注冊 | 登錄讀書好,好讀書,讀好書!
讀書網-DuShu.com
當前位置: 首頁出版圖書科學技術農業(yè)科學林業(yè)人工神經網絡在森林資源動態(tài)監(jiān)測中的應用(林業(yè)信息化系列研究成果之六)

人工神經網絡在森林資源動態(tài)監(jiān)測中的應用(林業(yè)信息化系列研究成果之六)

人工神經網絡在森林資源動態(tài)監(jiān)測中的應用(林業(yè)信息化系列研究成果之六)

定 價:¥26.00

作 者: 吳達勝 著
出版社: 中國水利水電出版社
叢編項:
標 簽: 林業(yè) 農業(yè)/林業(yè)

購買這本書可以去


ISBN: 9787517019176 出版時間: 2014-05-01 包裝: 平裝
開本: 16開 頁數: 120 字數:  

內容簡介

  《林業(yè)信息化系列研究成果之六:人工神經網絡在森林資源動態(tài)監(jiān)測中的應用》以浙江省重點林業(yè)縣級市(龍泉市)為研究區(qū)域,以森林資源蓄積量為主要監(jiān)測指標,通過整合遙感影像、數字高程模型、森林資源二類調查數據、固定樣地調查數據等多源數據,建立了包含土層厚度、A層厚度、海拔、坡度、坡向、地表曲率、太陽輻射指數、地形濕度指數、樹齡、郁閉度、歸一化植被指數、TM影像中的6個波段(B1、B2、B3、B4、B5、B7)的17個指標在內的自變量因子集。通過多項式擬合,結合經驗數據求取各自變量因子的隸屬度,按優(yōu)勢樹種(分別為杉木、馬尾松、硬闊類、黃山松)建立了基于Levenberg-Marquardt優(yōu)化算法改進的BP神經網絡模型。在此基礎上,對研究區(qū)域各森林資源小班或細班的平均單位蓄積量進行仿真、反演和預測,總體精度均超過90%,高于森林資源二類調查的蓄積量總體抽樣精度標準,可用于自然生長狀態(tài)下的森林資源小班蓄積量數據的動態(tài)更新??晒┥仲Y源管理工作者、信息技術應用人員、信息系統(tǒng)研究與開發(fā)人員參考使用

作者簡介

  吳達勝,男,1972年11月出生,浙江省慶元縣人。1994年浙江林學院林學專業(yè)畢業(yè),2002年北京林業(yè)大學計算機應用技術方向碩士研究生畢業(yè),2014年浙江大學農業(yè)遙感與信息技術博士研究生畢業(yè)。多年來從事資源與環(huán)境信息系統(tǒng)研究,主持省級重大科技專項1項、省級精品課程1項、省科技特派員項目4項,參與省部級項目5項,發(fā)表研究論文20余篇,出版專著1部?,F在浙江農林大學信息工程學院工作,副教授,碩士生導師,計算機應用技術省級重點學科負責人。

圖書目錄

序前言第1章 概論 1.1 研究背景 1.2 國內外研究進展 1.3 研究目的與內容 1.4 研究技術路線第2章 BP神經網絡模型 2.1 人工神經網絡理論 2.2 人工神經網絡結構 2.3 神經網絡的學習方式 2.4 BP神經網絡 2.5 改進的BP神經網絡 2.6 本章小結第3章 研究區(qū)概況及研究基礎 3.1 研究區(qū)概況 3.2 監(jiān)測指標與自變量因子 3.3 研究區(qū)數據 3.4 本章小結第4章 數據預處理 4,1 DEM數據預處理 4.2 遙感數據預處理 4.3 自變量因子數據提取 4.4 監(jiān)測指標數據提取 4.5 自變量因子數據整合 4.6 自變量因子隸屬度求解過程與結果——以杉木為優(yōu)勢樹種的小班 4.7 自變量因子隸屬度求解結果——以馬尾松為優(yōu)勢樹種的小班 4.8 自變量因子隸屬度求解結果——以硬闊類為優(yōu)勢樹種的小班 4.9 自變量因子隸屬度求解結果——以黃山松為優(yōu)勢樹種的小班 4.10 本章小結第5章 基于改進BP神經網絡的森林資源蓄積量預測模型的建立 5.1 確定訓練及仿真樣本集 5.2 設置模型參數 5.3 建立網絡 5.4 訓練網絡 5.5 網絡仿真 5.6 森林資源蓄積量仿真結果及分析 5.7 本章小結第6章 森林資源蓄積量反演和預測 6.1 2004年度森林資源蓄積量反演 6.2 2010年度森林資源蓄積量預測 6.3 本章小結第7章 胸徑、樹高等調查因子的估測 7.1 平均胸徑的估測 7.2 平均樹高的估測 7.3 本章小結第8章 總結與展望 8.1 主要研究成果與結論 8.2 創(chuàng)新點 8.3 展望參考文獻

本目錄推薦

掃描二維碼
Copyright ? 讀書網 www.shuitoufair.cn 2005-2020, All Rights Reserved.
鄂ICP備15019699號 鄂公網安備 42010302001612號