全 文 ：第 wv卷 第 tu期
u s s z年 tu 月
林 业 科 学
≥≤Œ∞‘׌„ ≥Œ∂ „∞ ≥Œ‘Œ≤„∞
∂²¯1wv o‘²1tu
⁄¨ ¦qou s s z
变量筛选方法对郁闭度遥感估测模型的影响比较 3
琚存勇 邸雪颖 蔡体久
k东北林业大学林学院 哈尔滨 txsswsl
摘 要 } 比较基于偏最小二乘回归的 …²²·¶·µ¤³方法与传统的平均残差平方和k• ≥θl准则所选变量建立模型的精
度差别 ∀结果表明 }…²²·¶·µ¤³方法是一种更优秀的变量筛选方法 o比 • ≥θ 方法精度提高约 x h ~而且它不受变量多
带来的运算困难的限制 o更便于实际应用 ∀
关键词 } 郁闭度估测模型 ~遥感 ~ • ≥θ 准则 ~…²²·¶·µ¤³方法 ~偏最小二乘回归
中图分类号 }≥zt{1wx 文献标识码 }„ 文章编号 }tsst p zw{{kusszltu p ssvv p sy
收稿日期 }ussz p sw p tu ∀
基金项目 }国家自然科学基金资助项目kvswztwuwl ∀
3 蔡体久为通讯作者 ∀
Χοµ παρινγ Ιµ παχτ οφ Τωο Σελεχτινγ ς αριαβλεσ Μετηοδσ ον Χανοπψ Χλοσυρε Εστιµατιον
∏≤∏±¼²±ª ⁄¬÷∏¨¼¬±ª ≤¤¬×¬­¬∏
k Χολλεγε οφ Φορεστρψo Νορτηεαστ Φορεστρψ Υνιϖερσιτψ Ηαρβιν txsswsl
Αβστραχτ} ≤«¤±ª¨ ³¤·¨µ±¶ ²© ¤¨¦« ¦¨²¯²ª¬¦¤¯ ©¤¦·²µo¶∏¦« ¤¶¶³¤·¬¤¯ ¤±§ ³¨µ¬²§¬¦ §¬¶·µ¬¥∏·¬²± ²© º¬±§o ¶∏± ¬¯ª«·¤±§
·¨°³¨µ¤·∏µ¨o µ¨§¬¶·µ¬¥∏·¬²± ²© ³µ¨¦¬³¬·¤·¬²±o ¤µ¨ ¦¯²¶¨ ¼¯ µ¨ ¤¯·¨ ·² ¦¤±²³¼ ¦¯²¶∏µ¨ ¬± ¶·¤±§©²µ¨¶·q ײ ³µ²³¨µ¯¼ ¶¨·¬°¤·¨ ·«¨
§¬¶·µ¬¥∏·¬²±²© ¦¤±²³¼ ¦¯²¶∏µ¨ ¬¶¤©²∏±§¤·¬²± ²© µ¨¦²ª±¬½¬±ª ¤±§ ∏·¬¯¬½¬±ª ¦¨²¯²ª¬¦¤¯ ¶¨µ√¬¦¨ ©∏±¦·¬²± ²©©²µ¨¶·q ⁄∏¨ ·² ·«¨
¦²°³¯ ¬¨¬·¼ ²©²¥­¨¦·¬√¨ º²µ¯§¤±§∏±¦¨µ·¤¬±·¼ ²©µ¨°²·¨ ¶¨±¶¬±ª§¤·¤oº¨ §²±. ·¤¯º¤¼¶©¬±§²∏··«¨ √¤µ¬¤¥¯ ¶¨·«¤·¶¬ª±¬©¬¦¤±·¯¼
¬°³¤¦··«¨ ¶¨·¬°¤·¬²±²©¦¤±²³¼ ¦¯²¶∏µ¨ ¥∏·¬±·¨µ°²©¦²°°²±¶¨±¶¨ ¶¨¯¨ ¦·¶∏©©¬¦¬¨±·√¤µ¬¤¥¯ ¶¨·²¤±¤¯¼½¨ qŒ±·«¬¶³¤³¨µo…²²·¶·µ¤³
¤³³µ²¤¦«¥¤¶¨§²± ³¤µ·¬¤¯ ¯¨ ¤¶·¶´∏¤µ¨¶µ¨ªµ¨¶¶¬²± ¤±§ • ≥θ ³µ¬±¦¬³¯¨¥¤¶¨§²± ¯¨ ¤¶·¶´∏¤µ¨¶ ¶¨·¬°¤·¨ º¨ µ¨ ∏¶¨§·²©¬±§²∏·
