【目的】建立含啞變量的林分蓄積量估測模型,分析啞變量在香格里拉高山松林分蓄積量模型中的意義與作用�！痉椒ā恳韵愀窭锢瓰檠芯繀^(qū),基于2008—2009年3幅TM遙感影像與2008年抽樣控制樣地數(shù)據(jù),對香格里拉高山松林分神經(jīng)網(wǎng)絡模型與考慮齡組構造的啞變量神經(jīng)網(wǎng)絡模型兩種類型建立蓄積量遙感估測模型,并進行精度評價。對比模型的估測值與實測值,計算模型殘差,檢驗各齡組殘差均值與0之間的差異性;同時對模型的預測值結果進行組間均值的差異性檢驗,以此作為確定齡組分類形式構建啞變量的標準與依據(jù)�！窘Y果】2個模型的獨立樣本檢驗結果表明,引入啞變量的神經(jīng)網(wǎng)絡估測模型比神經(jīng)網(wǎng)絡模型擬合效果要好,其決定系數(shù)要高于神經(jīng)網(wǎng)絡模型,決定系數(shù)從0.516提高到0.783。模型預估精度從神經(jīng)網(wǎng)絡模型的66.3%提高至啞變量模型的74.8%,估算誤差優(yōu)于神經(jīng)網(wǎng)絡模型�！窘Y論】根據(jù)模型的殘差差異性結果得出,啞變量模型可以在一定程度上解決在估測幼齡林、中齡林蓄積量低值高估的問題;可見引入啞變量估測森林蓄積量的方法是相對有效的。 

【文章來源】：中南林業(yè)科技大學學報. 2020,40(07)北大核心CSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

香格里拉高山松樣地分布

【參考文獻】：
期刊論文
[1]基于多尺度遙感影像紋理特征的森林蓄積量反演[J]. 汪康寧,呂杰,李崇貴.  中南林業(yè)科技大學學報. 2017(11)
[2]結合紋理因子和地形因子的森林蓄積量多光譜估測模型[J]. 楊柳,馮仲科,岳德鵬,孫金華.  光譜學與光譜分析. 2017(07)
[3]耦合光譜、紋理信息的森林蓄積量估算研究[J]. 郝瀧,劉華,陳永富,吳云華.  山地學報. 2017(02)
[4]基于PALSAR全極化數(shù)據(jù)的城市森林蓄積量估測[J]. 張密芳,胡曼,李明陽.  南京林業(yè)大學學報(自然科學版). 2016(06)
[5]啞變量在云杉地上生物量模型中的應用研究[J]. 楊英,冉啟香,陳新云,歐強新.  林業(yè)資源管理. 2015(06)
[6]基于不同立地質(zhì)量的森林蓄積量遙感估測[J]. 劉俊,孟雪,溫小榮,林國忠,佘光輝,劉雪慧,徐達.  西北林學院學報. 2016(01)
[7]基于Landsat8衛(wèi)星光譜與紋理信息的森林蓄積量估算[J]. 王月婷,張曉麗,楊慧喬,王書涵,白金婷.  浙江農(nóng)林大學學報. 2015(03)
[8]基于高分辨率遙感影像的森林蓄積量估測[J]. 李利偉,黃國勝,王雪軍,張超,智長貴,黨永峰,王威.  福建林業(yè)科技. 2014(04)
[9]基于ALOS遙感數(shù)據(jù)紋理及紋理指數(shù)的柞樹蓄積量估測[J]. 劉俊,畢華興,朱沛林,孫菁,朱金兆,陳濤.  農(nóng)業(yè)機械學報. 2014(07)
[10]結合影像光譜與地形因子的森林蓄積量估測模型[J]. 王佳,宋珊蕓,劉霞,楊慧喬,馮仲科.  農(nóng)業(yè)機械學報. 2014(05)

博士論文
[1]黃海葉綠素及初級生產(chǎn)力的遙感估算[D]. 楊曦光.中國科學院研究生院（海洋研究所） 2013
[2]回復式神經(jīng)網(wǎng)絡及其在組合優(yōu)化問題中的應用[D]. 屈鴻.電子科技大學 2006

碩士論文
[1]基于Landsat8-OLI的香格里拉高山松林生物量遙感估測模型研究[D]. 孫雪蓮.西南林業(yè)大學 2016
[2]森林蓄積量遙感估測研究[D]. 涂云燕.北京林業(yè)大學 2013



本文編號：3382620