基于BP神经网络模型的森林资源蓄积量动态估测

以浙江省庆元县2007年森林资源二类调查数据为样本数据,选择树龄、海拔、坡度级、土层厚度、A层厚度、郁闭度6个指标作为自变量因子,利用基于BP神经网络的预测模型,分优势树种对森林资源蓄积量进行预测。试验结果表明,自变量因子与因变量(蓄积量)之间具有较好的相关性。今后研究中若能加入一些其他影响因子(如太阳辐射指数、地形湿度指数等),并结合高精度的遥感影像(如天地图),然后再对数据进行一定的预处理,则研究结果将完全可能用于辅助森林资源调查。     

山核桃适生环境研究

在总结分析国内外各种农作物土宜工作及其评价方法的基础上,以将森林资源二类调查数据、DEM、气候气象数据等作为数据源,采用主成分分析法约简山核桃适生环境的评价因子,得到关键因子集;结合层次分析法、模糊数学隶属函数建立山核桃适生环境综合评价模型,为山核桃的引种、扩种和区划提供理论依据和技术支持。     

基于多源数据的毛竹林信息自动提取

毛竹Phyllostachys edulis是重要的经济林种，快速准确地获取毛竹林的面积及郁闭度等信息可对毛竹林的高效经营管理提供巨大帮助。基于人工样地的森林资源调查耗时费力且效率低下，故利用遥感图像等较低成本的数据源估测大范围毛竹林的面积及其郁闭度等信息具有重要意义。本文以浙江省安吉县为研究区域，基于Sentinel-2中等分辨率遥感图像、数字高程模型（Digital Elevation Model,DEM）数据及森林资源二类调查数据，利用Cat Boost、随机森林（Random Forest,RF）、支持向量机（Support Vector Machine,SVM）三种算法，通过二分类方法估算毛竹林面积和多分类方法估算毛竹林郁闭度。结果表明：在估算毛竹林面积时，Cat Boost、RF、SVM的总体分类精度分别为97.75%、96.54%、95.05%,Kappa系数分别为0.96、0.93、0.90；在估算毛竹林郁闭度时，以上三种算法的总体分类精度分别为73.38%、73.49%、69.9%,Kappa系数分别为0.52、0.52、0.45。在本文研究数据中，0.7、0.8郁闭...