依据BP神经网络的机载LiDAR数据估算林分平均高

编号 zgly0001737788

文献类型 期刊论文

文献题名 依据BP神经网络的机载LiDAR数据估算林分平均高

作者 周蓉  赵天忠  吴发云 

作者单位 北京林业大学信息学院  国家林业和草原局调查规划设计院 

母体文献 东北林业大学学报 

年卷期 2021,49(9)

页码 60-66

年份 2021 

分类号 S758 

关键词 激光雷达  点云数据  林分平均高  BP神经网络 

文摘内容 以东北虎豹国家公园范围内的针叶纯林为研究对象,结合2018年9月机载LiDAR点云数据和同步地面调查数据,提取半径为15 m的圆形采样尺度下的LiDAR点云特征变量为数据基础,采用BP神经网络算法、逐步回归法分别构建林分算术平均高模型和林分加权平均高模型,实现对林分平均高的估测。其中在利用BP神经网络算法构建模型时分别选择了贝叶斯正则化算法和L-M算法作为神经网络训练算法。结果表明:BP神经网络算法对数据具有更好地解释能力,其构建的林分平均高模型相关系数(R^(2))均在87%以上,高于逐步回归法构建的林分平均树高模型;林分加权平均高模型精度更高,用样地加权平均高作为实测值时,采用逐步回归算法、BP神经网络L-M算法、BP神经网络贝叶斯正则化算法构建的模型的检验样地数据的决定系数(R^(2))分别为0.858、0.919、0.908,树高估测精度(P)分别为88.6%、89.8%、91.2%,与以林分算术平均高作为实测值构建的估测模型相比,决定系数(R^(2))分别提升了4.9%、3.7%、3.4%,估测精度(P)分别提升了2.9%、2.4%、1.5%;BP神经网络的不同训练函数之间无明显性能差异,两种不同训练方法构建的林分平均高模型的决定系数R^(2)及树高估测精度(P)略有差异,但整体相差较小。