收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

森林地上生物量的非参数化遥感估测方法优化

郭颖  
【摘要】:近年来,综合使用多源遥感数据的森林地上生物量(Forest Above Ground Biomass,FAGB)估测技术已逐渐成为遥感领域的研究热点。由于传统的参数化估计方法不能有效地描述FAGB与多源遥感数据间的非线性关系,所以出现了一些将非参数化方法,如K最近邻(K Nearest Neighbours,KNN)、神经网络(NN)算法等,用于森林AGB多源遥感估测的研究。支持向量机(Support Vector Machine,SVM)也是一种非常有前景的非参数化方法,它基于统计学习理论,可以较好地解决小样本、非线性、过学习、高维度、局部极小点等实际问题。自提出以来,因其独特的优势,使其在众多领域中得到了广泛的研究与应用,然而利用SVM进行森林AGB遥感估测的相关报道还很少,并且也只有少数研究开展了旨在提高估测精度和稳键性的非参数化优化算法。 本文全面分析评述了森林AGB遥感估测的主要方法,重点总结了KNN、SVM等非参数化估测方法用于遥感生物物理参数反演方面的研究现状。在对已有的一些非参数化估测方法进行系统深入研究及优化的基础上,确定了NN、KNN用于森林AGB估测的优化方法,并建立了优化的基于SVM的森林AGB遥感估测技术流程,提出了一种将随机特征选择技术与SVM相结合的组合算法。主要研究内容及成果如下: (1)基于SPOT5影像,LiDAR归一化点云统计变量以及相关的一些遥感因子,如纹理、植被指数等,设计了单隐层的错误反向传播NN模型(Back Propagation Neural Network,BPNN)及三层径向基NN模型(Radial Basis Function Neural Network,RBFNN),并利用随机森林(Random Forest,RF)算法进行特征选择。结果表明,特征选择可以提高NN算法的估测效果,RBFNN在估测精度、稳定性上均优于BPNN。 (2)基于KNN采用多源遥感数据,包括光学SPOT影像光谱值、相关遥感因子,如纹理、植被指数等及LiDAR归一化点云统计变量进行森林AGB估测,为了与其他研究的非参数化模型进行比较,同样采用RF特征选择对基于KNN的估测方法进行优化,并对KNN算法的众多参数进行优选。结果表明,优化后的KNN算法可以用于森林AGB估测,并且在处理错误样本时具有良好的容错能力。 (3)改进了SVM用于森林AGB遥感估测应用中的一些缺陷,建立了SVM在森林AGB遥感估测应用中的技术流程,包括特征选择、最优参数确定、核函数的自动寻优等。在特征选择部分采用了RF算法。结果表明,基于RF算法进行特征选择的估测效果优于F-score的估测效果。在核函数寻优部分,利用留一法,根据均方根误差最小原则选择最优核函数,并依此建立了从5种常用核函数中自动寻优的算法与程序,解决了常规SVM估测方法依赖经验选择核函数的局限性。 (4)提出了将SVM和随机特征选取技术相结合的森林AGB组合估测模型。该模型在随机森林特征选择的基础上,利用随机特征选取技术生成一组特征子集,然后基于这组特征子集构建一组SVM,并对每个SVM子模型都进行参数的最优化选择及核函数的自动寻优等处理步骤,最后采用三种不同的方法将每个SVM子模型的估测值进行结合,分别为平均法、加权平均法以及选择法。与现有主流的非参数化方法的估测效果进行了比较,结果表明:由于组合模型在计算过程中会根据不同的样本选择其对应的最优拟合超平面,在某种程度上具有自适应性,整体的估测效果均要优于单一SVM及其他非参数化方法。 本文研究工作的创新点如下: (1)建立并实现了基于SVM的森林AGB遥感估测应用技术流程。发展了基于SVM与随机特征选择相结合的森林AGB遥感估测模型。该模型在处理森林AGB遥感估测问题时,无论从预测精度还是稳定性均优于参比模型。 (2)实现了基于KNN的森林AGB遥感估测方法的优化。在对KNN算法的参数如K值、距离计算方法及权重计算方法进行优选的基础上,通过结合RF特征选择方法,使估测精度得到提高。 (3)将基于RF算法的特征选择方法应用于非线性估测模块中,与传统的F-score算法进行了比较,证实了该方法的有效性,为非线性估测模型的优化提供了一种通用方法。


