三种森林生物量估测模型的比较分析

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21.44 t·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20.83 t·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.

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

所属期刊栏目：35

分类号：S718.5(林业基础科学)

资助基金：国家林业局"948计划"2011-4-80;教育部博士点学科专项基金资助项目20070225003

在线出版日期：2011-07-05（万方平台首次上网日期，不代表论文的发表时间）

页码：402-410