基于决策树集成学习的桉树蓄积预估模型研究

作者：李晓伟; 吴保国^*; 苏晓慧; 陈玉玲; 彭意钦; 于永辉; 范小虎

来源：中国农业科技导报, 2020, 22(06): 81-90.

DOI：10.13304/j.nykjdb.2019.0900

• 小班蓄积预估模型
• 集成学习
• 决策树
• XGboost

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R2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R2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。

• 单位
  北京林业大学; 广西壮族自治区国有高峰林场