收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于人工神经网络的森林植被遥感分类研究

刘旭升  
【摘要】:遥感分类是森林资源调查和监测不可缺少的内容,分类的精度直接影响遥感数据的应用水平和实用价值。如何解决多类别图像的识别并满足一定的精度,是遥感图像研究中的一个关键问题,具有十分重要的意义。本研究在对国内外森林植被遥感分类研究进展分析的基础上,应用Landsat7ETM+遥感数据和地理辅助数据,用BP神经网络方法对蛮汉山林场森林植被遥感分类进行了研究,并与传统的统计模式识别方法(无监分类、最大似然法)的分类结果进行精度比较分析。结果表明: (1) 本研究以LandSat7 ETM+多光谱遥感图像作为主要数据源,以影响分类的研究区森林资源现状分布图为辅助地理数据,将BP神经网络用于森林植被遥感分类,分类结果类型总精度达到了67%,总的数量精度达到了84.65%,KAPPA系数为0.6455,表明分类质量很好。 (2) 本研究采用类型精度和数量精度两种方法对BP神经网络分类方法、最大似然法、简单和复杂无监分类法进行了精度比较分析,发现BP神经网络法的分类类型总精度比传统三种分类方法依次提高了7%、32%和33%,分类结果总的数量精度比最大似然法高5.3%。可见地理辅助数据参与的BP神经网络用于森林植被遥感图像分类其效果是较好的,是一种有效的图像分类方法。 (2) 本研究在全面分析该地区专题图、资源实地调查资料、文字资料,结合专家对遥感图像解译,提出RS与GIS结合制作质检标准文件作为参考数据确定分类精度的方法,可以说这是一种高正确率和高效率的质检方案。 (3) 与最大似然法相比,神经网络方法可以方便地加入地理辅助数据进行分类。这样充分利用地理信息系统提供的丰富的地理辅助数据,改善遥感数据的分类精度。 (4) 经过反复训练,以参与分类的遥感数据及地理辅助数据(森林资源现状分布图)作为输入,所要分的森林植被类型作为输出的三层BP人工神经网络模型,当网络隐层节点为16、学习率η=0.1、动量因子α=0.8和训练次数8000次时,该网络达到了预先确定的分类精度96%,满足了本研究用BP神经网络进行森林植被遥感分类的要求。


知网文化
【相似文献】
中国期刊全文数据库 前16条
1 邓懿;;森林植被遥感分类研究进展探析[J];中国科技信息;2020年08期
2 刘旭升,张晓丽;森林植被遥感分类研究进展与对策[J];林业资源管理;2004年01期
3 袁金国;森林植被遥感分类研究[J];河北师范大学学报;1999年02期
4 修丽娜,刘湘南;人工神经网络遥感分类方法研究现状及发展趋势探析[J];遥感技术与应用;2003年05期
5 刘旭升,张晓丽;基于BP神经网络的森林植被遥感分类研究[J];林业资源管理;2005年01期
6 王爱芳;张运;黄静;丁癑;孟孟;;作物遥感分类研究进展[J];测绘与空间地理信息;2021年10期
7 李元科,全志杰,张美亮;自组织人工神经网络在立地条件遥感分类研究中的应用[J];陕西林业科技;1998年04期
8 王国重;李中原;张继宇;程焕玲;李佳红;;偃师市土地利用遥感分类研究[J];湖北农业科学;2021年13期
9 全志杰,黄林,毛晓利,李元科,王立宏;自组织人工神经网络在立地条件遥感分类研究中的应用[J];中南林业调查规划;1997年03期
10 赵红伟;陈仲新;刘佳;;深度学习方法在作物遥感分类中的应用和挑战[J];中国农业资源与区划;2020年02期
11 邓懿;;遥感分类技术在土地执法监察中的应用研究[J];农村经济与科技;2020年14期
12 张彪;谢紫霞;高吉喜;;上海城市森林植被固碳功能及其抵消能源碳排放效果评估[J];生态学报;2021年22期
13 李国洋;徐启恒;陈宽文;曹永超;;2005—2015年广东省森林生态系统净初级 生产力时空变化特征[J];气象科技进展;2020年03期
14 刘巧霞;;加强人类对沙漠化森林植被的保护意识[J];农业开发与装备;2020年10期
15 魏连铭;;森林植被可防治污染灾害探讨[J];农业灾害研究;2017年Z3期
16 燕腾;彭一航;王效科;苏凯文;陈路红;郑伟;巩合德;;西南5省市区森林植被碳储量及碳密度估算[J];西北林学院学报;2016年04期
中国重要会议论文全文数据库 前20条
1 陈利军;陈军;廖安平;何超英;;30m全球地表覆盖遥感分类方法初探[A];第四届“测绘科学前沿技术论坛”论文精选[C];2012年
2 余新晓;关文彬;朱清科;张志强;;森林植被对区域生态环境的影响研究展望[A];面向21世纪的科技进步与社会经济发展(上册)[C];1999年
3 刘建泉;;祁连山林区森林植被建设途径的探讨[A];新世纪 新机遇 新挑战——知识创新和高新技术产业发展(下册)[C];2001年