²³·¬°¤¯ √¤µ¬¤¥¯ ¶¨·²¦²±¶·µ∏¦··«¨ ¶¨·¬°¤·¬²± °²§¨¯²©¦¤±²³¼ ¦¯²¶∏µ¨ q׫¨ µ¨¶∏¯·¶¶«²º¨ §∏¶¬±ª·«¨ …²²·¶·µ¤³¤³³µ²¤¦«¤·µ¬¥∏·¨§
·²¬°³µ²√¨ ·«¨ ¶¨·¬°¤·¬²± ³µ¨¦¬¶¬²± ²©µ¨ªµ¨¶¶¬²± °²§¨ ¶¯q„§§¬·¬²±¤¯ ¼¯ o§¨¶³¬·¨ ²© °²µ¨ √¤µ¬¤¥¯ ¶¨o·«¨ …²²·¶·µ¤³¤³³µ²¤¦«º²µ®¨ §
²± º¨ ¯¯ º«¬¯¨ ·«¨ • ≥θ ¦¤µµ¬¨§²∏·¶¯²º¯ ¼q
Κεψ ωορδσ} ¦¤±²³¼ ¦¯²¶∏µ¨ ¶¨·¬°¤·¬²± °²§¨ ¶¯~µ¨°²·¨ ¶¨±¶¬±ª~ • ≥θ ³µ¬±¦¬³¯¨~ …²²·¶·µ¤³¤³³µ²¤¦«~³¤µ·¬¤¯ ¯¨ ¤¶·¶´∏¤µ¨
µ¨ªµ¨¶¶¬²± °¨ ·«²§
郁闭度是决定林分结构的重要因子之一 o它可以用来表征光 !水等生态因子通过林冠进入林内的再分布
状况 ∀精确确定林分内的郁闭状况 o无论在森林经营与管理还是在森林生态精细研究中 o都显得十分重要
k朱教君等 oussx ~陈宏伟等 ousszl ∀近 us ∗ vs年来遥感应用技术的迅速发展 o为在地区或国家尺度上精确
估测森林郁闭度提供了前所未有的契机 ∀一些学者尝试利用遥感定量因子与森林资源调查定性因子建模估
测郁闭度 o并利用平均残差平方和准则筛选出对郁闭度估测有强影响的因子k赵宪文等 ousst¤~usst¥~李崇
贵等 oussxl o为生产应用提供了理论支持 ∀然而 o基于最小二乘估计的平均残差平方和准则是对观测阵的方
阵进行处理 o当变量间存在复共线性时 o观测阵的方阵退化成病态 o所得的解并不稳定k方开泰等 ot|{{l o影
响郁闭度估测的精度 ∀本文基于遥感和森林资源清查数据 o比较了基于偏最小二乘回归的 …²²·¶·µ¤³方法和
基于最小二乘估计的平均残差平方和准则筛选变量对森林郁闭度估测精度的影响 o认为基于偏最小二乘回
归的 …²²·¶·µ¤³方法更合理更精确 ∀
t 材料与方法
111 数据与预处理
试验数据为云南思茅地区 tu|个国家森林一类清查固定样地调查数据和对应的遥感影像数据 ∀共设置
tz个自变量 }ΤΜt oΤΜu oΤΜv oΤΜw oΤΜx oΤΜz oΤΜw p vw n v oΤΜw n x n vt n u n z oΤΜw n x p uw n x n u oΤΜw ≅ vz oΤΜzv oΤΜwu oΤΜt p zw o高程
k Εl o有林地k Φl o阴坡kΣ±l o阳坡k Σ¶l ∀后 v个为定性数据数量化值 o只含 s和 t两个数值 ∀所有数据均进
行中心标准化 o使每个变量样本均值为 s o方差为 t o以消除量纲的不同带来的影响 ∀用 {s个样地数据选择
变量和训练模型 ow|个样地检验模型精度 ∀具体哪些样地参与建模 o采用交叉有效性k¦µ²¶¶2√¤¯¬§¤·¬²±lk• ¨¨¶¨
ετ αλqoussu ~王惠文等 oussy ~≤¤¶¨¯¯¤ ετ αλqoussyl确定 o以检验样本拟合精度最好为准 ∀
112 偏最小二乘回归方法
用偏最小二乘方法对所选择变量进行回归分析 ∀偏最小二乘回归方法是伍德k • ²¯§l和阿巴诺k„¯ ¥¤±²l
