Forest Ecology and Management | 最优化随机森林的变量选择以预测华北落叶松的径向生长

文章预览

干旱导致树木生长量大幅下降，树木死亡率增高，导致碳储量估算存在很大的不确定性。预测未来干旱年树木生长对于降低森林碳汇的不确定性至关重要。本研究基于 132 个月度气候数据和 由48个样点的1198 棵华北落叶松 (  Larix gmelinii  var.  principis-rupprechtii) 组成的树木年轮网络 ，对比机器学习中的随机森林模型(RF)和传统的多元线性回归 (MLR) 模型的性能以预测树木生长。 本研究使用从48 个人工落叶松样点的 1198 棵树上采集了 2183 个树芯数据。对树芯进行交叉年代测定，然后进行去趋势处理，最后建立了 48 个树木年轮宽度年表。本文选取了11种气候变量包括: 平均温度(TMP)、日温度范围(DTR)、降水(PRE)、湿日频率(WET)、蒸汽压(VAP)、云量(CLD)、最高温度(TMX)、最低温度(TMN)、霜日频率(FRS)、潜在蒸散量(PET)和自校准帕尔默干旱严重程度指数(scPDSI)。由于变 ………………………………