三种森林生物量估测模型的比较分析

被引：49

作者：

范文义

张海玉

于颖

毛学刚

杨金明

机构：

[1] 东北林业大学林学院

来源：

植物生态学报 | 2011年 / 35卷 / 04期

关键词：

生物量; BP神经网络模型; 基于高斯误差函数的BP神经网络改进模型; 多元逐步回归;

D O I：

暂无

中图分类号：

S718.5 [森林生态学];

学科分类号：

071012 ; 0713 ;

摘要：

森林生物量的定量估算为全球碳储量、碳循环研究提供了重要的参考依据。该研究采用黑龙江长白山地区的TM影像和133块森林资源一类清查样地的数据,选取地学参数、遥感反演参数等71个自变量分别构建多元逐步回归模型、传统BP(back propagation)神经网络模型和基于高斯误差函数的BP神经网络改进模型(Gaussian error function,Erf-BP),进而估算该地区的森林生物量,并进行比较分析。结果表明,多元逐步回归模型估测的森林生物量预测精度为75%,均方根误差为26.87t·m-2;传统BP神经网络模型估测森林生物量的预测精度为80.92%,均方根误差为21.44t·m-2;Erf-BP估测森林生物量的预测精度为82.22%,均方根误差为20.83t·m-2。可见,改进后的Erf-BP能更好地模拟生物量与各个因子之间的关系,估算精度更高。

引用

页码：402 / 410

页数：9

共 13 条

[1]

中国主要森林类型生物生产力格局及其数学模型.[D].罗天祥.中国科学院研究生院（国家计划委员会自然资源综合考察委员会）.1996, 11

[2] Partial least squares and artificial neural networks modeling for predicting chlorophenol removal from aqueous solution [J].

Singh, Kunwar P. ;

Ojha, Priyanka ;

Malik, Amrita ;

Jain, Gunja .

CHEMOMETRICS AND INTELLIGENT LABORATORY SYSTEMS, 2009, 99 (02) :150-160

[3]

Modeling forest stand structure attributes using Landsat ETM+ data: Application to mapping of aboveground biomass and stand volume.[J].R.J. Hall;R.S. Skakun;E.J. Arsenault;B.S. Case.Forest Ecology and Management.2006, 1

[4]

Bootstrap Methods: Another Look at the Jackknife.[J].B. Efron.The Annals of Statistics.1979, 1

[5]

偏最小二乘回归的线性与非线性方法.[M].王惠文; 吴载斌; 孟洁; 著.国防工业出版社.2006,

[6] 激光雷达技术及其在林业上的应用 [J].