基于BP神经网络的杉木林蓄积量估测研究

以杉木人工林为研究对象,选取与蓄积量预测有关的因子作为样本输入,通过分析神经网络各参数对网络性能的影响得到最佳参数值,构建结构为10∶3∶1的杉木林蓄积量BP神经网络模型,通过模型训练随机抽取46个样本单元数据并预测20个检验样本。结果表明:BP神经网络对于林分蓄积量具有很好的模拟效果,总体拟合精度为88.5%,均方误差MSE=2.95,所构模型合理、稳定,能够快速有效预测杉木林的变化规律。     

生长模型驱动的杉木林蓄积量动态可视化

树木的生长不仅受到自身遗传因素的影响而且还受外界环境条件的影响.以杉木为例,基于实测数据建立的蓄积量随林龄增长的生长模型以及影响林木生长的立地因子,以实现林分中的杉木林蓄积量可视化表达.在3D Max中构建了杉木三维形态几何模型,结合杉木生长模型与形态模型,采用AE+VB.NET编程,实现了基于ArcScene的杉木林...