期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于地理加权回归模型的亚热带地区乔木林生物量估算
被引量:
9
1
作者
王海宾
侯瑞萍
+3 位作者
郑冬梅
高秀会
夏朝宗
彭道黎
《农业机械学报》
EI
CAS
CSCD
北大核心
2018年第6期184-190,共7页
基于浙江省碳汇样地调查数据,以乔木林生物量(含地上和地下生物量)为因变量,将筛选的与因变量相关性较高的因子作为解释变量,采用地理加权回归和协同克里格方法对乔木林生物量进行估算,对比分析两种估测方法的精度。结果表明:基于地理...
基于浙江省碳汇样地调查数据,以乔木林生物量(含地上和地下生物量)为因变量,将筛选的与因变量相关性较高的因子作为解释变量,采用地理加权回归和协同克里格方法对乔木林生物量进行估算,对比分析两种估测方法的精度。结果表明:基于地理加权回归方法构建的乔木林生物量估算模型(R2adj=0.820 4,RMSE=23.021 5 t/hm2)精度优于协同克里格方法(R2adj=0.726 3,RMSE=28.054 9 t/hm2),同时使用地理加权回归方法的乔木林生物量预测值的变异系数(Cv=0.618 9)高于协同克里格法(Cv=0.585 4),由此可知地理加权回归方法因考虑了待估变量的局部变异,比协同克里格方法具有更好的拟合结果,预测精度较高。
展开更多
关键词
乔木林
生物量
地理加权回归
协同克里格
估算
下载PDF
职称材料
基于GF-1 PMS影像和k-NN方法的延庆区森林蓄积量估测
被引量:
20
2
作者
王海宾
彭道黎
+1 位作者
高秀会
李文芳
《浙江农林大学学报》
CAS
CSCD
北大核心
2018年第6期1070-1078,共9页
应用高分1号(GF-1)全色和多光谱(PMS)影像和k-最邻近(k-NN)方法进行县域尺度的森林蓄积量估测,探讨GF-1 PMS影像以及k-NN方法估测森林蓄积量的适用性。以北京市延庆区森林资源二类调查数据为基础数据,森林蓄积量为研究对象,基于国产GF-1...
应用高分1号(GF-1)全色和多光谱(PMS)影像和k-最邻近(k-NN)方法进行县域尺度的森林蓄积量估测,探讨GF-1 PMS影像以及k-NN方法估测森林蓄积量的适用性。以北京市延庆区森林资源二类调查数据为基础数据,森林蓄积量为研究对象,基于国产GF-1 PMS影像数据提取植被指数,采用k-NN法构建森林蓄积量估测模型,并引入偏最小二乘回归法予以比较,选出最优估测方法对全区森林蓄积量进行反演。结果显示:偏最小二乘回归法估测的森林蓄积量均方根误差为21.90 m^3·hm^(-2),相对均方根误差为27.5%,偏差为17.23 m^3·hm^(-2)。基于k-NN方法的森林蓄积量估测的均方根误差为12.80 m^3·hm^(-2),相对均方根误差为16.0%,偏差为15.02 m^3·hm^(-2)。与官方公布的全区森林蓄积量进行对比,结果显示:基于k-NN法反演的全区森林蓄积量统计结果(245.98万m^3,估测精度为86.0%)要好于偏最小二乘回归法(266.22万m^3,估测精度为76.6%)。最后生成了全区森林蓄积量空间分布图。
展开更多
关键词
森林测计学
森林蓄积量
偏最小二乘回归法
k-最邻近(k-NN)法
GF-1
PMS影像
下载PDF
职称材料
题名
基于地理加权回归模型的亚热带地区乔木林生物量估算
被引量:
9
1
作者
王海宾
侯瑞萍
郑冬梅
高秀会
夏朝宗
彭道黎
机构
北京林业大学林学院
国家林业局调查规划设计院
中国空间科学技术研究院通信卫星事业部
出处
《农业机械学报》
EI
CAS
CSCD
北大核心
2018年第6期184-190,共7页
基金
国家重点林业工程监测技术示范推广项目([2015]02号)
国家林业局948项目(2015-4-32)
文摘
