中国农业科技导报 ›› 2020, Vol. 22 ›› Issue (6): 81-90.DOI: 10.13304/j.nykjdb.2019.0900
李晓伟1,吴保国1*,苏晓慧1,陈玉玲1,彭意钦2,于永辉2,范小虎2
LI Xiaowei1,WU Baoguo1*,SU Xiaohui1,CHEN Yuling1,PENG Yiqin2,YU Yonghui2, FAN Xiaohu2
摘要: 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081,RMSE为044;测试集RMSE为048,MAE为034。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(49%)、土层厚度(38%)以及密度(32%),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0785,P值为22E-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。