未来智讯 > 神经网络论文 > 基于神经网络的开化县丛林碳储量空间稚嫩预计

基于神经网络的开化县丛林碳储量空间稚嫩预计

发布时间:2020-04-05 01:06:01 文章来源:未来智讯    
    基于神经网络的开化县丛林碳储量空间稚嫩预计作者:未知  摘要:本切磋以浙江省开化县为切磋对象,用2004年全县境内76个丛林资源清查样地数据及同年Landsat TM遥感影像,将归一化植被指数NDVI、IND53和归一化绿色植被指数GNDVI融入BP神经网络,对开化县境内丛林碳储量进行展望。了局显示:开化县平均碳密度为37.616Mg/hm2,碳密度最大值为144.691Mg/hm2,碳密度最小值为0.000Mg/hm2,尺度差为26.685Mg/hm2。丛林碳密度较高区域首要集结在西北和东部,总体出现出沿东北偏向的双方茂密、中央稀疏的状况。
  Abstract: This study takes Kaihua County in Zhejiang Province as the research object. Using the data of 76 forest resources inventory plots in the county in 2004 and Landsat TM remote sensing images of the same year, the normalized vegetation index NDVI, IND53 and normalized green vegetation index GNDVI is integrated into the BP neural network to predict the forest carbon storage in Kaihua County. The results show that the average carbon density of Kaihua County is 37.616 Mg/hm2, the maximum carbon density is 144.691 Mg/hm2, the minimum carbon density is 0.000 Mg/hm2, and the standard deviation is 26.685 Mg/hm2. The areas with higher forest carbon density are mainly concentrated in the northwest and east, and the two sides along the northeast are dense and the center is sparse.
  关头词:丛林碳储量;植被指数;BP神经网络
  Key words: forest carbon storage;vegetation index;BP neural network
   中图分类号:S718.5                                       文献标识码:A                                  文章编号:1006-4311(2020)03-0217-02
  0  引言
  丛林生态体系在调度全球碳平衡和禁止气候变暖、改善气候等方面,具有无法替换的作用。在生态体系中,丛林是最大的陆地碳源库,兑现碳储量稚嫩预计的根本在于起首要测定丛林生态体系中的生物量。在国际生物学筹划(IBP)的推动成长下,各项关于植被生物量的切磋纷纷呈现,成长势头迅猛,大量的切磋数据为全方面地探讨全球丛林生物量和碳储量分布供给了理论依据[1]。张茂震等在剖析比力了浙江省多年的丛林资源赓续清查数据的根本上,凭据生物量和蓄积量之间的关系,对浙江省的丛林碳汇出产力进行了定量预估剖析[2]。徐新良等议决遥感影像猎取波段信息,以此设立生物量与碳储量之间的关系来估算植被碳贮量的要领被普遍应用[3]。今朝运用遥感技艺进行丛林碳储量估算时,因选取的数据源各异而使得相对应的剖析要领截然各异。神经网络法便是个中一种剖析要领,在展望丛林碳储量方面,具有必然的上风,是当前热点的切磋对象。
  本文以浙江省开化县为例,行使一类丛林资源清查数据,同时联合TM遥感影像,行使神经网络中的BP人造神经网络要领建模,建立先验样本和训练样本,展望切磋区域的碳密度值,再猎取切磋区域内丛林碳密度的全域分布图推算稚嫩预计整个地域的碳储量,并将反归一化谋略后得到的数据与实测样地值进行比力剖析,最终进行精度评价。
  1  切磋区轮廓
  浙江省衢州市开化县位于北纬28°54′-29°30′,东经118°01′-118°37′的浙江省西部疆域区域,地处浙江、江西、安徽三省的交壤处。全县总面积约为2236平方公里,总体阵势西北高而东南低,属浙西中山丘陵地形。其气候属于亚热带季民风候,平均温度16.4℃,年平均降雨量在1800毫米摆布,四时明确。开化县处中亚热带常绿阔叶林带北部亚地带、浙皖山丘青冈苦槠林植被区,是极具特色的植被区域,植被资源雄厚。开化县生态情况良好,是浙江省丛林碳汇的严重构成局部。
  2  据筹备与切磋要领
  2.1 数据筹备
  2.1.1 丛林资源一类调查数据
  本次设计选取2004年开化县丛林资源一类调查清查数据即省级样地数据,使用体系抽样的要领在开化县区域局限内进行抽样调查,各个样地间间距为4km×6km,样地为28.28m×28.28m的正方形,面积223600hm,共计76个样地。