于 t|{v年提出的一种新型的多元统计分析方法 ∀它集多元线性回归分析 !主成分分析和典型相关分析的基
本功能为一体 o可以较好地解决以往用普通多元线性回归分析方法无法解决的问题k‹¤±¶¨± ετ αλqoussv ~
‘•¶¶¨·ετ αλqoussx ~≥¦«¬°¤±± ετ αλqousszl ∀特别当自变量集合内部存在较高程度的相关性时 o其结论比普通
多元回归更加可靠 o整体性强 o因此在许多领域的回归建模中得到应用k王惠文等 oussy ~‘ª∏¼¨ ± ετ αλqoussy ~
≥¦«¬°¤±± ετ αλqousszl o具体运算方法参阅王惠文等kussyl !陈楚等kusswl的文献 ∀
113 Βοοτστραπ方法
…²²·¶·µ¤³方法是美国斯坦福大学统计系教授 ∞©µ²±于 t|z|年前后提出的一种再抽样方法 o也称自助法 o
目前已在许多研究领域得到广泛应用 k王惠文等 oussy ~≤¤¶¨¯¯¤ ετ αλqoussyl ∀设标准化的原始样本集为 Σ
≈ ν ≅ kπ n tl  o其中自变量观测矩阵为 Ξν ≅ π € kξιt oξιu o, oξιπl o因变量观测矩阵为 Ψν ≅ t € kψιlkι € t ou o, o
νl ∀通过偏最小二乘回归模型 o利用 …²²·¶·µ¤³方法筛选变量的方法k以下称 …²²·¶·µ¤³方法l如下 }
tl 由原始数据建立偏最小二乘回归模型
⊥ψ € ⊥Βt ξt n ⊥Βu ξu n , n ⊥Βπξπ ∀
拟检验的 Ηs 假设为
Ηs Β Βϕ € s o Ηt Β Βϕ Ξ s o其中 ϕ € t ou o, oπ ∀
ul在 Σ中随机抽取一个样本点kψktlι oξktlιt oξktlιu o, oξktlιπ l o记其数值后再放回 Σ o然后再抽取第二个 o记其
数值后再放回 ∀这样重复 νΒ 次 o得到一个 …²²·¶·µ¤³样本
Σktl € ¾ψktlι oξktlιt oξktlιu o, oξktlιπ À o其中 ι € t ou o, oνΒ ∀
本文 νΒ 等于 ν o当建模样地个数较多时 o可以适当减小其数值 ∀
vl 以 …²²·¶·µ¤³样本作偏最小二乘回归 o得到模型
⊥ψ € ⊥Βktlt ξt n ⊥Βktlu ξu n , n ⊥Βktlπ ξπ ∀
wl 重复步骤kul和kvl共 Β次 o得到 Β组偏最小二乘回归系数
¾Βkβlt oΒkβlu o, oΒkβlπ À o其中 β € t ou o, oΒ∀
一般而言 o随着 Β的增大 o估计的精度也会相应提高 o本文在 Β大于 t sss时 o虽然求得的系数临界值有
微小差异 o但所选变量不再发生变化 ∀
xl 记
cΒkβlϕ € ¿Βkβlϕ p ⊥Βϕ¿o其中 β € t ou o, Β ~ϕ € t ou o,π ∀
设检验水平为 Αo将 cΒkβlϕ 排序后取位于 Β ≅ kt p Αl处的值 ΒΑkϕl作为拒绝域的临界值 ∀
yl 判别准则为 }如果¿⊥Βϕ¿ ΒΑkϕl o则拒绝 Ηs 假设 oΒϕ显著不为 s o自变量 ξϕ通过显著性检验 o予以保
留 ~否则 o不拒绝 Ηs 假设 o自变量 ξϕ未通过显著性检验 o予以舍去 ∀
