文献类型：期刊文章

作　　者：李晓伟[1] 吴保国[1] 苏晓慧[1] 陈玉玲[1] 彭意钦[2] 于永辉[2] 范小虎[2]

LI Xiaowei;WU Baoguo;SU Xiaohui;CHEN Yuling;PENG Yiqin;YU Yonghui;FAN Xiaohu(Forestry Information Institute,School of Information Science and Technology,Beijing Forestry University,Beijing 100083,China;Guangxi Gaofeng State Owned Forest Farm,Nanning 530000,China)

机构地区：[1]北京林业大学信息学院,林业信息化研究所,北京100083 [2]广西壮族自治区国有高峰林场,南宁530000

出　　处：《中国农业科技导报》

基　　金：国家重点研发计划专项(2017YFD0600906)。

年　　份：2020

卷　　号：22

期　　号：6

起止页码：81-90

语　　种：中文

收录情况：BDHX、BDHX2017、CAB、CAS、CSCD、CSCD_E2019_2020、JST、RCCSE、ZGKJHX、核心刊

摘　　要：林分蓄积是衡量小班林分生产力的重要指标。以广西高峰林场速生桉为研究对象,以年龄、密度两个林分因子和坡向、坡位、坡度、土壤等立地因子作为自变量,公顷蓄积作为因变量,利用非集成、集成学习方法构建9个决策树模型,选择最优决策树模型预估不同年龄的桉树蓄积。结果表明:①集成学习决策树模型精度高于非集成模型,串行集成类模型boosting精度高于并行集成类模型bagging,其中串行集成模型中XGboost模型评价指标最优,训练集R^2为0.81,RMSE为0.44;测试集RMSE为0.48,MAE为0.34。②最优模型XGboost自变量重要性占比大于1%,依次为年龄(78%)、海拔(4.9%)、土层厚度(3.8%)以及密度(3.2%),其中年龄重要性远高于其他变量,纵向海拔高度影响大于空间位置上的横向坡度,造林密度影响程度低于土壤因素。③模型结果在广西其他地区同树种泛化测试精度R^2为0.785,P值为2.2E-16,符合检验标准,说明该模型针对广西部分地区速生桉树种生产力预估结果较好,可以为林场造林收获预估提供依据。

关 键 词：小班蓄积预估模型  集成学习  决策树 XGboost  

分 类 号：S711[林学类]