论文部分内容阅读
森林是国家建设的重要资源，森林蓄积量的定量估测是林业科学研究的重点和难点。由于遥感技术具有宏观、客观、快速、高效和动态监测等优点，利用遥感技术结合地理信息系统、全球定位系统对森林蓄积量进行遥感估测，可作为地面调查的补充手段以把握森林资源状况。 本文以广州市萝岗区为研究区域，以细班为基本研究单位，采用Landsat5 TM遥感影像、ASTER GDEM影像及广东省林业规划院提供的二类调查数据为研究资料，应用BP神经网络对森林蓄积量进行遥感估测，研究的主要结论归纳如下： (1)应用IDL开发ENVI的BP神经网络插件，可简化BP神经网络在森林蓄积量遥感估测中的操作。 (2)反映萝岗区植被信息的主要因子为TM4*TM5/TM7、绿度、DVI，反映萝岗区地表信息的主要因子为缨帽变换后的亮度和TM5，反映萝岗区空间信息的主要因子为坡向和高程。 (3)以萝岗区的7个植被指数、13个RS因子、缨帽变换后的前三个分量及3个GIS因子提取出的五个主成分和林种定性变量作为BP神经网络的输入层，建立森林蓄积量估测模型。最后确定萝岗区森林蓄积量估测模型的BP神经网络参数是隐含层为1层，节点为9个，附加动量法的学习速率为0.29、动量因子为0.85。 (4)基于BP神经网络建立的萝岗区森林蓄积量估测模型，其相对误差平方和为0.0909，估测模型线性关系显著。对35个检验样地的森林蓄积量预测平均精度为87.3％，对萝岗区森林总蓄积量的估测精度为95.3％，预测效果理想，达到了国家森林二类调查的精度要求。 (5)所构建的BP神经网络估测模型对低蓄积量细班敏感性较低，尤其对蓄积量<35 m3/hm2细班，其估测精度仅为80.41％。 (6)采用与TM遥感影像相同的控制点对ASTER GDEM影像进行几何纠正，使ASTER GDEM影像与TM遥感影像配准，可减轻内业矢量化工作。