利用随机森林算法预测林地定级中土壤腐殖质厚度级别

林地分等定级是一项基于多维度指标体系的全国性自然资源评估,各指标数据主要来自于“森林资源一张图”和“林草生态综合监测成果”数据集。在指标体系中,土壤腐殖质厚度为必选指标之一。然而,在数据集中常常存在缺失值,补充土壤腐殖质厚度数据需要大量的外业调查。为减少采集土壤腐殖质厚度数据的工作量,基于腐殖质厚度与已有林地及环境信息的关联性,探讨了是否能够通过预测模型可靠预测腐殖质厚度级别。研究使用“森林资源一张图”和“林草生态综合监测成果”中已有的林地及环境数据作为预测因子,包含植被覆盖类型、林地保护等级、龄组、郁闭度、生物量、自然度和枯枝落叶厚度等,构建了预测土壤腐殖质厚度级别的随机森林机器学习模型。研究结果表明:包含土壤因子,经过采样处理的随机森林机器学习模型能够可靠预测土壤腐殖质厚度级别,生产者精度均大于0.8,使用者精度均大于0.9。因此,在林地分等定级中,可通过已有数据预测和补充土壤腐殖质厚度的缺失数据,从而提高林地分等定级工作的效率。