声明
摘要
第一章绪论
1.1.1研究背景
1.1.2研究目的和意义
1.1.3项目来源与经费支持
1.2机器学习算法及其在森林生长与收获中应用现状
1.2.1机器学习算法
1.2.2机器学习算法在森林生长与收获预估中的应用研究现状
1.3存在的问题与发展趋势
1.3.1数据
1.3.2机器学习算法
1.4研究内容
1.4.1构建基于机器学习算法的全林分和各组成树种生长模型
1.4.2传统统计模型与机器学习模型预测林分生长的比较
1.4.3针阔混交林林分生长模拟
1.5技术路线
第二章研究材料与方法
2.2数据来源
2.3研究方法
2.3.1模型输入输出
2.3.2建模策略
2.3.3机器学习算法
2.3.4输入变量筛选
2.3.5模型评价
2.3.6传统统计模型与机器学习模型预测林分生长的比较
2.3.7模拟全林分和组成树种生长变化
第三章基于机器学习算法的全林分生长模型
3.1林分平均高模型
3.1.1模型调参
3.1.2模型结果比较
3.2平均胸径模型
3.3林分断面积模型
3.4林分蓄积模型
3.5林分生物量模型
3.6株数密度模型
3.7林分枯死模型
3.8林分进界模型
3.9本章小结
第四章基于机器学习算法的组成树种生长模型
4.1组成树种平均高模型
4.2组成树种平均胸径模型
4.3组成树种断面积模型
4.4组成树种蓄积模型
4.5组成树种生物量模型
4.6组成树种株数密度模型
4.7组成树种枯死模型
4.8组成树种进界模型
4.9组成树种与全林分模型预估结果的比较
4.10本章小结
第五章传统统计模型与机器学习模型预测混交林林分生长的比较
5.1平均高模型
5.1.1传统统计模型
5.1.2机器学习模型
5.1.3模型对比
5.2断面积模型
5.2.1传统统计模型
5.2.2机器学习模型
5.2.3模型对比
5.3株数密度模型
5.3.1传统统计模型
5.3.2机器学习模型
5.3.3模型对比
5.4枯死模型
5.4.1传统零膨胀统计模型
5.4.2机器学习模型
5.4.3模型对比
5.5进界模型
5.5.1传统统计零膨胀模型
5.5.2机器学习模型
5.5.3模型对比
5.6本章小结
第六章基于机器学习算法的针阔混交林生长模拟
6.1森林类型划分
6.2落叶松-阔叶混交林
6.3红松-阔叶混交林
6.4云冷杉-阔叶混交林
6.5本章小结
第七章结论与讨论
7.1主要结论
7.2讨论
7.2.1机器学习模型调参和变量选择
7.2.2不同机器学习模型表现
7.3展望
7.4主要创新点
参考文献
附录
在读期间的学术研究
致谢
中国林业科学研究院;