基于PCA-RBF神经网络的森林碳储量遥感反演模型研究

• 作者: 张超 彭道黎
• 来源期刊: 中国农业大学学报
• 学科: 农学
• 关键词: 森林碳储量 SPOT5 主成分分析 遥感反演 RBF神经网络
• 年，卷（期）: 2012,（4）
• 页码范围: 148-153
• 分类号: S771.8|S779
• 语种: 中文

摘要

针对碳储量回归预测模型存在共线性和精度较低的问题,利用森林资源二类调查数据和SPOT5影像数据对北京市延庆县的杨树林进行碳储量反演研究。先对选取的10个指标进行主成分分析,在此基础上采用径向基函数（RBF）神经网络方法构建碳储量反演模型,用预留测试样本验证,并与实测值进行比较。研究结果表明：SPOT5数据和二类数据可以很好地结合起来用于森林地上碳储量反演研究;PCA-RBF神经网络森林碳储量遥感反演模型拟合精度为99.90%,平均预测精度达到96.71%,预估效果较理想;模型训练完成后,可以应用于延庆县森林地上碳储量反演。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	彭道黎	北京林业大学林学院	101	1162	18.0	27.0
2	张超	北京林业大学林学院	35	503	14.0	21.0