典型文献
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
文献摘要：
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(R2)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R2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.
文献关键词：
人工神经网络;相容性模型;似乎不相关回归;地上生物量
中图分类号：
作者姓名：
梁瑞婷;王轶夫;邱思玉;孙玉军;谢运鸿
作者机构：
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,北京100083
文献出处：
引用格式：
[1]梁瑞婷;王轶夫;邱思玉;孙玉军;谢运鸿-.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)[J].应用生态学报,2022(01):9-16
A类：
AMS4,似乎不相关回归
B类：
生物量模型,地上生物量,森林生物量,林业生产,森林资源监测,单木生物量,生物量估测,黑龙江省,林场,长白落叶松,胸径,树高,冠幅,聚合模型,模型体系,异方差,变量组合,立人,ANN,留一交叉验证,交叉验证法,模型精度,最优模型,分生,决定系数,人工神经网络模型,树叶,叶生物量,各器官,RMSE,标明,树干,检验指标,平均相对误差,MRE,估计方法,林木,官生,替代方法,相容性模型
AB值：
0.308539
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
