基于RBF神经网络的城市森林碳储量遥感建模与动态变化分析——以南京市为例

研究将TM遥感数据的归一化植被指数(NDVI)和短波红外植被指数(SWVI)融入径向基神经网络中,构建了森林碳储量估算模型,并应用该模型反演了南京市不同时期的森林碳储量。结果显示:1)该模型的平均估算精度达到74.62%,比线性回归模型精度更高、拟合更稳定,是一种相对简便、易于操作和准确度高的森林碳储量估算方法;2)南京市的森林碳储量总体分布面积较大,但在区域上分布不太均匀,1988—2005年期间各辖区的森林碳储量均有不同程度的减少,减少率由小到大依次排列为:栖霞区<玄武区<下关区<雨花台区<鼓楼区<白下区<秦淮区<建邺区。