人工神經(jīng)網(wǎng)絡(luò)在森林資源動(dòng)態(tài)監(jiān)測(cè)中的應(yīng)用（林業(yè)信息化系列研究成果之六）

定　價(jià)：￥26.00

作　者：	吳達(dá)勝著
出版社：	中國(guó)水利水電出版社
叢編項(xiàng)：
標(biāo)　簽：	林業(yè) 農(nóng)業(yè)/林業(yè)

購(gòu)買(mǎi)這本書(shū)可以去

ISBN：	9787517019176	出版時(shí)間：	2014-05-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	120	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　《林業(yè)信息化系列研究成果之六：人工神經(jīng)網(wǎng)絡(luò)在森林資源動(dòng)態(tài)監(jiān)測(cè)中的應(yīng)用》以浙江省重點(diǎn)林業(yè)縣級(jí)市（龍泉市）為研究區(qū)域，以森林資源蓄積量為主要監(jiān)測(cè)指標(biāo)，通過(guò)整合遙感影像、數(shù)字高程模型、森林資源二類調(diào)查數(shù)據(jù)、固定樣地調(diào)查數(shù)據(jù)等多源數(shù)據(jù)，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(yáng)輻射指數(shù)、地形濕度指數(shù)、樹(shù)齡、郁閉度、歸一化植被指數(shù)、TM影像中的6個(gè)波段（B1、B2、B3、B4、B5、B7）的17個(gè)指標(biāo)在內(nèi)的自變量因子集。通過(guò)多項(xiàng)式擬合，結(jié)合經(jīng)驗(yàn)數(shù)據(jù)求取各自變量因子的隸屬度，按優(yōu)勢(shì)樹(shù)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(jìn)的BP神經(jīng)網(wǎng)絡(luò)模型。在此基礎(chǔ)上，對(duì)研究區(qū)域各森林資源小班或細(xì)班的平均單位蓄積量進(jìn)行仿真、反演和預(yù)測(cè)，總體精度均超過(guò)90%，高于森林資源二類調(diào)查的蓄積量總體抽樣精度標(biāo)準(zhǔn)，可用于自然生長(zhǎng)狀態(tài)下的森林資源小班蓄積量數(shù)據(jù)的動(dòng)態(tài)更新。可供森林資源管理工作者、信息技術(shù)應(yīng)用人員、信息系統(tǒng)研究與開(kāi)發(fā)人員參考使用

作者簡(jiǎn)介

　　吳達(dá)勝，男，1972年11月出生，浙江省慶元縣人。1994年浙江林學(xué)院林學(xué)專業(yè)畢業(yè)，2002年北京林業(yè)大學(xué)計(jì)算機(jī)應(yīng)用技術(shù)方向碩士研究生畢業(yè)，2014年浙江大學(xué)農(nóng)業(yè)遙感與信息技術(shù)博士研究生畢業(yè)。多年來(lái)從事資源與環(huán)境信息系統(tǒng)研究，主持省級(jí)重大科技專項(xiàng)1項(xiàng)、省級(jí)精品課程1項(xiàng)、省科技特派員項(xiàng)目4項(xiàng)，參與省部級(jí)項(xiàng)目5項(xiàng)，發(fā)表研究論文20余篇，出版專著1部?，F(xiàn)在浙江農(nóng)林大學(xué)信息工程學(xué)院工作，副教授，碩士生導(dǎo)師，計(jì)算機(jī)應(yīng)用技術(shù)省級(jí)重點(diǎn)學(xué)科負(fù)責(zé)人。

圖書(shū)目錄

序前言第1章概論　1.1 研究背景　1.2 國(guó)內(nèi)外研究進(jìn)展　1.3 研究目的與內(nèi)容　1.4 研究技術(shù)路線第2章 BP神經(jīng)網(wǎng)絡(luò)模型　2.1 人工神經(jīng)網(wǎng)絡(luò)理論　2.2 人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)　2.3 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方式　2.4　BP神經(jīng)網(wǎng)絡(luò)　2.5 改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)　2.6 本章小結(jié)第3章研究區(qū)概況及研究基礎(chǔ)　3.1 研究區(qū)概況　3.2 監(jiān)測(cè)指標(biāo)與自變量因子　3.3 研究區(qū)數(shù)據(jù)　3.4 本章小結(jié)第4章數(shù)據(jù)預(yù)處理　4,1 DEM數(shù)據(jù)預(yù)處理　4.2 遙感數(shù)據(jù)預(yù)處理　4.3 自變量因子數(shù)據(jù)提取　4.4 監(jiān)測(cè)指標(biāo)數(shù)據(jù)提取　4.5 自變量因子數(shù)據(jù)整合　4.6 自變量因子隸屬度求解過(guò)程與結(jié)果——以杉木為優(yōu)勢(shì)樹(shù)種的小班　4.7 自變量因子隸屬度求解結(jié)果——以馬尾松為優(yōu)勢(shì)樹(shù)種的小班　4.8 自變量因子隸屬度求解結(jié)果——以硬闊類為優(yōu)勢(shì)樹(shù)種的小班　4.9 自變量因子隸屬度求解結(jié)果——以黃山松為優(yōu)勢(shì)樹(shù)種的小班　4.10 本章小結(jié)第5章基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的森林資源蓄積量預(yù)測(cè)模型的建立　5.1 確定訓(xùn)練及仿真樣本集　5.2 設(shè)置模型參數(shù)　5.3 建立網(wǎng)絡(luò)　5.4 訓(xùn)練網(wǎng)絡(luò)　5.5 網(wǎng)絡(luò)仿真　5.6 森林資源蓄積量仿真結(jié)果及分析　5.7 本章小結(jié)第6章森林資源蓄積量反演和預(yù)測(cè)　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(yù)測(cè)　6.3 本章小結(jié)第7章胸徑、樹(shù)高等調(diào)查因子的估測(cè)　7.1 平均胸徑的估測(cè)　7.2 平均樹(shù)高的估測(cè)　7.3 本章小結(jié)第8章總結(jié)與展望　8.1 主要研究成果與結(jié)論　8.2 創(chuàng)新點(diǎn)　8.3 展望參考文獻(xiàn)