将所有通过显著性检验的自变量重新与因变量建立回归方程 o重复步骤 t ∗ y o直到剩下的所有变量都
通过显著性检验 o通过检验的变量就是建立估测模型的最优变量 ∀
114 平均残差平方和准则
基于最小二乘估计的平均残差平方和kµ¨¶¬§∏¤¯ °¨ ¤± ¶´∏¤µ¨ o• ≥l准则k以下称 • ≥θ 准则l选择变量 o是
用自变量所有可能子集建立回归方程k共 uπ p t个 oπ为变量个数l o使回归方程平均残差平方和最小的变量
子集就是最佳子集 ∀包含 θ个变量的平均残差平方和表达式为k方开泰等 ot|{{ ~李崇贵等 oussxl }
• ≥θ € ≈ ΨχkΙ p Ξθk Ξχθ Ξθlpt ΞχθlΨ Πk ν p θl ∀
115 精度评价指标
用检验样本进行精度评价 o评价采用 u个指标 }误差均方和kµ²²·°¨ ¤± ¶´∏¤µ¨ µ¨µ²µo• ≥∞lk• ¨¨¶¨ ετ αλqo
wv 林 业 科 学 wv卷
ussu ~≥¦∏¯¯ ετ αλqoussxl和总预报偏差的相对误差kµ¨ ¤¯·¬√¨ µ¨µ²µo• ∞lk赵宪文等 ousst¤~李崇贵等 oussxl o其表
达式分别为 }
• ≥∞ € tν Ε
ν
ι € t
kψι p ⊥ψιlu ~ • ∞ €
Ε
ν
ι € t
ψι p Ε
ν
ι € t
⊥ψι
Ε
ν
ι € t
ψι
≅ tss h ∀
其中 }ν为检验样本个数 oψι 为郁闭度实测值 o⊥ψι 为模型预测值 ∀u个指标数值越小代表精度越高 ∀
图 t • ≥θ 准则筛选遥感最优因子时 • ≥θ 的变化
ƒ¬ªqt ≤«¤±ª¨ ²© • ≥θ §∏µ¬±ª¶¨¯¨ ¦·¬±ª²³·¬°¤¯ √¤µ¬¤¥¯ ¶¨¥¼ • ≥θ ³µ¬±¦¬³¯¨
u 结果与分析
211 遥感因子的筛选与郁闭度回归模型精度比较
仅利用 tv个遥感因子建模分析 ∀方案一 }按指标 • ≥∞进行交叉有效性检验确定最优建模样地 ∀根据
…²²·¶·µ¤³方法有 w个变量通不过显著性检验 o分别为 ΤΜw o ΤΜw n x n vt n u n z oΤΜw n x p uw n x n u oΤΜt p zw o通过检验的 |个变量所
构造的郁闭度估测模型的回归系数k对应未标准化的原始变量 o下同l为 }ΒΒp • ≥∞ € ¾s1wt{ s op s1ssu u op
s1ssv u op s1ssu y op s1sss z op s1sst { os1t{w x os1sst y op s1syv | os1svs xÀ o其中第一项为常数项k下同l ∀
用相同的样地根据 • ≥θ 准则筛选变量 o当变量子集中自变量个数为 z时 o• ≥θ 达到最小k图 t„l o对应的变
量是 ΤΜu oΤΜw oΤΜx oΤΜz oΤΜw n x n vt n u n z oΤΜzv oΤΜt p zw o跟 …²²·¶·µ¤³方法选择的变量仅有 w个相同 o这 z个变量所
建立的郁闭度估测模型的回归系数为 }ΒΡ p • ≥∞ € ¾s1xys | op s1ssy z os1sst y op s1sst x op s1ssv { os1xsw x o
p s1tvx w op s1stt sÀ ∀
