CAJ | 학술논문

使用高光谱数据估算叶片与冠层尺度的森林氮含量.首先采用基于高斯误差函数的BP神经网络Erf-BP建立叶片尺度氮含量的遥感估算模型；其次根据几何光学模型原理,推导冠层光谱与叶片光谱的尺度转化函数,将Hyperion影像的冠层光谱转换到叶片尺度并反演叶片尺度的氮含量；最后,利用森林结构参数LAI得到研究区域冠层尺度氮含量.结果表明,隐含层包含8个神经元的Erf-BP模型最优,检验精度为76.8597％；利用尺度转化函数估算670 nm和865 nm冠层光谱与实测光谱决定系数为0.5203和0.4117;反演叶片尺度氮含量与实测数据的决定系数为0.7019;该方法为高精度快速估算叶片和冠层尺度森林氮含量提供参考.
사용고광보수거고산협편여관층척도적삼림담함량.수선채용기우고사오차함수적BP신경망락Erf-BP건립협편척도담함량적요감고산모형；기차근거궤하광학모형원리,추도관층광보여협편광보적척도전화함수,장Hyperion영상적관층광보전환도협편척도병반연협편척도적담함량；최후,이용삼림결구삼수LAI득도연구구역관층척도담함량.결과표명,은함층포함8개신경원적Erf-BP모형최우,검험정도위76.8597％；이용척도전화함수고산670 nm화865 nm관층광보여실측광보결정계수위0.5203화0.4117;반연협편척도담함량여실측수거적결정계수위0.7019;해방법위고정도쾌속고산협편화관층척도삼림담함량제공삼고.