4 宁金魁;陆元昌;廖为明;欧阳勋志;;退化森林植被的近自然森林经营恢复途径[A];第九届中国林业青年学术年会论文摘要集[C];2010年
5 叶金盛;佘光辉;;近二十年来广东省森林植被碳储量动态[A];第九届中国林业青年学术年会论文摘要集[C];2010年
6 赵敏;周广胜;;中国林业用地变化对森林植被碳储量的影响研究[A];科技、工程与经济社会协调发展——中国科协第五届青年学术年会论文集[C];2004年
7 王培娟;谢东辉;张佳华;朱启疆;陈镜明;;基于过程模型的长白山地区森林植被净第一性生产力空间尺度转换方法研究[A];中国气象学会2006年年会“卫星遥感技术进展及应用”分会场论文集[C];2006年
8 王岩;王晓青;窦爱霞;;面向对象遥感分类方法在震害快速提取中的应用[A];中国地震学会第14次学术大会专题[C];2012年
9 邹文涛;张怀清;鞠洪波;刘华;;基于决策树的高寒湿地类型遥感分类方法研究[A];第九届中国林业青年学术年会论文摘要集[C];2010年
10 向阳;丁红昌;;人工神经网络在轻武器射表中应用[A];科技创新与节能减排——吉林省第五届科学技术学术年会论文集(上册)[C];2008年
11 谭文雄;梁素莲;;广东省韶关市森林植被碳储量及其分布[A];2010中国科协年会第五分会场全球气候变化与碳汇林业学术研讨会优秀论文集[C];2010年
12 谭文雄;梁素莲;;广东省韶关市森林植被碳储量及其分布[A];经济发展方式转变与自主创新——第十二届中国科学技术协会年会(第一卷)[C];2010年
13 张建明;王树青;王宁;;模糊系统与人工神经网络的交叉综合及应用[A];1998年中国智能自动化学术会议论文集(上册)[C];1998年
14 杨丽;卢德华;;基于人工神经网络的建筑节能体系综合评价[A];'2006系统仿真技术及其应用学术交流会论文集[C];2006年
15 刘勍;应隽;马小姝;;三代人工神经网络发展及其哲学思考[A];第13届中国系统仿真技术及其应用学术年会论文集[C];2011年
16 吴兵;;一种具有语义分布的自构造的新人工神经网络系统及其应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
17 罗伟祥;;加速森林植被建设是实现黄土高原生态环境综合治理与可持续发展的有效途径[A];Management of Ecological Environment in the Loess Plateau of China--Proceedings of CCAST (World Laboratory) Workshop[C];1999年
18 方千山;王永初;方柏山;;基于均匀设计法的人工神经网络及其应用(英文)[A];中国仪器仪表学会第三届青年学术会议论文集(下)[C];2001年
19 刘立军;袁景淇;;基于人工神经网络的转谷氨酰胺酶酶活预报方法[A];第32届中国过程控制会议(CPCC2021)论文集[C];2021年
20 席宇欣;袁德成;;持续学习算法的研究进展[A];第32届中国过程控制会议(CPCC2021)论文集[C];2021年
中国博士学位论文全文数据库 前20条
1 曾春芬;地表覆盖遥感分类数据质量及变化对水文过程模拟和水资源评估影响研究[D];南京大学;2012年
2 邱梓轩;中国陆表森林植被碳汇测计方法与应用研究[D];北京林业大学;2019年
3 张冬有;黑龙江省森林植被净初级生产力遥感估算研究[D];北京林业大学;2009年
4 曾文;人工神经网络的映射能力及其在空间物理中的应用[D];中国科学院研究生院(武汉物理与数学研究所);1999年
5 时慧焯;基于人工神经网络的注塑成型翘曲优化方法[D];大连理工大学;2012年
6 汤江龙;土地利用规划人工神经网络模型构建及应用研究[D];南京农业大学;2006年
7 伭炜;基于人工神经网络的混合智能系统研究及应用[D];哈尔滨工程大学;2009年
8 杨潇;内蒙古大青山主要森林植被生产力与碳储量研究[D];内蒙古农业大学;2013年
9 袁泉;人工神经网络系统的动态复杂性研究[D];华中科技大学;2010年
10 阚丹锋;人工神经网络在化工物性定量预测中的应用研究[D];北京化工大学;1992年
11 张晓明;黄土高原典型流域土地利用/森林植被演变的水文生态响应与尺度转换研究[D];北京林业大学;2007年
12 肖洋;北京山区森林植被对非点源污染的生态调控机理研究[D];北京林业大学;2008年
13 吕锡芝;北京山区森林植被对坡面水文过程的影响研究[D];北京林业大学;2013年
14 周伟;徐州市森林植被碳储量及其影响因素研究[D];南京林业大学;2012年
15 银建中;基于人工神经网络的超临界流体萃取模拟方法研究[D];大连理工大学;2002年
16 钱珊珠;基于人工神经网络的苜蓿固定深层太阳能干燥过程仿真[D];内蒙古农业大学;2008年
