(整期定稿)网络首发时间:2019-09-24 13:39:09

准确估算森林碳密度是研究森林生态系统的核心。基于Matlab工作平台,以森林资源连续清查(湖南省第七次复查)及同期Landsat 8影像为本底,建立非线性回归模型、RF随机森林模型和RBF径向基神经网络模型进行森林碳密度反演。结果表明:RBF神经网络精度最高,决定系数为0.96,均方根误差为1.33 t·hm-2,很好的拟合了样地实测碳密度;RF随机森林优于非线性回归模型,拟合精度、均方根误差分别为0.91、2.50 t·hm-2;非线性回归模型精度最低,决定系数和均方根误差分别为:0.62、3.87 t·hm-2。故应用RBF神经网络对森林碳密度的反演具有很好的效果。

国家林业公益性行业专项“林业资源多层次信息服务技术研究”(201304215);

森林碳密度; 非线性回归; 随机森林; RBF; 估计;

10.14067/j.cnki.1673-923x.2019.11.007

S771.8

中国知网独家网络首发,未经许可,禁止转载、摘编。

8342-4761432K
在线咨询 用户反馈