| 依据BP神经网络的机载LiDAR数据估算林分平均高 |
| |
| 引用本文： | 周蓉,赵天忠,吴发云.依据BP神经网络的机载LiDAR数据估算林分平均高[J].东北林业大学学报,2021,49(9):60-66. |
| |
| 作者姓名： | 周蓉 赵天忠 吴发云 |
| |
| 作者单位： | 北京林业大学,北京,100083;国家林业和草原局调查规划设计院 |
| |
| 摘 要： | 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.
|
| 关 键 词： | 激光雷达 点云数据 林分平均高 BP神经网络 |
Estimation of Mean Forest Stand Height from Airborne LiDAR Data Using BP Neural Network |
| |
| Zhou Rong,Zhao Tianzhong,Wu Fayun.Estimation of Mean Forest Stand Height from Airborne LiDAR Data Using BP Neural Network[J].Journal of Northeast Forestry University,2021,49(9):60-66. |
| |
| Authors: | Zhou Rong Zhao Tianzhong Wu Fayun |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