方案二 }按指标 • ∞进行交叉有效性检验确定最优建模样地 ∀根据 …²²·¶·µ¤³方法所选择的建模变量与
方案一的相同 o只是方程的回归系数略有差异 }ΒΒp • ∞ € ¾s1v{x | op s1ssu { op s1ssw v op s1ssv x op s1sss { o
p s1ssu t os1uwt x os1ssu w op s1szw w os1svz tÀ ~而根据 • ≥θ 准则选择的变量差别较大 o只有 x个变量入选
k图 t…l o分别为 ΤΜt oΤΜw p vw n v oΤΜw n x n vt n u n z oΤΜw n x p uw n x n u oΤΜw ≅ vz o且与方案一只有 t个变量相同 o用这 x个变量建立郁
闭度估测模型的回归系数为 }ΒΡ p • ∞ € ¾p s1suy s op s1ssy x os1xyx v os1suw s os1s|s z os1ssx zÀ ∀
分别用 w个回归方程对 w|个检验样地进行郁闭度估测预报 o误差情况见表 t !图 u ∀结果表明 }在 u个方
案中 o所筛选出来的最优变量不尽相同 o但 …²²·¶·µ¤³方法比 • ≥θ 方法都得到了更小的 • ≥∞o前者比后者精
度平均提高 v1u h ∀方案二中 o用 • ≥θ 方法虽然比 …²²·¶·µ¤³方法得到的 • ∞要小一些 o但检验样地郁闭度预
报偏差正负极值都比后者要大 o预报误差不够稳定 ∀方案二得到的郁闭度预报偏差最大值比方案一得到的
结果要大得多 o说明像素水平估测精度方案一优于方案二 ∀
212 加入定性因子后的变量选择与郁闭度回归模型精度比较
利用所有 tz个变量进行建模分析 ∀根据方案一用 …²²·¶·µ¤³方法筛选出 y 个变量 }ΤΜt oΤΜu oΤΜz o
xv 第 tu期 琚存勇等 }变量筛选方法对郁闭度遥感估测模型的影响比较
表 1 2 种变量选择方法对回归模型预报精度的影响比较
Ταβ . 1 Πρεδιχτιον πρεχισιον χοµ παρισον οφ ρεγρεσσιον µ οδελσ βετωεεν τωο µετηοδσ
筛选最优建模样地方案
≥¦«¨ °¨²©¶¨¯¨ ¦·¬±ª²³·¬°¤¯
·µ¤¬±¬±ª¶¤°³¯¨
…²²·¶·µ¤³ • ≥θ
回归模型
• ª¨µ¨¶¶¬²± °²§¨¯ • ≥∞ • ∞Πh
回归模型
• ª¨µ¨¶¶¬²± °²§¨¯ • ≥∞ • ∞Πh
方案一 ≥¦«¨ °¨ t Ψ€ ΒΒp • ≥∞ Ξ s1uxv v ty1yy Ψ€ ΒΡ p • ≥∞ Ξ s1uyv v t{1vu
方案二 ≥¦«¨ °¨ u Ψ€ ΒΒp • ∞ Ξ s1u|z z s1zw Ψ€ ΒΡ p • ∞ Ξ s1vsy s s1vy
图 u 方案一 !二的郁闭度估测偏差比较
ƒ¬ªqu °µ¨§¬¦·¬²± µ¨µ²µ¦²°³¤µ¬¶²± ²©¦¤±²³¼ ¦¯²¶∏µ¨ ¬± ¶¦«¨ °¨ t ou
ΤΜw p vw n v oΦoΣ± ∀用这 y个变量建立的郁闭度估测模型的回归系数为 }ΒΒp • ≥∞u € ¾p s1vyw | os1ssv | os1ssw t o