17 杨建刚;自主运动系统[D];浙江大学;1993年
18 陈引珍;三峡库区森林植被水源涵养及其保土功能研究[D];北京林业大学;2007年
19 吴国训;江西省森林植被净初级生产力及碳储量估算[D];南京林业大学;2015年
20 吴金友;辽宁省森林植被碳储量动态仿真模型研究[D];北京林业大学;2011年
中国硕士学位论文全文数据库 前20条
1 刘旭升;基于人工神经网络的森林植被遥感分类研究[D];北京林业大学;2004年
2 刘涛;基于人工神经网络的森林植被遥感分类研究[D];河北农业大学;2009年
3 张延玲;吉林省柳河县北部山区森林植被的遥感分类研究[D];东北师范大学;2008年
4 徐丹丹;顾及光谱变异遥感分类尺度效应研究[D];中国科学院大学(中国科学院东北地理与农业生态研究所);2018年
5 任潇洒;长春九台区农作物多源遥感分类方法研究[D];吉林大学;2018年
6 韩衍欣;面向地块的农作物遥感分类方法研究[D];中国科学院大学(中国科学院遥感与数字地球研究所);2018年
7 冯恒栋;基于人工神经网络和模糊分类的森林植被遥感图像分类研究[D];东北师范大学;2009年
8 徐强;广西平桂管理区森林植被碳储量估测与特征分析[D];中南林业科技大学;2012年
9 李晓刚;人工神经网络在银行定期存款中的应用[D];云南大学;2015年
10 陈俊;基于人工神经网络的旅游需求预测[D];昆明理工大学;2006年
11 Couraud Benoit;基于人工神经网络的决策算法研究[D];上海交通大学;2009年
12 王庆光;基于人工神经网络的湿地遥感分类研究[D];中国地质大学(北京);2006年
13 李宏韬;基于多源遥感影像的森林植被信息提取方法研究[D];北京林业大学;2015年
14 杨文;人工神经网络在纳税评定中的应用研究[D];贵州大学;2007年
15 马丹炜;四川都江堰市青城山森林植被生态学特征的研究[D];西南师范大学;2001年
16 刘元涛;基于人工神经网络的高强箍筋约束纤维超高强RC柱轴压应力-应变关系研究[D];深圳大学;2019年
17 廖香玉;激光诱导击穿光谱结合人工神经网络对中药材的识别和定量分析研究[D];重庆邮电大学;2018年
18 刘吉;自动化增材制造路径规划与算法研究[D];哈尔滨工程大学;2019年
19 王雨薇;基于混沌理论和改进人工神经网络的短期风速预测研究[D];华北电力大学;2019年
20 吴凯;基于人工神经网络的中外合作办学专业高考分数线预测研究[D];江西财经大学;2019年
中国重要报纸全文数据库 前20条
1 记者 石鑫;我区拟投2.5亿元保护天山北坡谷地森林植被[N];新疆日报(汉);2016年
2 特约记者 杰拉;我州新增森林植被面积358万亩[N];柴达木日报;2015年
3 记者 庞革平;广西增加石山森林植被2000多万亩[N];人民日报;2012年
4 本报记者 周丽燕;森林植被能影响成云降雨[N];人民政协报;2000年
5 通讯员 卢祖章 刘承彬;建始电力新技术放线保护森林植被[N];中国电力报;2010年
6 本报记者 赵文红;胖不胖:看人工神经网络怎么“称”[N];科技日报;2016年
7 记者 胡薇 编辑 阮奇;我国森林植被总碳储量78.11亿吨[N];上海证券报;2009年
8 本报记者 靖九江 采写;人工神经网络在临床上的应用[N];中国医药报;2005年
9 夏春光 本报记者 严斌;3年恢复景区森林植被[N];成都日报;2008年
10 本报记者 许旸;《未来简史》说你的人生将由人工智能决定,你信吗[N];文汇报;2017年
11 记者 孙奇茹;国家级人工智能实验室花落北京[N];北京日报;2017年
12 记者 吴韬 高珊;机器翻译,人类语言藩篱破除之径?[N];河北日报;2017年
13 本报记者 范建 通讯员 尹发权 王建兰;森林与水的关系:百家争鸣好(下篇)[N];科技日报;2001年
14 记者 周前进;人工神经网络可筛查糖尿病[N];健康报;2000年
15 铁铮;森林植被水资源调控新技术造福华北山区[N];中国科学报;2017年
16 本报记者 范建 通讯员 尹发权 王建兰;森林与水的关系:问题在哪里_(上篇)[N];科技日报;2001年
17 何会文;森林植被绿染滨海[N];天津日报;2006年
18 记者 吕丽华;加快推进工程建设进度 彻底恢复被破坏森林植被[N];朝阳日报;2014年
19 记者 刘博;市领导在安阳县检查工作时指出 做好水利工程规划 科学保护森林植被[N];安阳日报;2011年
20 记者 孙吉晶通讯员 李飞峰;宁波拥有八大类森林自然植被[N];宁波日报;2007年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978