基于人工神经网络的天然林生物量遥感估测

基于landsattm遥感图像,以吉林省汪清天然林区为例,应用b-p神经网络建立了森林生物量非线性遥感模型系统.除采用遥感数据外,该系统还引入了地形因子(海拔、坡度、坡向、立地类型等)作为模型自变量.通过压缩输入数据和增强网络训练学习算法等措施,对标准b-p神经网络进行了增强.模型仿真结果表明：增强型b-p神经网络具有收敛速度快和自学习、自适应功能强的特点,能最大限度地利用样本集的先验知识,自动提取合理的模型,模型预测结果能真实合理地反映实际情况.针叶林、阔叶林和针阔混交林的生物量遥感模型系统仿真结果的平均相对误差分别为-1.47%、2.38%和3.56%,平均相对误差绝对值分别为6.33%、8.46%和8.91%,预估效果较理想.应用该模型系统生成了研究区的森林生物量定量分布图,其总体精度为88.04%.