基于机器学习的阿勒泰地区草地地下生物量估测与数字制图

为精准估算草地地下生物量,分析其水平及垂直空间格局,实现草地地下生物量(BGB)的数字制图.调查了2015年阿勒泰地区草地生长季节(6-8月)的生态要素和地下生物量.以地理位置、地形、气候、土壤和植被中的代表性信息为基础,基于机器学习算法估测研究区0～30 cm的草地地下生物量,并根据估测结果利用空间插值法得到地下生物量的空间分布格局,最终实现草地地下生物量的数字制图.结果表明:1)相比偏最小二乘回归(PLS)和随机森林模型(RF),支持向量机模型(SVM)在0～10 cm、10～20 cm和20～30 cm土层地下生物量的估测中表现出最高的精度,验证集数据的精度(R2)依次为0.77、0.67和0.69,相应的RMSE为245.56、98.81和63.58 g·m-2.从空间插值的效果看,反距离权重插值(IDW)优于径向基函数插值(RBF)和张力样条插值(SPL).2)进一步比较了不同估测模型与空间插值方法间的组合能力,结果显示,在阿勒泰地区的草地地下生物量研究中,SVM+IDW是可靠的估测模型和空间化方法的组合.在0～10 cm、10～20 cm和20～30 cm土层的草地地下生物量数字制图的R2为0.73、0.64和0.60,RMSE为269.73、108.14和73.01 g·m-2.3)阿勒泰地区草地地下生物量均值为1265 g·m-2,是全国平均值的两倍,与全球平均水平相当.其中,高寒草甸的地下生物量最大,为2908.50 g·m-2,温性荒漠的地下生物量最小,为776.84 g·m-2,全区草地地下生物量共计1.27×108 t(≈0.13 Pg).全区草地地下生物量的空间变化明显,整体上自北向南,由山地向平原呈递减的趋势.