本文關(guān)鍵詞：基于PSO-LSSVM的森林地上生物量估測(cè)模型

  更多相關(guān)文章： 森林地上生物量 粒子群算法 最小二乘支持向量機(jī) 估測(cè)模型

【摘要】：為提高森林地上生物量估測(cè)精度,從建模因子和建模方法出發(fā),提出了一種綜合考慮影像紋理特征、地形特征、光譜特征的粒子群優(yōu)化最小二乘支持向量機(jī)生物量估測(cè)方法。以松山自然保護(hù)區(qū)為研究區(qū)域,以資源三號(hào)遙感衛(wèi)星數(shù)據(jù)為數(shù)據(jù)源,配合194塊調(diào)查樣地實(shí)測(cè)數(shù)據(jù)、森林資源二類調(diào)查數(shù)據(jù)、數(shù)字高程模型數(shù)據(jù),通過分析46個(gè)特征變量與森林地上生物量間的Pearson相關(guān)性,進(jìn)行特征變量?jī)?yōu)化提取,建立PSO-LSSVM模型并在Matlab 2014a上編程實(shí)現(xiàn)。以決定系數(shù)R2和均方根誤差RMSE為指標(biāo),對(duì)比分析了PSO-LSSVM和多元線性回歸地上生物量模型精度。研究結(jié)果表明:PSO-LSSVM模型在針葉林、闊葉林、灌木林3種類型中預(yù)測(cè)決定系數(shù)分別為0.867、0.853、0.842,比多元線性回歸模型分別提高了23.15%、19.13%、14.40%。PSO-LSSVM地上生物量模型具有良好的自學(xué)能力和自適應(yīng)能力,它取代了傳統(tǒng)的遍歷優(yōu)化方法,在全局優(yōu)化及收斂速度方面具有較大優(yōu)勢(shì),預(yù)測(cè)精度較高。
【作者單位】： 北京林業(yè)大學(xué)精準(zhǔn)林業(yè)北京市重點(diǎn)實(shí)驗(yàn)室;平頂山學(xué)院旅游與規(guī)劃學(xué)院;中國(guó)礦業(yè)大學(xué)(北京)地球科學(xué)與測(cè)繪工程學(xué)院;
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目(41371001) 北京市科技專項(xiàng)項(xiàng)目(Z15110000161596) 北京林業(yè)大學(xué)青年教師科學(xué)研究中長(zhǎng)期項(xiàng)目(2015ZCQ-LX-01) 平頂山學(xué)院青年科研基金項(xiàng)目(PDSU-QNJJ-2013007)
【分類號(hào)】：TP79;TP18
【正文快照】： 引言森林生物量估測(cè)研究是陸地生態(tài)系統(tǒng)碳循環(huán)和碳動(dòng)態(tài)變化分析的基礎(chǔ),是揭示全球變暖機(jī)理和制定可持續(xù)發(fā)展戰(zhàn)略的重要依據(jù)。地面調(diào)查是估算地上生物量的主要方法,通過測(cè)算樹木的樹高、胸徑、冠長(zhǎng)率、圓滿度、投影比等測(cè)樹因子,根據(jù)異速生長(zhǎng)方程計(jì)算生物量。然而,地面調(diào)查方法

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前1條

1 湯旭光;劉殿偉;王宗明;賈明明;董張玉;劉婧怡;徐文明;;森林地上生物量遙感估算研究進(jìn)展[J];生態(tài)學(xué)雜志;2012年05期

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 解平靜;高原濕地植被地上生物量遙感估算方法及時(shí)空變化研究[D];電子科技大學(xué);2012年

，

本文編號(hào)：1245819