讨不同建模方法的空间预测精度差异。结果①土壤Cr、Pb和Cd平均值分别为河套地区土壤背景值的3.5、0.66和0.23倍,该地区农田土壤重金属具有一定程度的富集现象,但并未达到国家农用地土壤风险筛选值,研究区北部、中部以及冶炼厂厂区土壤重金属含量高于区内其它部位。②OK、RF和RFRK三模型的土壤As、Pb、Cr、Cd含量预测精度依次为RFRK>RF>OK,即RFRK模型的预测值平均绝对误差(MAE)、均方根误差(RMSE)最小,交叉验证R2值均在0.8以上,实测值和预测值之间相关性最强。结论普通克里格+随机森林模型可作为土壤重金属含量空间预测的有效方法,优先应用于区域农田土壤污染调查、评估和防治方面的相关工作中。

自然和人为因素对耕地土壤有机质含量影响的研究

【目的】以江西省泰和县为研究区域,揭示县域尺度耕地土壤有机质(SOM)的空间分布规律。【方法】设计覆盖整个泰和县耕地的采样网络,采集361个表层(0~20 cm)土壤样品。使用普通克里格插值法探究研究区耕地土壤有机质含量的空间分布特征,利用随机森林模型结合经典统计方法探究泰和县耕地土壤有机质空间分异的主要影响因素。【结果】研究区耕地土壤有机质含量均值为31.05 g kg^(-1),处于较丰富水平,表明泰和县耕地土壤肥力水平较好。泰和县耕地土壤有机质具有中等程度的空间自相关性,具有中部低、东西高的空间分布特征。秸秆还田和海拔是耕地土壤有机质含量的主要影响因子,解释率为56.37%和18.73%。土壤pH、成土母质、施肥量和灌溉能力对土壤有机质含量也具有显著影响,解释率分别为9.66%、9.47%、6.76%和5.45%。【结论】采取秸秆还田、合理施用石灰和完善排水设施等田间管理措施可以有效提高耕地土壤有机质含量,改善土壤保肥固碳能力,对促进农业可持续发展,助力实施国家“碳达峰”和“碳中和”战略具有重要价值和意义。

宁夏中宁枸杞林地粉壤土阳离子交换量空间分布预测方法对比

土壤阳离子交换量(CEC)是土壤施肥、改良的主要依据和土壤质量的评价指标,研究土壤CEC的空间分布及模型预测可为土壤养分监测、管理及精准农业实施提供科学依据。本研究以中宁枸杞林地粉壤土为对象,在自相关、交互相关等分析基础上,采用协同克里格(CoKriging)、普通最小二乘法(OLS)、地理加权回归(GWR)和随机森林(RF)模型对土壤CEC进行回归分析,比较了制图效果及模型预测精度。结果表明:中宁枸杞林地粉壤土CEC平均值为13.12 cmol·kg^-1,属中等肥力;土壤CEC的空间分布具有自相关性,并与土壤pH、有机质、黏粒和电导率在不同滞后距离上存在不同的空间相互关系;RF模型预测图避免了CoKriging、OLS和GWR模型预测图中土壤CEC图斑边界两侧破碎程度大、突变明显的缺陷,使土壤CEC在空间变化上表现为自然、平缓的过渡;RF模型RMSE值分别比CoKriging、OLS和GWR模型减少33.82%、20.55%和19.81%,R^2分别提高8.84%、51.92%和7.69%。RF模型考虑了样点空间位置,明显提高了插值精度且制图效果更加平缓。