基于径向基函数神经网络模型的桃江县森林碳储量估测

发布时间：2021-05-24 10:22

　　量化森林碳储量对森林经营者的正确决策至关重要。本文以湖南省桃江县为研究区,根据2013年森林资源一类调查数据和Landsat 8遥感影像,建立多元逐步回归、偏最小二乘回归和径向基函数神经网络模型,开展碳储量的估测方法比较。结果表明:三种方法中,径向基函数神经网络模型估测森林碳储量效果最好,决定系数达到0.645,相对均方根误差为15.582 t·hm^-2;其次为偏最小二乘回归模型,决定系数和相对均方根误差分别为0.511和17.135 t·hm^-2;多元逐步回归模型精度最低,决定系数和相对均方根误差分别为0.431和18.105 t·hm^-2。径向基函数神经网络模型反演的研究区森林碳储量分布图表明,海拔高的地方碳储量较大,城区碳储量较小,与实际植被分布情况一致。 

【文章来源】：湖南林业科技. 2020,47(03)

【文章页数】：6 页

【文章目录】：
1 研究区概况
2 材料与方法
    2.1 遥感影像及信息处理
    2.2 样地信息获取与处理
    2.3 多元逐步回归模型
    2.4 偏最小二乘回归模型
    2.5 RBF神经网络模型
    2.6 精度验证
3 结果与分析
    3.1 相关性分析
    3.2 多元逐步回归模型
    3.3 偏最小二乘回归模型
    3.4 RBF神经网络
    3.5 模型比较
    3.6 桃江县森林碳储量空间分布
4 结论与讨论


【参考文献】：
期刊论文
[1]地理因子对北部湾经济区植被覆盖的影响[J]. 熊小菊,廖春贵,陈月连,胡宝清,陈依兰.  江苏农业科学. 2019(07)
[2]基于BP神经网络的凌云县森林碳储量遥感反演研究[J]. 廖力勤.  湖南林业科技. 2018(04)
[3]基于GF-1与Landsat-8的康保县叶面积指数遥感反演研究[J]. 徐晓雨,孙华,王广兴,林辉,任蓝翔,崔云蕾.  中南林业科技大学学报. 2018(01)
[4]森林生态系统碳储量及碳通量遥感监测研究进展[J]. 邹文涛,陈绍志,赵荣.  世界林业研究. 2017(05)
[5]基于Landsat5 TM遥感影像估算江山市公益林生物量[J]. 张伟,陈蜀蓉,侯平.  西部林业科学. 2016(01)
[6]蓝山县毛竹林生物量及碳储量分布特征[J]. 邝代波,文敏,任煜堃,糜新宇,王品,唐代生.  湖南林业科技. 2015(05)
[7]西藏墨脱县森林植被生物量与碳储量分析[J]. 付达夫,宋庆安,李典军.  湖南林业科技. 2015(04)
[8]基于KNN方法的大兴安岭地区森林地上碳储量遥感估算[J]. 戚玉娇,李凤日.  林业科学. 2015(05)
[9]中国森林土壤碳储量与土壤碳过程研究进展[J]. 刘世荣,王晖,栾军伟.  生态学报. 2011(19)
[10]基于森林清查资料的中国森林植被碳储量[J]. 李海奎,雷渊才,曾伟生.  林业科学. 2011(07)

硕士论文
[1]基于资源三号影像的森林郁闭度遥感反演研究[D]. 刘盼.中国科学院大学(中国科学院东北地理与农业生态研究所) 2019
[2]RBF神经网络隐层结构与参数优化研究[D]. 周维华.华东理工大学 2014



本文编号：3204040