CAJ | 학술논문

多光谱遥感数据蕴含着大量的地表立地信息,而传统立地质量评价体系主要使用了人工地面调查数据.为了建立一套有效的立地质量评价体系,以内蒙古赤峰市旺业甸林场为研究对象,基于研究区域的多光谱遥感数据结合地面小班调查数据,采用一种改进的反向传播人工神经网络(back Propagation artificial neural network,BPANN)模型,以落叶松为例,建立了遥感光谱因子结合立地因子与地位指数关系的神经网络模型,对研究区域的小班进行立地质量评价研究.通过训练数据集的敏感度分析剔除弱相关或不相关的因子,简化了神经网络的规模,提高了网络的训练效率,得到了最优的地位指数预测模型,模型的预测精度达到95.36％,与使用传统小班调查数据建立的神经网络模型的预测结果进行了比较,精度提高了9.83％,说明使用多光谱遥感数据+小班调查数据确定的落叶松地位指数预测模型具有最高的预测精度.多光谱遥感数据十分适用于森林立地质量评价,改进BP神经网络具有理想的预测精度,充分证实了该方法的有效性和优越性.
다광보요감수거온함착대량적지표입지신식,이전통입지질량평개체계주요사용료인공지면조사수거.위료건립일투유효적입지질량평개체계,이내몽고적봉시왕업전림장위연구대상,기우연구구역적다광보요감수거결합지면소반조사수거,채용일충개진적반향전파인공신경망락(back Propagation artificial neural network,BPANN)모형,이락협송위례,건립료요감광보인자결합입지인자여지위지수관계적신경망락모형,대연구구역적소반진행입지질량평개연구.통과훈련수거집적민감도분석척제약상관혹불상관적인자,간화료신경망락적규모,제고료망락적훈련효솔,득도료최우적지위지수예측모형,모형적예측정도체도95.36％,여사용전통소반조사수거건립적신경망락모형적예측결과진행료비교,정도제고료9.83％,설명사용다광보요감수거+소반조사수거학정적락협송지위지수예측모형구유최고적예측정도.다광보요감수거십분괄용우삼림입지질량평개,개진BP신경망락구유이상적예측정도,충분증실료해방법적유효성화우월성.