知网文化
【相似文献】
中国重要会议论文全文数据库 前10条
1 钱伟民;王娟;;线性混合效应模型中随机效应密度的非参数估计[A];2003中国现场统计研究会第十一届学术年会论文集(上)[C];2003年
2 宋晓宇;孙业挺;孙焕良;;基于双层网格索引的移动对象KNN查询算法[A];第二十三届中国数据库学术会议论文集(研究报告篇)[C];2006年
3 殷晓岚;丁治明;李京;;移动对象在空间网络数据库上的kNN查询[A];第二十四届中国数据库学术会议论文集(研究报告篇)[C];2007年
4 魏萌芽;李翠平;陈红;;一种基于kNN的控制关系分析方法[A];第二十四届中国数据库学术会议论文集(研究报告篇)[C];2007年
5 王英华;柴根象;;小波密度估计的相合条件[A];中国现场统计研究会第九届学术年会论文集[C];1999年
6 李斌阳;赵志滨;于戈;姚兰;杨晓春;刘阳;;一种基于过滤器的无线传感器网络近似kNN查询优化算法[A];第二十四届中国数据库学术会议论文集(研究报告篇)[C];2007年
7 刘玲;王冠;;可视化技术在分类算法中的应用研究[A];第四届中国智能计算大会论文集[C];2010年
8 姚海祥;;基于非参数估计方法和CARA效用函数的投资组合选择[A];第十三届中国管理科学学术年会论文集[C];2011年
9 李正农;周军;袁文阳;宋一乐;孟吉复;;结构可靠度的非参数估计方法[A];第五届全国结构工程学术会议论文集(第一卷)[C];1996年
10 郝继功;徐志军;初瑞清;;柠檬酸法制备(K_(1/2)Na_(1/2))NbO_3无铅压电陶瓷及其性能研究[A];第六届中国功能材料及其应用学术会议论文集(2)[C];2007年
中国博士学位论文全文数据库 前10条
1 郭颖;森林地上生物量的非参数化遥感估测方法优化[D];中国林业科学研究院;2011年
2 江民红;KNN基无铅压电陶瓷的改性与机理研究[D];中南大学;2010年
3 吴小霞;多重检验中FDR方法及其参数估计问题的研究[D];武汉大学;2010年
4 李朝奎;非线性模型空间测量数据处理理论及其应用[D];中南大学;2001年
5 张松林;非线性半参数模型最小二乘估计理论及应用研究[D];武汉大学;2003年
6 王建国;审查回归(Censored Regression)模型的参数、半参数和非参数估计及一致性模型设定检验[D];中国社会科学院研究生院;2011年
7 许业友;外汇期权定价的非参数几何Lévy模型与对冲策略研究[D];华南理工大学;2011年
8 吕宁;PMN和KNN铁电材料的电子显微学及第一性原理研究[D];清华大学;2010年
9 陈萍;随机波动率模型的统计推断及其衍生证券的定价[D];南京理工大学;2004年
10 钱晓东;基于神经网络等技术的数据与文本聚分类研究[D];天津大学;2005年
中国硕士学位论文全文数据库 前10条
1 张彦书;面板数据的非参数估计及应用[D];华中科技大学;2010年
2 陈文勇;函数型众数非参数估计问题研究[D];合肥工业大学;2011年
3 杜尔斌;基于改进KNN的文本分类算法的设计与实现[D];上海交通大学;2010年
4 郝继功;KNN基无铅压电陶瓷的制备及其性能研究[D];聊城大学;2010年
5 刘慧;基于KNN的中文文本分类算法研究[D];西南交通大学;2010年
6 黄樑昌;kNN填充算法的分析和改进研究[D];广西师范大学;2010年
7 杨营辉;基于密度的样本裁剪算法的改进及在kNN中的应用研究[D];重庆大学;2010年
8 童先群;基于属性值信息熵的KNN算法改进研究[D];漳州师范学院;2010年
9 闫晨;KNN文本分类研究[D];燕山大学;2010年
10 夏青松;基于改进哈希算法的快速KNN文本分类方法[D];安徽大学;2012年
中国重要报纸全文数据库 前1条
1 葛新权 北京信息科技大学经济管理学院;实验经济学需要与其他经济理论相结合[N];中国社会科学报;2010年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978