基于梯度提升决策树的植被高度模型研究

作者：邓兴升^*; 王清阳

来源：长沙理工大学学报, 2023, 20(01): 65-74.

DOI：10.19951/j.cnki.1672-9331.20211130008

• 植被高度
• 梯度提升决策树
• 特征因子
• 机器学习

【目的】研究以航空摄影测量的方式建立植被高度模型。【方法】利用数字正射影像(DOM)与数字表面模型(DSM)提取光谱特征因子和几何特征因子,采用相关性指数对植被高度与特征因子进行相关性分析,筛选出特征因子。采用梯度提升决策树算法建立植被高度模型,并通过优化参数提高模型精度。【结果】在默认参数下,模型精度约为2.000 m;优化参数后,模型精度达到了0.900 m;剔除部分特征因子后,模型精度可达0.840 m;通过与支持向量机算法进行对比,植被高度模型整体精度由0.893 m提高至0.758 m,运行时间由70 min缩减至10 min。【结论】若不考虑建模原始数据的误差,采用梯度提升决策树算法建立的植被高度模型的精度为亚米级,多次试验中模型精度较为稳定。

• 单位
  长沙理工大学