  样地丛林碳储量谋略是议决大地样地调查所猎取记载的数据(样地号、树种、胸径等),个中树种代码选取2004年之后的树种代码。根據已颁发的生物量模子、各个树木种类的生长模子以及其生物参数,本尝试只对杉木、马尾松、硬阔林和软阔林这四个树种进行生物量切磋谋略,依据生物量和碳储量的转换系数为0.50,谋略出各树种的碳储量,以此谋略获得各个样地上的碳储量和平均单元面积内的碳储量,即碳密度。
         2.1.2 TM遥感影像数据
  切磋数据为2004年猎取的开化县全景Landsat TM影像,空间分辩率为30m×30m。影像议决大气订正、几何订正等系列处置,将精度把握在一个单位格内。
  行使ENVI猎取出TM影像中样地所对应的6个波段的灰度值,并议决波段间的组合,提取植被指数。本尝试汇集了大量现有的植被指数资料,提取比力了四十一莳植被指数与开化县样地碳储量有关性,在筛选剖析之后,采用选取有关性高的归一化植被指数NDVI、归一化绿色植被指数GNDVI和归一化指数IND53。
  在ArcGIS中将各个样所在在TM遥感影像上相关各个波段的波段信息以及植被指数的数值提取到一同,为上述制定植被指数供给有关性剖析依据,以及为神经网络预判稚嫩预计供给输入层与输出层。
  议决SPSS剖析数据,对各样地中碳密度和各波段以及植被指数之间进行有关性剖析,采用最优波段了局。了局如表1。
  从表1剖析的了局能够知道,碳密度跟各个波段及三个植被指数的有关性并不是出格高,局限在0.15到0.45之间,都不及0.5。剖析比力,在六个波段中TM2与碳密度的有关性是最高的;碳密度与切磋的三个植被指数有关性均跨越了0.4,且个中具有最高有关性的是归一化绿色植被指数GNDVI。是以采用这三个植被指数联合到神经网络中,设立丛林碳储量稚嫩预计模子。
  2.2 切磋要领
  人造神经网络简称为神经网络,它效仿动物的神经网络,尤其是行为特性。BP神經网络是一种多层前馈网络,沿着偏差反偏向传布的路径来算数训练,一般由三局部构成:输入层、隐含层、输出层。网络会按照切磋者事先设定得体式格局,即函数,进行进修印象,这种算法的本色是求偏差函数的最小值。
  2.3 检讨要领
  为了检讨BP人造神经网络模子对丛林碳密度的估算精度,本切磋使用76个样地数据,个中采用61个作为神经网络的训练样本,残剩15个样地数据作为检讨样本。议决反归一化猎取展望数据。比力展望数据与样地实测值的最大值、最小值、平均值和尺度差,以及数据的有关性。
  3  了局与剖析
  3.1 BP神经网络模子确定
  因为本文仅切磋76个样地的碳密度值,建立训练样本为61个,检讨样本个数为15个。使用Matlab2010,把之前确定的三个植被指数:归一化植被指数NDVI、归一化绿色植被指数GNDVI和归一化指数IND53进行归一化处置,作为输入层,将样地谋略而得的碳密度插进网络的输出层,进行训练。了局显示检讨样本的展望值与实测值的有关性为0.60,训练样本的展望值与实测值的有关性为0.65。
  3.2 了局与剖析
  凭据BP神经网络反归一化的展望值显示,开化县丛林碳密度较高区域首要集结在西北和东部,总体出现出沿东北偏向的双方茂密、中央稀疏的状况,全县碳密度分布较疏散。议决神经网络模仿谋略获得的开化县丛林平均碳密度为27.616Mg/hm2,碳密度最大值为144.691Mg/hm2,碳密度最小值为0.000Mg/hm2,碳密度尺度差为26.685Mg/hm2。如图1。
  开化县丛林调查的76个样地,谋略统计碳储量获得平均碳密度为23.018Mg/hm2,碳密度最大值为128.632Mg/hm2,碳密度(表2)最小值为0.000Mg/hm2,碳密度尺度差为25.006Mg/hm2。
  比力两者平均值,展望碳密度平均值高于实测碳密度平均值1.665%,两组数据的有关性为99.927%,两者基本接近,表明议决BP人造神经网络的要领稚嫩预计开化县丛林碳储量精度高,正确性大,基本与实地近况吻合。
  4  归纳与评论辩论
  文章行使开化县丛林一类样地清查数据和TM遥感影像进行全县区域内的丛林碳储量空间稚嫩预计,选取了BP人造神经网络,获得了较公道的展望了局。无论是碳储量总量,平均碳密度,模仿获得的最大值以及尺度差,议决BP神经网络展望的了局都要高一些。尝试展望了局基本正确,精度高,可以较好地稚嫩预计开化县丛林碳储量。这讲明人造神经网络是一种较好的数学模子,值得深入切磋并加以运用,这对我国的丛林资源监测、经管以及护卫具有严重作用。今朝尚未有切磋用运神经网络法估测开化县丛林碳储量。本切磋行使BP人造神经网络,对开化县丛林碳密度进行稚嫩预计切磋,是一大立异。但因为阅历不及,综合种种影响因素,本次切磋仍有成长前进的空间。
  参考文献:
  [1]续珊珊.丛林碳储量估算要领综述[J].林业调查规划,2014,39(6):28-33.
  [2]张茂震,王广兴,刘安兴.基于丛林资源赓续清查资料估算的浙江省丛林生物量及出产力[J].林业科学,2009(09):13-17.
  [3]徐新良,曹明奎,李克让.中国丛林生态体系植被碳储量时空动态改变切磋[J].地舆科学进展,2007(06):1-10.
转载请注明来源。原文地址:https://www.7428.cn/page/2020/0405/87313/
 与本篇相关的热门内容: