本文主要研究内容
作者刘唐,江涛,李昂,郭连杰（2019）在《基于神经网络和不同立地质量的森林蓄积量遥感估测》一文中研究指出：运用BP神经网络技术建立区分立地质量等级森林蓄积量遥感估测模型并探讨其适用性。以2009年黑龙江省伊春市凉水自然保护区森林资源二类调查数据为基础数据划分森林的立地质量等级,以森林蓄积量为研究对象,基于该地区LANDSAT-TM影像以及DEM数据提取遥感因子,采用BP神经网络方法构建区分立地质量的森林蓄积量遥感估测模型,并引入回归分析方法和不区分立地质量的模型予以比较。结果表明,基于不同立地质量等级的模型明显好于不区分立地质量等级的估测模型,且BP神经网络模型较回归分析模型可以更好地预测森林的蓄积量。经过对比检验,基于不同立地质量等级的BP神经网络模型性能优异,验证总体预测精度高达97%以上、实测值与预测值的R~2在0.94左右;不区分立地质量等级的BP神经网络模型的R~2为0.89,预测精度95%左右。同等条件下,BP神经网络模型较多元线性回归模型的预测精度约提高了3%～5%,R~2值提高了0.1左右。
Abstract
yun yong BPshen jing wang lao ji shu jian li ou fen li de zhi liang deng ji sen lin xu ji liang yao gan gu ce mo xing bing tan tao ji kuo yong xing 。yi 2009nian hei long jiang sheng yi chun shi liang shui zi ran bao hu ou sen lin zi yuan er lei diao cha shu ju wei ji chu shu ju hua fen sen lin de li de zhi liang deng ji ,yi sen lin xu ji liang wei yan jiu dui xiang ,ji yu gai de ou LANDSAT-TMying xiang yi ji DEMshu ju di qu yao gan yin zi ,cai yong BPshen jing wang lao fang fa gou jian ou fen li de zhi liang de sen lin xu ji liang yao gan gu ce mo xing ,bing yin ru hui gui fen xi fang fa he bu ou fen li de zhi liang de mo xing yu yi bi jiao 。jie guo biao ming ,ji yu bu tong li de zhi liang deng ji de mo xing ming xian hao yu bu ou fen li de zhi liang deng ji de gu ce mo xing ,ju BPshen jing wang lao mo xing jiao hui gui fen xi mo xing ke yi geng hao de yu ce sen lin de xu ji liang 。jing guo dui bi jian yan ,ji yu bu tong li de zhi liang deng ji de BPshen jing wang lao mo xing xing neng you yi ,yan zheng zong ti yu ce jing du gao da 97%yi shang 、shi ce zhi yu yu ce zhi de R~2zai 0.94zuo you ;bu ou fen li de zhi liang deng ji de BPshen jing wang lao mo xing de R~2wei 0.89,yu ce jing du 95%zuo you 。tong deng tiao jian xia ,BPshen jing wang lao mo xing jiao duo yuan xian xing hui gui mo xing de yu ce jing du yao di gao le 3%～5%,R~2zhi di gao le 0.1zuo you 。
论文参考文献
论文详细介绍
论文作者分别是来自山东科技大学学报(自然科学版)的刘唐,江涛,李昂,郭连杰，发表于刊物山东科技大学学报(自然科学版)2019年02期论文，是一篇关于立地质量论文,森林蓄积量论文,主成分分析论文,神经网络论文,山东科技大学学报(自然科学版)2019年02期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自山东科技大学学报(自然科学版)2019年02期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：立地质量论文; 森林蓄积量论文; 主成分分析论文; 神经网络论文; 山东科技大学学报(自然科学版)2019年02期论文;