25年CH林学-基于集成学习决策树算法的杉木冠幅模型-约9894字符终稿.docx

testI摘要冠幅是衡量树木活力和竞争能力的重要指标，但与其他树木度量指标（如胸径）相比，测量样地内每株林木的冠幅既耗时又昂贵。因此，基于实测数据构建精准的冠幅模型显得尤为重要。本文以 80 块杉木人工林样地调查数据为研究材料，候选林木、立地和气候 3 大类共 43 个自变量，经变量筛选、超参数调优，构建了基于随机森林算法的冠幅模型，分析了林木、立地、气候等多种因子对冠幅预测的贡献，量化了各因子的影响程度及方向。结果表明，当 mtry=3 时，模型的𝑅²为 0.8988，𝑅𝑀𝑆𝐸为 0.2697m，𝑟𝑅𝑀𝑆𝐸为 0.2096，MAE 为 0.2433m，模型的精度最高...