基于BP神经网络的竹林遥感监测研究

摘要：

竹林信息提取对利用遥感技术估算竹林碳储量至关重要,高精度地提取竹林信息将有利于降低碳储量估算误差.借助Maflab神经网络模块,采用BP神经网(back propagation neural network)对 ETM+(enhanced themativ mapper plus)遥感影像提取竹林信息,得到了较高的精度,生产精度和用户精度分别为84.04%和98.75%;同时比较了Levenberg-MarquardtBP算法函数(Trainlm)、自适应学习率BP的梯度递减函数(Traingda)和梯度下降动量BP算法函数(Traingdm)3种训练函数在分类中的差异.分析表明,Traingda算法函数分类精度最高,而Trainlm算法函数的训练时间最短.图3表3参17

关键词：森林经理学、BP神经网络、竹林、分类、遥感、ETM+

所属期刊栏目：25

分类号：S757.2;S758.4(森林经营学、森林计测学、森林经理学)

资助基金：国家自然科学基金资助项目30700638,30771725

在线出版日期：2008-09-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：417-421