p s1ssu t os1vyu s os1xts w os1s|| tÀ ~用相同训练样地根据 • ≥θ 准则筛选变量的结果k图 v„l为 }ΤΜt o
ΤΜx oΤΜz oΤΜw p vw n v oΦoΣ¶ o与 …²²·¶·µ¤³方法相比 o只有 u个入选变量不同 ∀这 y个变量对应的郁闭度估测模型
的回归系数为 }ΒΡ p • ≥∞u € ¾p s1vuw v os1ssw { op s1sss v op s1sst v os1wu{ { os1xvs y os1stx sÀ ∀
根据方案二用 …²²·¶·µ¤³方法选出的最优变量为 }ΤΜt oΤΜu oΤΜx oΤΜw p vw n v oΤΜw n x n vt n u n z oΤΜzv oΕ oΦo与方案一
的共同变量有 w个k图 v…l o这 {个变量对应的郁闭度估测模型的回归系数是 }ΒΒp • ∞u € ¾p s1uus w os1ssy u o
s1ssx s op s1sst s os1uxt | op s1tst v op s1tu| z os1sss sw os1xuv |À ~根据 • ≥θ 准则筛选出的估测郁闭度的
最优变量是 }ΤΜu oΤΜw p vw n v oΤΜw ≅ vz oΤΜzv oΦoΣ¶ o对应的郁闭度估测模型的回归系数是 }ΒΡ p • ∞u € ¾s1ts| z o
s1ssu y os1tw{ x op s1sss { os1tzt x os1xz{ | op s1szz tÀ ∀
用 w个回归方程估测郁闭度 o预报偏差情况基本一致 o{x h以上的偏差绝对值都小于 s1u o更有 ys h的
样地偏差绝对值小于 s1t o说明属性因子的加入 o特别是有林地这一因子 o显著提高了郁闭度的估测精度k图
w o表 ul ∀同 • ≥θ 方法相比 o用 …²²·¶·µ¤³方法选择变量建立模型 o模型预报精度大有提高 o• ≥∞指标提高了
t1x| h ∗ x1sy h o而 • ∞指标更是提高了 t倍多k表 ul ∀
yv 林 业 科 学 wv卷
图 v • ≥θ 准则从所有变量筛选最优变量时 • ≥θ 的变化
ƒ¬ªqv ≤«¤±ª¨ ²© • ≥θ §∏µ¬±ª¶¨¯¨ ¦·¬±ª²³·¬°¤¯ √¤µ¬¤¥¯ ¶¨©µ²° º«²¯¨√¤µ¬¤¥¯¨¦²¯¯¨ ¦·¬²± ¶¨·¥¼ • ≥θ ³µ¬±¦¬³¯¨
图 w 属性因子加入后方案一 !二郁闭度估测偏差比较
ƒ¬ªqw °µ¨§¬¦·¬²± µ¨µ²µ¦²°³¤µ¬¶²± ²©¦¤±²³¼ ¦¯²¶∏µ¨ ¬± ¶¦«¨ °¨t ou º«¬¯¨ ¬±·µ²§∏¦¬±ª ∏´¤¯¬·¤·¬√¨ √¤µ¬¤¥¯ ¶¨
表 2 属性因子加入后 2 种变量选择方法对回归模型预报精度的影响比较
Ταβ . 2 Πρεδιχτιον πρεχισιον χοµ παρισον οφ ρεγρεσσιον µ οδελσ βετωεεν τωο µετηοδσ αφτερ ιντροδυχινγ θυαλιτατιϖε ϖαριαβλεσ
筛选最优建模样地方案
≥¦«¨ °¨ ²©¶¨¯¨ ¦·¬±ª²³·¬°¤¯
·µ¤¬±¬±ª¶¤°³¯¨
…²²·¶·µ¤³ • ≥θ
回归模型
• ª¨µ¨¶¶¬²± °²§¨¯ • ≥∞ • ∞Πh
