基于Landsat 8和机器学习的塔城地区草地地上生物量估测模型

来源：湖北农业科学杂志2024年第8期北京时间：

作者：杨延晓1a, 曹姗姗2, 李全胜1a, 张鲜花1b, 孙伟2

单位：1.新疆农业大学,a.计算机与信息工程学院;b.草业学院,乌鲁木齐 830052; 2.中国农业科学院农业信息研究所,北京 100081

摘要：以新疆塔城地区为研究区,利用植被指数、气象数据、地形数据作为自变量,结合研究区样地实测生物量数据,分析并比较K近邻回归（KNN）、多元线性回归（MLR）、梯度提升决策树（GBDT）和随机森林回归（RF）和极端梯度提升（XGBoost）5种机器学习模型,进而分析并比较采用投票回归器（Voting regressor）和堆叠（Stacking）方法构建的2种集成学习模型的估测精度。结果表明,基于Stacking集成学习模型性能最优,R2达0.764,RMSE和MAE分别为23.29 g/m2和16.8 g/m2,进而利用最优模型进行草地地上生物量（Above ground biomass, AGB）反演制图。

关键词：草地地上生物量,Landsat8,遥感影像,机器学习,估测模型,新疆塔城地区

基金资助：国家自然科学基金项目（32271880; 31860180）; 新疆农业大学2023年度研究生科研创新项目（XJAUGRI2023030）