本文探討了分別基于三種神經(jīng)網(wǎng)絡(luò)模型（常見(jiàn)的普通BP神經(jīng)網(wǎng)絡(luò)、Erf-BP神經(jīng)網(wǎng)絡(luò)以及改進(jìn)的神經(jīng)網(wǎng)絡(luò)模型——小批量梯度下降BP神經(jīng)網(wǎng)絡(luò)模型）,利用MODIS遙感圖像、地面調(diào)查數(shù)據(jù)、地形數(shù)據(jù)以及森林覆蓋率,估算三種類(lèi)型森林地上生物量。對(duì)于每一種類(lèi)型森林,在森林地上生物量和遙感數(shù)據(jù)、地形數(shù)據(jù)、植被指數(shù)以及森林覆蓋率進(jìn)行單因素相關(guān)性分析的基礎(chǔ)上篩選出模型因子,將模型因子分別引入三種神經(jīng)網(wǎng)絡(luò)模型,對(duì)于每種神經(jīng)網(wǎng)絡(luò)模型,分別在訓(xùn)練集和驗(yàn)證集上訓(xùn)練出三種神經(jīng)網(wǎng)絡(luò)模型的最優(yōu)參數(shù)、最優(yōu)網(wǎng)絡(luò)結(jié)構(gòu)作為最終的神經(jīng)網(wǎng)絡(luò)模型,在測(cè)試集上對(duì)訓(xùn)練出的三種模型進(jìn)行測(cè)試,并與逐步回歸模型比較。主要結(jié)果如下:（1）針葉林生物量遙感估測(cè)模型將每個(gè)自變量與針葉林生物量進(jìn)行皮爾遜相關(guān)性分析。分析結(jié)果顯示,共有9個(gè)變量因子與樣地針葉林生物量存在顯著相關(guān)性:歸一化植被指數(shù)（Normalized Difference Vegetation Index,NDVI）、強(qiáng)化植被指數(shù)（Enhanced Vegetation Index,EVI）、B1、坡度、B4、B7、森林、覆蓋率、B3、B2,NDVI和EVI相關(guān)性系數(shù)最大,對(duì)針葉林生物量解... 

【文章來(lái)源】：華北電力大學(xué)(北京)北京市 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：63 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１－１任務(wù)流程圖??

（ａ）大氣校正前圖像?（ｂ）大氣校正后圖像??圖２－２?ＦＬＡＡＳＨ大氣校正??２．３統(tǒng)計(jì)分析??２．３．１單因素相關(guān)性分析與檢驗(yàn)??在統(tǒng)計(jì)學(xué)中，Ｐｅａｒｓｏｎ相關(guān)系數(shù)用于度量?jī)蓚�(gè)變量Ｘ和Ｙ之間的相關(guān)（線(xiàn)性??相關(guān)），其值取值范圍是－１與１之間，該系數(shù)是度量?jī)蓚�(gè)變量相關(guān)性的常用指標(biāo)。??相關(guān)系數(shù)的計(jì)算公式：??Ｐｘ，ｙ＝紅１?…二＂�！ǎ玻玻�??Ｐｅａｒｓｏｎ相關(guān)系數(shù)的取值范圍為［－Ｕ１，兩變量之前Ｐｅａｒｓｏｎ相關(guān)系數(shù)絕對(duì)值??越大，兩變量之間的相關(guān)性越高，反之亦然。如果Ｐｅａｒｓｏｎ相關(guān)系數(shù)是大于０的，??表明兩個(gè)變量之間是正相關(guān)關(guān)系；如果Ｐｅａｒｓｏｎ相關(guān)系數(shù)是小于〇的，表明兩個(gè)??變量之間是負(fù)相關(guān)關(guān)系。如果Ｐｅａｒｓｏｎ相關(guān)系數(shù)等于０，表明兩個(gè)變量不是線(xiàn)性??相關(guān)，可能有非線(xiàn)性關(guān)系。如果Ｐｅａｒｓｏｎ相關(guān)系數(shù)絕對(duì)值大于０．８時(shí)，表示兩變??

ＢＰ神經(jīng)網(wǎng)絡(luò)簡(jiǎn)單思想如下圖所示：第一層是神經(jīng)網(wǎng)絡(luò)輸入層，作用于第二??層的神經(jīng)元；第二層和第三層是隱藏層，表示隱藏層神經(jīng)元相互之間傳遞刺激。??隱藏層可以有多層，圖２－３示意圖隱藏層只有兩層，實(shí)際應(yīng)用中隱藏層非常深，??１２??

【參考文獻(xiàn)】：
期刊論文
[1]森林地上生物量遙感反演方法綜述[J]. 劉茜,楊樂(lè),柳欽火,李靜.  遙感學(xué)報(bào). 2015(01)
[2]基于多源遙感數(shù)據(jù)的草地生物量估算方法[J]. 王新云,郭藝歌,何杰.  農(nóng)業(yè)工程學(xué)報(bào). 2014(11)
[3]植物生物量研究綜述[J]. 張建設(shè),王剛,王剛.  四川林業(yè)科技. 2014(01)
[4]藏北典型高寒草甸地上生物量的遙感估算模型[J]. 周宇庭,付剛,沈振西,張憲洲,武建雙,李云龍,楊鵬萬(wàn).  草業(yè)學(xué)報(bào). 2013(01)
[5]BP神經(jīng)網(wǎng)絡(luò)反演森林生物量模型研究[J]. 李丹丹,馮仲科,汪笑安,張凝,張巍巍.  林業(yè)調(diào)查規(guī)劃. 2013(01)
[6]森林地上生物量估測(cè)方法研究綜述[J]. 張志,田昕,陳爾學(xué),何祺勝.  北京林業(yè)大學(xué)學(xué)報(bào). 2011(05)
[7]植物生物量研究概述(綜述)[J]. 郭娜,劉劍秋.  亞熱帶植物科學(xué). 2011(02)
[8]三種森林生物量估測(cè)模型的比較分析[J]. 范文義,張海玉,于穎,毛學(xué)剛,楊金明.  植物生態(tài)學(xué)報(bào). 2011(04)
[9]利用大光斑激光雷達(dá)數(shù)據(jù)估測(cè)樹(shù)高和生物量[J]. 于穎,范文義,李明澤,楊曦光.  林業(yè)科學(xué). 2010(09)
[10]國(guó)外立木生物量模型研究現(xiàn)狀與展望[J]. 曾偉生,唐守正.  世界林業(yè)研究. 2010(04)

博士論文
[1]基于激光雷達(dá)與多光譜遙感數(shù)據(jù)的森林地上生物量反演研究[D]. 湯旭光.中國(guó)科學(xué)院研究生院(東北地理與農(nóng)業(yè)生態(tài)研究所) 2013
[2]森林生物量及碳儲(chǔ)量遙感監(jiān)測(cè)方法研究[D]. 韓愛(ài)惠.北京林業(yè)大學(xué) 2009
[3]中國(guó)森林生物量與生產(chǎn)力的研究[D]. 肖興威.東北林業(yè)大學(xué) 2005

碩士論文
[1]基于高分辨率遙感和極化雷達(dá)數(shù)據(jù)的大興安嶺地區(qū)森林地上生物量估測(cè)[D]. 張穎.北京林業(yè)大學(xué) 2016
[2]基于BEPS模型和遙感的森林地上生物量更新方法研究[D]. 黃金龍.南京大學(xué) 2014
[3]中國(guó)北方主要森林樹(shù)種生物量格局的研究[D]. 李飛.華北電力大學(xué)（北京） 2010



本文編號(hào)：3371450