回归模型
• ª¨µ¨¶¶¬²± °²§¨¯ • ≥∞ • ∞Πh
方案一 ≥¦«¨ °¨t Ψ€ ΒΒp • ≥∞u Ξ s1ttu | y1s{ Ψ€ ΒΡ p • ≥∞u Ξ s1tt{ w tu1|y
方案二 ≥¦«¨ °¨u Ψ€ ΒΒp • ∞u Ξ s1tuv x t1t{ Ψ€ ΒΡ p • ∞u Ξ s1tux x v1zt
zv 第 tu期 琚存勇等 }变量筛选方法对郁闭度遥感估测模型的影响比较
v 结论与讨论
遥感数据能提供动态的 !综合的植被覆盖信息 o它与系统的全国森林资源清查数据相结合丰富了森林资
源经营管理的手段 o并极大提高了工作效率k赵宪文等 ousst¤~usst¥l ∀郁闭度建模估测是森林资源遥感估
测研究的一项重要内容 o由于遥感数据的复杂性 o并不能确知哪些变量对郁闭度估测会产生重要影响 o而构
造过多变量又不可避免带来负面影响 o不仅影响模型的稳定 o更缺乏实用性 ∀因此最优变量的筛选是准确估
测郁闭度的关键环节 ∀研究发现 o基于偏最小二乘回归的 …²²·¶·µ¤³方法是一种比目前应用较多的基于最小
二乘估计的 • ≥θ 方法更好的变量筛选方法 o用 …²²·¶·µ¤³方法所选变量建立郁闭度估测模型 o精度能提高
x h左右k• ≥∞指标l ∀
总预报偏差的相对误差容易掩盖误差起伏较大的真实情况 o据此选出的最优模型应避免在小空间尺度
上应用 o更不能用于评价像元水平的郁闭度空间分布状况 ∀这一点 o在以前的研究中重视不够 ∀而用 • ≥∞
指标评价回归模型的精度似乎更可靠一些 ∀
属性因子在模型中的引入 o极大提高了模型的预报精度 o特别是有林地这一地类因素更是起着决定性的
作用 ∀只用分布在有林地内的样地点训练并建立估测模型 o可以提高模型的预报精度 ∀另外 o在建模估测前
进行遥感图像分类k张云霞等 oussv ~刘大伟等 oussyl o把有林地单独提取出来进行估测评价 o也将是提高郁
闭度估测预报精度的一个途径 ∀
参 考 文 献
陈 楚 o关泽群 o张鹏林 o等 qussw1 利用 • ≥和 ŠŒ≥的森林蓄积量偏最小二乘估测研究 q湖北林业科技 okwl }ux p u{
陈宏伟 o殷鸣放 o刘 娜 o等 qussz1 辽东林山区林下人参生长与林内温度和光照因子关系初步研究 q西北林学院学报 ouukul }us p uv
方开泰 o金 辉 o陈庆云 qt|{{1 实用回归分析 q北京 }科学出版社
李崇贵 o赵宪文 qussx1 森林郁闭度定量估测遥感比值波段的选择 q林业科学 owtkwl }zu p zz
刘大伟 o孙国清 o庞 勇 o等 qussy1 利用 „‘⁄≥„× א 数据对森林郁闭度进行遥感分级估测 q遥感信息 oktl }wt p ww
王惠文 o吴载斌 o孟 洁 qussy1 偏最小二乘回归的线性与非线性方法 q北京 }国防工业出版社
张云霞 o李晓兵 o陈云浩 qussv1 草地植被盖度的多尺度遥感与实地测量方法综述 q地球科学进展 ot{ktl }{x p |v
赵宪文 o李崇贵 qusst¤q基于/ v≥0的森林资源定量估测 ) ) ) 原理 !方法 !应用及软件实现 q北京 }中国科学技术出版社 oxx p yw
