林业科学
林業科學
임업과학
SCIENTIA SILVAE SINICAE
2011年
2期
30-38
,共9页
徐小军%杜华强%周国模%董德进%范渭亮%崔瑞蕊
徐小軍%杜華彊%週國模%董德進%範渭亮%崔瑞蕊
서소군%두화강%주국모%동덕진%범위량%최서예
高斯误差函数%误差反向传播算法%混合像元分解%森林
高斯誤差函數%誤差反嚮傳播算法%混閤像元分解%森林
고사오차함수%오차반향전파산법%혼합상원분해%삼림
提出一种新的基于高斯误差函数(Gaussian error function,Eft)作为激活函数的BP神经网络(Erf-BP),并用于林区TM影像进行混合像元分解.研究表明:Erf-BP模型的精度高于线性无约束最小二乘法模型及最大似然法.通过在高分辨率影像上选取验证样区精度检验得出:1)各端元总分解精度为89.2%,RMSE比线性无约束最小二乘法模型降低了近39%;2)该方法能够较高精度地提取森林遥感信息,精度达到86%,RMSE比线性无约束最小二乘法模型降低了近40.6%.将3种不同方法估计的整个研究区各端元面积百分比与森林资源二类调查数据作对比得出:Erf-BP模型精度略高于最大似然法,RMSE分别为4.18%和7.90%,两者精度明显高于线性无约束最小二乘法模型(RMSE=18.75%).Erf-BP算法能够较高精度地对TM影像进行混合像元分解,尤其在森林信息提取上,为基于混合像元分解提取不同森林类型甚至树种遥感信息提供一种可行的方法.
提齣一種新的基于高斯誤差函數(Gaussian error function,Eft)作為激活函數的BP神經網絡(Erf-BP),併用于林區TM影像進行混閤像元分解.研究錶明:Erf-BP模型的精度高于線性無約束最小二乘法模型及最大似然法.通過在高分辨率影像上選取驗證樣區精度檢驗得齣:1)各耑元總分解精度為89.2%,RMSE比線性無約束最小二乘法模型降低瞭近39%;2)該方法能夠較高精度地提取森林遙感信息,精度達到86%,RMSE比線性無約束最小二乘法模型降低瞭近40.6%.將3種不同方法估計的整箇研究區各耑元麵積百分比與森林資源二類調查數據作對比得齣:Erf-BP模型精度略高于最大似然法,RMSE分彆為4.18%和7.90%,兩者精度明顯高于線性無約束最小二乘法模型(RMSE=18.75%).Erf-BP算法能夠較高精度地對TM影像進行混閤像元分解,尤其在森林信息提取上,為基于混閤像元分解提取不同森林類型甚至樹種遙感信息提供一種可行的方法.
제출일충신적기우고사오차함수(Gaussian error function,Eft)작위격활함수적BP신경망락(Erf-BP),병용우림구TM영상진행혼합상원분해.연구표명:Erf-BP모형적정도고우선성무약속최소이승법모형급최대사연법.통과재고분변솔영상상선취험증양구정도검험득출:1)각단원총분해정도위89.2%,RMSE비선성무약속최소이승법모형강저료근39%;2)해방법능구교고정도지제취삼림요감신식,정도체도86%,RMSE비선성무약속최소이승법모형강저료근40.6%.장3충불동방법고계적정개연구구각단원면적백분비여삼림자원이류조사수거작대비득출:Erf-BP모형정도략고우최대사연법,RMSE분별위4.18%화7.90%,량자정도명현고우선성무약속최소이승법모형(RMSE=18.75%).Erf-BP산법능구교고정도지대TM영상진행혼합상원분해,우기재삼림신식제취상,위기우혼합상원분해제취불동삼림류형심지수충요감신식제공일충가행적방법.
