10.13287/j.1001-9332.202201.001
人工神经网络与相容性生物量模型预测单木地上生物量的比较
森林生物量是林业生产经营和森林资源监测的重要指标,为探索高效低偏的单木生物量估测方法,引入人工神经网络.本研究采用黑龙江省东折棱河林场的101株长白落叶松地上生物量数据,基于不同变量(胸径、树高、冠幅)组合建立了4个聚合模型体系(AMS),采用加权回归消除模型的异方差.然后,基于最优的变量组合建立人工神经网络(ANN)生物量模型,并采用留一交叉验证法对模型进行检验,比较两种生物量估测方法的精度.结果 表明:仅基于胸径一个变量的生物量模型已经能较准确地估测生物量,引入树高和冠幅因子能进一步提高模型精度,最优模型体系为AMS4.通过两种方法建立的生物量模型都能较准确地进行估测,各组分生物量的决定系数(R2)均高于0.87.相比AMS4,人工神经网络模型系统中,树叶生物量模型的R2高了约0.05,其余各器官也高了0.01左右.此外,均方根误差(RMSE)等指标明显更小,树干和地上生物量的RMSE分别减小了2.135和3.908 kg,模型的检验指标如平均相对误差(MRE)等也表现更优.总体来看,人工神经网络(ANN)是一种灵活可靠的生物量估计方法,估测林木地上生物量或单独某器官生物量时,ANN模型是值得考虑的替代方法.
人工神经网络;相容性模型;似乎不相关回归;地上生物量
33
国家自然科学基金31870620
2022-03-14(万方平台首次上网日期,不代表论文的发表时间)
共8页
9-16