干旱区生态环境知识资源中心(Arid): 干旱半干旱区森林蓄积量高光谱遥感估测技术

Arid

	干旱半干旱区森林蓄积量高光谱遥感估测技术
其他题名	Forest Stock Volume Estimation by Hyperspectral Remote Sensing in Arid and Semi-arid Area
	王靖; 吴见
来源期刊	东北林业大学学报
ISSN	1000-5382
出版年	2014
卷号	42 期号:1 页码:65-70
中文摘要	为了系统地研究特定区域的森林蓄积量估测技术,比较目前流行的多种高光谱遥感森林蓄积量估测方法,包括:主成分和偏最小二乘回归法、BP和RBF神经网络法、k-近邻法。结果表明:PCR和PLSR估测森林蓄积量时,采用植被指数、光谱面积和位置参数同时估测蓄积量,验证精度最好;BP神经网络估测蓄积量时,采用植被指数参数作为变量效果最好;RBF神经网络估测蓄积量时,采用19个变量同时作为输入参数时,精度最高。k-近邻法对森林蓄积量的估测效果最佳,当k = 8时,R_(mse)的值最小,为9.38,R~2值为0.856。
英文摘要	We compared a variety of forest stock volume methods by hyperspectral remote sensing to systematically study forest stock volume inversion technology including principal component regression (PCR), partial least squares regression (PLSR), BP and RBF neural network, and k-nearest neighbor method. The verification accuracy of PCR and PLSR is the best by using vegetation indexes, spectrum area and location parameters,that of BP neural network is the best by using vegetation index parameters, and that of RBF neural network is the best with 19 variables as the input parameter simultaneously. k-nearest neighbor method is the best method to estimate forest volume. When K is 8, the minimum value of R_(mse) is 9.38 and R~2 is 0.856.
中文关键词	蓄积量 ; 高光谱 ; 遥感 ; 神经网络 ; 干旱区
英文关键词	Volume Hyperspectral Remote sensing Neural network Arid area
语种	中文
国家	中国
收录类别	CSCD
WOS类目	FORESTRY
WOS研究方向	Forestry
CSCD记录号	CSCD:5064527
资源类型	期刊论文
条目标识符	http://119.78.100.177/qdio/handle/2XILL650/231022
作者单位	滁州学院, 滁州, 安徽 239000, 中国
推荐引用方式 GB/T 7714	王靖,吴见. 干旱半干旱区森林蓄积量高光谱遥感估测技术[J],2014,42(1):65-70.
APA	王靖,&吴见.(2014).干旱半干旱区森林蓄积量高光谱遥感估测技术.东北林业大学学报,42(1),65-70.
MLA	王靖,et al."干旱半干旱区森林蓄积量高光谱遥感估测技术".东北林业大学学报 42.1(2014):65-70.