物理引导生物量模型

精度提升18%

将树木生长方程嵌入机器学习，让单木生物量估算更准且符合生态规律。

蒋金豹 · Qiyu, Guo · Li, Kangning · Qiao, Xiaojun · Zhao, Yinpeng

Computers and Electronics in Agriculture 2026

参数信息

均方根误差（RMSE）

8.14 kg

物理不一致率（PIR）

9.3

精度提升幅度

12%

跨区域迁移R²

0.43

技术优势

精度提高18%

物理引导在有限样本下抑制过拟合，比三种传统方法精度提高12%–18%。

跨区域稳健

模型直接迁移到新样地仍达到R² 0.43–0.73，无需重新训练。

生态可解释

物理不一致率低至9.3–10.85，模型输出符合树木生长规律。

应用场景

• 森林碳计量：高精度单木生物量估算支撑精细化碳计量。
• 无人机遥感：基于无人机LiDAR和多光谱数据实现大范围快速监测。
• 变量精准测量：提供单木水平的高精度生物量测量手段。