人工神经网络与相容性生物量模型预测单木地上生物量的比较

编号 zgly0001742245

文献类型 期刊论文

文献题名 人工神经网络与相容性生物量模型预测单木地上生物量的比较

作者 梁瑞婷  王轶夫  邱思玉  孙玉军  谢运鸿 

作者单位 北京林业大学森林资源和环境管理国家林业和草原局重点开放性实验室 

母体文献 应用生态学报 

年卷期 2022,33(1)

页码 9-16

年份 2022 

分类号 TP3 

关键词 人工神经网络  相容性模型  似乎不相关回归  地上生物量 

文摘内容 森林生物量是林业生产经营和森林资源监测的重要指标,为探索高效低偏的单木生物量估测方法,引入人工神经网络。本研究采用黑龙江省东折棱河林场的101株长白落叶松地上生物量数据,基于不同变量(胸径、树高、冠幅)组合建立了4个聚合模型体系(AMS),采用加权回归消除模型的异方差。然后,基于最优的变量组合建立人工神经网络(ANN)生物量模型,并采用留一交叉验证法对模型进行检验,比较两种生物量估测方法的精度。结果表明:仅基于胸径一个变量的生物量模型已经能较准确地估测生物量,引入树高和冠幅因子能进一步提高模型精度,最优模型体系为AMS4。通过两种方法建立的生物量模型都能较准确地进行估测,各组分生物量的决定系数(R^(2))均高于0.87。相比AMS4,人工神经网络模型系统中,树叶生物量模型的R^(2)高了约0.05,其余各器官也高了0.01左右。此外,均方根误差(RMSE)等指标明显更小,树干和地上生物量的RMSE分别减小了2.135和3.908 kg,模型的检验指标如平均相对误差(MRE)等也表现更优。总体来看,人工神经网络(ANN)是一种灵活可靠的生物量估计方法,估测林木地上生物量或单独某器官生物量时,ANN模型是值得考虑的替代方法。