排序方式: 共有14条查询结果,搜索用时 31 毫秒
1.
2.
以东北虎豹国家公园范围内的针叶纯林为研究对象,结合2018年9月机载LiDAR点云数据和同步地面调查数据,提取半径为15 m的圆形采样尺度下的LiDAR点云特征变量为数据基础,采用BP神经网络算法、逐步回归法分别构建林分算术平均高模型和林分加权平均高模型,实现对林分平均高的估测.其中在利用BP神经网络算法构建模型时分别选择了贝叶斯正则化算法和L-M算法作为神经网络训练算法.结果表明:BP神经网络算法对数据具有更好地解释能力,其构建的林分平均高模型相关系数(R2)均在87%以上,高于逐步回归法构建的林分平均树高模型;林分加权平均高模型精度更高,用样地加权平均高作为实测值时,采用逐步回归算法、BP神经网络L-M算法、BP神经网络贝叶斯正则化算法构建的模型的检验样地数据的决定系数(R2)分别为0.858、0.919、0.908,树高估测精度(P)分别为88.6%、89.8%、91.2%,与以林分算术平均高作为实测值构建的估测模型相比,决定系数(R2)分别提升了4.9%、3.7%、3.4%,估测精度(P)分别提升了2.9%、2.4%、1.5%;BP神经网络的不同训练函数之间无明显性能差异,两种不同训练方法构建的林分平均高模型的决定系数R2及树高估测精度(P)略有差异,但整体相差较小. 相似文献
3.
5.
6.
森林资源连续清查固定样地标记装置设计与试验 总被引:1,自引:0,他引:1
以遥控报警原理、GNSS定位原理为基础,设计了实现森林资源连续清查固定样地标记装置,该装置由主程序模块、定位解算模块、遥控报警模块、数据传输模块、样地信息存储更新模块等组成。通过在Cortex-M3上移植FreeRTOS操作系统,并利用C语言进行汇编实现样地标记信息的读取与写入、遥控报警、标记定位等功能。针对定位信息数据传输,在微信平台上通过调用百度地图的API开发实现普通手机用户到样地桩的路线规划。通过试验验证,利用此固定样地标记装置,可将固定样地的复核效率较传统样桩提高324%左右,并且通过此装置可以直接读取固定样地历史信息及写入实时监测数据,解决了传统固定样地标记桩无法进行样地信息记录及无法快速找到、遥控监测等问题。 相似文献
7.
利用遥感样地和高分遥感影像,通过判读解译获取林分类型和森林地类,依据样地到总体的概率估计方法,估计区域总体各林分类型和地类面积,并用德国NFI(National Forest Inventory)数据检验估计误差。在德国布设334个1km×1km遥感样地,获取高分遥感数据进行判读和抽样估计。结果表明:德国陆地面积估计误差为2.43%;森林面积估计误差为0.59%;森林覆盖率估计误差为2.96%;并获得省级森林资源详细数据。综上易知该方法切实可行,估计结果可靠、因子丰富,实现了境外森林资源的主动监测,为境外森林资源监测开辟了新途径。 相似文献
8.
以吉林省延边朝鲜族自治州汪清县的主要针叶纯林树种为研究对象,结合Landsat 8 OLI数据和地面调查数据,通过提取半径为15 m圆形样地林分尺度下的遥感特征变量实现对地上生物量的估算。首先提取128块样地内的34个遥感特征,其次采用随机森林特征重要性分析遥感特征的贡献率,再利用BP神经网络算法的2种训练算法、SVM支持向量机的3种核函数构建地上生物量模型,最后利用32个测试样本评价模型的估算精度。结果表明,BP神经网络的L-M训练算法和贝叶斯正则化训练算法的R2分别为0.602 9、0.672 1,RMSE分别为5.096 9、4.263 7,MAE分别为4.166 9、3.211 8;SVM支持向量机的线性核函数、RBF核函数、多项式核函数的R2分别为0.585 8、0.561 9、0.487 7,RMSE分别为5.859 4、5.600 9、5.763 7,MAE分别为4.24、3.89、4.176。以贝叶斯正则化训练算法构建地上生物量模型的估测精度最佳;BP神经网络算法比SVM向量机更适用于本研究;同一种机器学习算法不同的训练函数存在差异性。 相似文献
9.
该文提出了集网络技术、数据库管理技术和3S技术为一体的,以省、市、县三级构成的天然林保护工程管理信息系统的构架和网络系统结构. 该系统的研发以天然林保护工程的7大管理业务流程为基础,建立了基于地理信息系统组件、数据交换组件和展现组件的桌面系统. 系统软件以及三级网络系统的搭建在我国四川、湖北等省得到了实现和应用. 相似文献
10.
基于机载大光斑激光雷达的森林冠层高度估测 总被引:1,自引:1,他引:0
利用国家林业和草原局卫星林业应用中心设计研发的机载林业探测大光斑激光雷达回波数据,基于Matlab2014a软件对光斑数据进行数据读取、背景噪声估计、信号起始位置判断、地面回波位置确定,从而估测光斑位置下森林冠层高度。通过选取样地位置附近连续10组大光斑回波波形对森林冠层高度进行估测,并与样地实测森林冠层高度进行精度验证。结果表明:机载林业探测大光斑回波波形对7种森林冠层高度均有不同程度的估测能力,其中以胸高断面积加权平均高、优势树种平均木平均高估测效果最好,相对误差分别为4.36%和8.29%,RMSE(均方根误差)为1.40 m和1.55 m;对优势木平均高H、优势木平均高D估测能力最差,相对误差为19.81%和22.00%,RMSE为2.99m和3.34m。 相似文献