- 1、本文档共6页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
3种模型在GF-2影像的生物量估测中的比较.PDF
第38 卷 第1 期 中南林业科技大学学报 Vol. 38 No. 1
2018 年 1 月 Journal of Central South University of Forestry Technology Jan. 2018
Doi:10.14067/ki.1673-923x.2018.01.011 http: //
3种模型在GF-2影像的生物量估测中的比较
徐梦伶,林 辉,孙 华,严恩萍,周普良
(林业遥感大数据与生态安全湖南省重点实验室,湖南 长沙 410004 )
摘 要:为了研究高分二号(GF-2 )影像生物量估测的模型效果,以攸县黄丰桥林场为研究区,在研究区内采
用随机抽样的方法,结合国家森林资源连续清查样地,获取了共 47 个样地的生物量数据。对 GF-2 影像进行预
处理,结合相关研究,提取 8 个单波段信息、24 个多波段组合信息、4 个植被指数以及海拔、坡度、坡向等 39
个因子作为建模的自变量,采用主成分分析、偏最小二乘和 BP 神经网络 3 种方法建立生物量估测模型。结果表
明:主成分回归模型的实测值和预测值的决定系数R2 为 0.44,模型的估测精度为 65.83%;偏最小二乘回归模型
的R2 为 0.50,模型的估测精度为67.66%;BP 神经网络模型的R2 为 0.79,模型的估测精度为78.62% 。比较可知,
BP 神经网络模型效果最好。
关键词:GF-2 ;主成分回归模型;偏最小二乘回归模型;BP 神经网络
中图分类号:S771.8 文献标志码:A 文章编号:1673-923X(2018)01-0062-06
Comparison of three models in biomass estimation of GF-2 images
XU Mengling, LIN Hui, SUN Hua, YAN Enping, ZHOU Puliang
(Key Laboratory of Forestry Remote Sensing Based Big Data Ecological Security for Hunan Province,Changsha 410004, Hunan, China)
Abstract: In order to study the model effect of biomass estimation on GF-2 images, this study takes Huangfengqiao forest farm in
Youxian County as the research area, in the study area, a random sampling method was used to plot plots, and the biomass data of 47
plots were obtained by combining the sample plots of national forest resources.The GF-2 image pre-processing, combined with relevant
research, extracting 8 single band information, 24 multi band information, 4 vegetation index, altitude, slope, and 39 factors such as
modeling variables, using principal component analysis, partial least squares and BP neural network method to establish three kinds of
bio
文档评论(0)