基于BP神经网络的森林树种分类研究

被引：14

作者：

李永亮 ^{[1
]}

林辉 ^{[1
]}

孙华 ^{[1
]}

臧卓 ^{[1
]}

王四喜 ^{[2
]}

机构：

[1] 中南林业科技大学林业遥感信息工程研究中心

[2] 攸县黄丰桥国有林场

来源：

中南林业科技大学学报 | 2010年 / 30卷 / 11期

基金：

湖南省自然科学基金;

关键词：

森林经理学; 高光谱遥感; BP神经网络; 树种分类; 黄丰桥;

D O I：

10.14067/j.cnki.1673-923x.2010.11.026

中图分类号：

S771.8 [森林遥感];

学科分类号：

1404 ;

摘要：

精准的森林树种分类是林业遥感研究的重要课题。高光谱数据具有丰富的波谱信息,能够探测到不同植被光谱的细微差异,为森林树种分类研究提供了数据来源。人工神经网络提供了任意维数输入输出矢量之间的非线性映射,能够逼近任意的非线性连续系统,为森林树种分类研究提供了技术手段。以马尾松成熟林、樟树幼龄林及荷花玉兰幼龄林为分类对象,将高光谱特征参数作为输入矢量,森林树种类别作为输出矢量,构建BP神经网络,开展分类研究。结果表明:马尾松成熟林及樟树幼龄林的分类精度达100.0%,样本分类综合精度可达93.3%。

引用

页码：43 / 46

页数：4

共 14 条

[1] 基于高光谱遥感技术的森林树种识别研究进展
曾庆伟
武红敢
[J]. 林业资源管理, 2009, (05) : 109 - 114
[2] 高光谱数据特征选择与特征提取研究
苏红军
杜培军
[J]. 遥感技术与应用, 2006, (04) : 288 - 293
[3] 森林树种高光谱波段的选择
刘秀英
林辉
熊建利
熊育久
孙华
莫登奎
[J]. 遥感信息, 2005, (04) : 41 - 44+64
[4] 基于小波神经网络的高炉铁水含硅预报[J]. 肖伸平,吴敏,刘代飞.有色金属. 2005(02)
[5] 基于统计判别法的不同类型植被高光谱数据分析研究
李峰
郭仕德
程承旗
马廷
[J]. 地理与地理信息科学, 2005, (01) : 27 - 29
[6] 基于高光谱的土壤有机碳含量估算研究[D]. 陈增文.福建师范大学 2009
[7] 基于BP神经网络蠕墨铸铁性能建模及其应用[D]. 廖文东.上海交通大学 2009
[8] 基于高光谱红边参数定量提取棉花冠层特征信息的研究[D]. 袁杰.石河子大学 2007
[9] 樟树幼林主要生物化学参数高光谱遥感估算模型研究[D]. 刘秀英.中南林业科技大学 2006
[10] BP网络原理及应用研究[D]. 易宏杰.中国海洋大学 2004

← 1 2 →