基于浙江省碳汇样地调查数据,以乔木林生物量(含地上和地下生物量)为因变量,将筛选的与因变量相关性较高的因子作为解释变量,采用地理加权回归和协同克里格方法对乔木林生物量进行估算,对比分析两种估测方法的精度。结果表明:基于地理加权回归方法构建的乔木林生物量估算模型(R2adj=0.820 4,RMSE=23.021 5 t/hm2)精度优于协同克里格方法(R2adj=0.726 3,RMSE=28.054 9 t/hm2),同时使用地理加权回归方法的乔木林生物量预测值的变异系数(Cv=0.618 9)高于协同克里格法(Cv=0.585 4),由此可知地理加权回归方法因考虑了待估变量的局部变异,比协同克里格方法具有更好的拟合结果,预测精度较高。
关键词
乔木林
生物量
地理加权回归
协同克里格
估算
Keywords
arbor forest
biomass
geographically weighted regression
co-Kriging
estimation
分类号
S758.5 [农业科学—森林经理学]
TP79 [自动化与计算机技术—检测技术与自动化装置]
下载PDF
职称材料
题名
基于GF-1 PMS影像和k-NN方法的延庆区森林蓄积量估测
被引量:
20
2
作者
王海宾
彭道黎
高秀会
李文芳
机构
北京林业大学林学院
中国空间科学技术研究院通信卫星事业部
北京市大兴区林业站
出处
《浙江农林大学学报》
CAS
CSCD
北大核心
2018年第6期1070-1078,共9页
基金
国家林业局引进国际先进林业科学技术项目(2015-4-32)
国家重点林业工程监测技术示范推广项目([2015]02号)
文摘
应用高分1号(GF-1)全色和多光谱(PMS)影像和k-最邻近(k-NN)方法进行县域尺度的森林蓄积量估测,探讨GF-1 PMS影像以及k-NN方法估测森林蓄积量的适用性。以北京市延庆区森林资源二类调查数据为基础数据,森林蓄积量为研究对象,基于国产GF-1 PMS影像数据提取植被指数,采用k-NN法构建森林蓄积量估测模型,并引入偏最小二乘回归法予以比较,选出最优估测方法对全区森林蓄积量进行反演。结果显示:偏最小二乘回归法估测的森林蓄积量均方根误差为21.90 m^3·hm^(-2),相对均方根误差为27.5%,偏差为17.23 m^3·hm^(-2)。基于k-NN方法的森林蓄积量估测的均方根误差为12.80 m^3·hm^(-2),相对均方根误差为16.0%,偏差为15.02 m^3·hm^(-2)。与官方公布的全区森林蓄积量进行对比,结果显示:基于k-NN法反演的全区森林蓄积量统计结果(245.98万m^3,估测精度为86.0%)要好于偏最小二乘回归法(266.22万m^3,估测精度为76.6%)。最后生成了全区森林蓄积量空间分布图。
关键词
森林测计学
森林蓄积量
偏最小二乘回归法
k-最邻近(k-NN)法
GF-1
PMS影像
Keywords
forest mensuration
forest stock volume
partial least squares regression
k-NN method
GF-1 PMS images
分类号
S758.5 [农业科学—森林经理学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于地理加权回归模型的亚热带地区乔木林生物量估算
王海宾
侯瑞萍
郑冬梅
高秀会
夏朝宗
彭道黎
《农业机械学报》
EI
CAS
CSCD
北大核心
2018
9
下载PDF
职称材料
2
基于GF-1 PMS影像和k-NN方法的延庆区森林蓄积量估测
王海宾
彭道黎
高秀会
李文芳
《浙江农林大学学报》
CAS
CSCD
北大核心
2018
20
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部