赵宪文 o李崇贵 o斯 林 o等 qusst¥q森林资源遥感估测的重要进展 q中国工程科学 ovk{l }tx p ux
朱教君 o康宏樟 o胡理乐 qussx1 应用全天空照片估计林分透光孔隙度k郁闭度l q生态学杂志 ouwktsl }tuvw p tuws
≤¤¶¨¯¯¤ Š o …¨ µª¨µ• qussy1 ≥·¤·¬¶·¬¦¤¯ Œ±©¨µ¨±¦¨ q …¨ ¬­¬±ª}≤«¬±¤ ¤¦«¬±¨ °µ¨¶¶
‹¤±¶¨± ° o≥¦«­²¨µµ¬±ªqussv1 • ©¨¯ ¦¨·¤±¦¨ °¨ ¤¶∏µ¨° ±¨·²©¦¤±²³¼ ¥¬²°¤¶¶¤±§±¬·µ²ª¨ ±¶·¤·∏¶¬± º«¨¤·¦µ²³¶∏¶¬±ª±²µ°¤¯¬½¨ §§¬©©¨µ¨±¦¨ √¨ ª¨·¤·¬²±¬±§¬¦¨¶¤±§
³¤µ·¬¤¯ ¯¨ ¤¶·¶´∏¤µ¨¶µ¨ªµ¨¶¶¬²±q • °¨²·¨ ≥ ±¨¶¬±ª²© ∞±√¬µ²±°¨ ±·o{y }xwu p xxv
‘ª∏¼¨ ± ‹ o¨¨ …qussy1 „¶¶¨¶¶° ±¨·²©µ¬¦¨ ¯¨ ¤©ªµ²º·«¤±§±¬·µ²ª¨ ± ¶·¤·∏¶¥¼ «¼³¨µ¶³¨¦·µ¤¯ ¦¤±²³¼ µ¨©¯ ¦¨·¤±¦¨ ¤±§³¤µ·¬¤¯ ¯¨ ¤¶·¶´∏¤µ¨ µ¨ªµ¨¶¶¬²±q ∞∏µ²³¨¤±
²∏µ±¤¯ ²© „ªµ²±²°¼ouw }vw| p vxy
‘•¶¶¨·∞o…²¯ ¤¯±§¶…¶’ oŠ²¥¤®®¨ ± × qussx1 ≤²°³¤µ¬±ªµ¨ªµ¨¶¶¬²± ° ·¨«²§¶¬± ¶¨·¬°¤·¬²± ²©¥¬²³«¼¶¬¦¤¯ ³µ²³¨µ·¬¨¶²©©²µ¨¶·¶·¤±§¶©µ²°·º²§¬©©¨µ¨±·¬±√ ±¨·²µ¬¨¶
∏¶¬±ª ¤¯¶¨µ¶¦¤±±¨ µ§¤·¤q • °¨²·¨ ≥¨ ±¶¬±ª²©∞±√¬µ²±°¨ ±·o|w }xwt p xxv
• ¨¨¶¨ ‹ o‘¬¯¶¶²±  o≥¤±§¶·µ­° ° o ετ αλqussu1 „³³¯¬¦¤·¬²±¶∏¶¬±ª ¶¨·¬°¤·¨¶²©©²µ¨¶·³¤µ¤° ·¨¨µ¶§¨µ¬√¨ §©µ²° ¶¤·¨¯ ¬¯·¨ ¤±§©²µ¨¶·¬±√ ±¨·²µ¼ §¤·¤q≤²°³∏·¨µ¶¤±§
∞¯ ¦¨·µ²±¬¦¶¬± „ªµ¬¦∏¯·∏µ¨ ovz }vz p xx
≥¦«¬°¤±± ‹ o²©©µ¨ • o •²ªª¼ o ετ αλqussz1 ∞√¤¯∏¤·¬²± ²©·«¨ µ¨¦²√¨ µ¼ ²© °¬¦µ²¥¬¤¯ §∏µ¬±ª¶²¬¯ µ¨¶·²µ¤·¬²± ∏¶¬±ª ±¨ ¤µ2¬±©µ¤µ¨§¶³¨¦·µ²¶¦²³¼q „³³¯¬¨§ ≥²¬¯
∞¦²¯²ª¼ o§²¬}ts1tstyΠ­q¤³¶²¬¯qussz1sz1st
≥¦∏¯¯ ° o’®¬± Š o≤«¤§º¬¦® ’ o ετ αλqussx1 „ ¦²°³¤µ¬¶²± ²© °¨ ·«²§¶·²³µ¨§¬¦·¶²¬¯¶∏µ©¤¦¨ ·¨¬·∏µ¨ ¬± ¤± „¯ ∏¯√¬¤¯ …¤¶¬±q׫¨ °µ²©¨¶¶¬²±¤¯ Š¨ ²ªµ¤³«¨µoxz }wuv
p wvz
k责任编辑 石红青l
{v 林 业 科 学 wv卷