應(yīng)用機(jī)器學(xué)習(xí)算法模型預(yù)測(cè)興安落葉松地上生物量1)

沐釗穎 張茲鵬 張浩 姜立春

(東北林業(yè)大學(xué),哈爾濱,150040)

森林生物量是森林生態(tài)系統(tǒng)生產(chǎn)與代謝過(guò)程中長(zhǎng)期積累的結(jié)果,也是森林生態(tài)系統(tǒng)運(yùn)作的能量基礎(chǔ)和物質(zhì)來(lái)源[1-3]。森林地上生物量作為森林生態(tài)系統(tǒng)碳循環(huán)的載體,不僅能夠反映區(qū)域群落利用自然資源的潛在能力,也是衡量群落生產(chǎn)力的重要指標(biāo)[4-6]。

目前,對(duì)于生物量測(cè)定的方法主要有直接法和間接法。直接法主要為實(shí)測(cè)法,該方法費(fèi)時(shí)、費(fèi)力,對(duì)生態(tài)環(huán)境破壞性較大;間接法主要為模型估測(cè)法,該方法省時(shí)省力,效率高[7-9]。模型法分為傳統(tǒng)參數(shù)模型和非參數(shù)模型,傳統(tǒng)參數(shù)模型主要為線性和非線性回歸模型,非參數(shù)模型主要為機(jī)器學(xué)習(xí)算法模型。目前已經(jīng)建立近2 000多個(gè)生物量模型,其中大部分為參數(shù)模型,非參數(shù)模型較少[10-11]。傳統(tǒng)參數(shù)模型有一定的局限性,在應(yīng)用時(shí)通常要滿(mǎn)足模型的基本假設(shè)(獨(dú)立性、等方差、正態(tài)分布等),而生物量數(shù)據(jù)通常難以滿(mǎn)足這些假設(shè),尤其是方差異質(zhì)性,雖然在生物量模型構(gòu)建過(guò)程中,通過(guò)異方差校正使模型滿(mǎn)足假設(shè)前提,但模型在應(yīng)用時(shí)通常還需要采用方差校正因子降低預(yù)測(cè)誤差,使生物量模型的應(yīng)用受到限制。

隨著人工智能技術(shù)的不斷發(fā)展,機(jī)器學(xué)習(xí)算法為森林生物量預(yù)測(cè)提供了新的手段。機(jī)器學(xué)習(xí)算法對(duì)輸入數(shù)據(jù)的分布形式?jīng)]有假設(shè)前提,適用性廣泛,在生物量預(yù)測(cè)領(lǐng)域受到越來(lái)越廣泛的關(guān)注[12-17]。王軼夫等[18]基于BP神經(jīng)網(wǎng)絡(luò)構(gòu)建了馬……