《农业工程学报》2025年第41卷第23期刊载了长安大学韩磊、任宇轩、妥丰伟、甘少安、刘钊、苗哲源、胡贵明与张含笑的论文——“基于改进灰狼优化XGBoost的陕北黄土高原植被地上生物量估测”。该研究由国家重点研发计划项目（项目号：2023YFF1305105）等资助。

引文信息：韩磊，任宇轩，妥丰伟，等. 基于改进灰狼优化XGBoost的陕北黄土高原植被地上生物量估测[J]. 农业工程学报，2025，41(23)：182-192. 

DOI:  10.11975/j.issn.1002-6819.202506137

点击阅读全文：基于改进灰狼优化XGBoost的陕北黄土高原植被地上生物量估测

研究目的与方法：

黄土高原是中国“三区四带”生态屏障的重要组成部分，精准估测植被地上生物量（aboveground biomass，AGB）对于评估生态建设成效具有重要意义。现有研究缺乏大尺度上高精度、多植被的估测方法，为提高AGB估测精度，该研究以陕北黄土高原为研究区，基于Landsat 8、Sentinel-1遥感影像数据和数字高程数据提取变量因子，利用随机森林算法筛选特征变量，结合实测数据，采用多元线性回归（multiple linear regression，MLR）、反向传播神经网络（back propagation neural network，BPNN）、随机森林（random forest，RF）和极端梯度提升（extreme gradient boosting，XGBoost）4种算法，针对森林和灌草构建了8种AGB反演模型，对比分析不同模型的估测精度。引入并改进灰狼优化（improved grey wolf optimizer，IGWO）算法，寻找“最优”参数组合改进XGBoost模型，选择最优模型对陕北黄土高原AGB进行反演。

结果与结论：

结果表明：纹理特征在AGB建模中发挥着重要作用，XGBoost模型较传统机器学习算法BPNN和RF表现出更高的估测精度；利用改进灰狼算法优化模型参数可以进一步提高估测精度，森林和灌草AGB最佳模型（IGWO-XGBoost）的决定系数（determination coefficient，R²）分别为0.823和0.735；森林AGB平均值为47.26 t/hm²，主要分布在30～60 t/hm²，灌草AGB平均值为1.96 t/hm²，主要分布在1.00～2.25 t/hm²，AGB表现出较强的空间异质性，总体空间分布呈“南高-中碎-北低”的格局，并随地形（海拔、坡向）变化呈现出不同的分异规律。该研究为生态脆弱区AGB精准估测提供了技术支撑，并为植被恢复措施的精确制定提供了重要参考。

转载本文请联系原作者获取授权，同时请注明本文来自中国农业工程学会科学网博客。
链接地址：https://blog.sciencenet.cn/blog-3658743-1557364.html

上一篇：陕西理工大学张鹏超教授等：基于改进YOLOv11n的轻量化茶叶病虫害识别方法
下一篇：华中农业大学鲍秀兰副教授等：基于力封闭的果园灵巧手抓取模型

欢迎参加科学网十佳博文评选活动！

主办单位：    支持单位：