神经网络模型森林生物量遥感估测方法的研究

森林生物量的估测是全球变化研究的基础,而遥感宏观、综合、动态、快速的特点决定了基于遥感的生物量模型为森林生物量估测的发展方向,目前的遥感生物量估测方法大多基于回归分析,需要预先假设、事后检验,仅为经验性的统计模型。神经网络的分布并行处理、非线性映射、自适应学习和容错等特性,使其具有独特的信息处理和计算能力,在机制尚不清楚的高维非线性系统体现出强大优势,可以用于遥感生物量估测。文章在野外调查的基础上,尝试应用BP网络和RBF网络技术,建立广州TM遥感影像数据与森林样方生物量实测数据之间的神经网络模型,通过训练和仿真,与生物量实测数据进行比较。结果表明,在独立样地估测中,人工神经网络估测的相对误差均小于15.18%,获得了满意的效果。而RBF网络与BP网络相比,在识别精度上、稳定性、速度上,均优于BP网络,其最大相对误差不超过10.12%,平均相对误差为4.76%。可见应用神经网络方法的“黑箱”操作虽然难以归纳出指导性规律,但可以获得很高的精度。尤其RBF网络,在训练完成后,可以应用该模型进行大区域生物量估算,对于森林的规划及管理具有深远意义。     

基于SPOT5影像多辐射校正水平的植被绿量遥感估算

选用南京市SPOT5图像的灰度值(DN)、星上辐射率(SR)、表观反射率(TOA)和地物反射率(PAC)数据,提取了两种植被指数(VI),即归一化植被指数(NDVI)和比值植被指数(RVI),并与地面实测的绿量(LVV)进行相关分析,建立了165个关系模型.结果表明,LVV与VI呈极显著的相关关系,其相关系数多以相对均质植被高于植被总体,基于灰度值高于常用的地物反射率为主.LVV-VI关系模型的R~2均值以多元线性回归模型最高(0.821),指数模型最低(0.536),而1～3次多项式模型均接近0.7.每种植被样方优选出一个模型,即阔叶林LVV-7.802 RVI_(PAC)-2.455(R~2=0.827,RMSE=0.498);针阔叶混交林LVV=-15.421 RVI_(TOA)+26.971 RVI_(DN)-8.261(R~2=0.918,RMSE=0.356);灌木LVV=-342.591 NDVI_(DN)~3-20.553 NDVI_(DN)~2+14.013 NDVI_(DN)+1.509(R~2=0.764,RMSE=0.689);草地LVV=2.934 RVI_(PAC)+2.147 RVI_(TOA)-3.193(R2=0.903,RMSE=0.464);总体植被LVV=1.789RVI_(PAC)-6.814NDVIs+4.258NDVI_(PAC)+12.854 NDVI_(DN)-0.342(R~2=0.810,RMSE=0.638).这些优选模犁的自变量包括了4种辐射校正水平下提取的两种植被指数,显示基于不同辐射校正水平的植被指数在植被LVV遥感反演中具有一定的应用潜力.     

一种基于模糊神经网络的大气质量评价模型

基于模糊数学评价法和神经网络评价法的优点，提出了一种新的大气质量评价模型。该模型具有推理过程清晰，泛化能力好的特点。与其它评价方法相比，应用该模型进行大气质量评价不但物理意义明确，而且计算简单，评价客观，实用性强，评价结果还具有更好的可比性。     

基于RBF神经网络的鄱阳湖表层水体总悬浮颗粒物浓度遥感反演

为进一步提高湖泊总悬浮颗粒物浓度遥感反演的准确性,引进适应复杂非线性映射的RBF神经网络模型,以鄱阳湖通江湖体为例进行了实证分析,根据实测水体悬浮颗粒物浓度和MODIS遥感数据,对遥感数据进行预处理,建立了RBF神经网络悬浮颗粒物浓度反演模型,神经元个数为8个,误差性能目标值为0.001,对悬浮颗粒物浓度进行反演。研究结果表明,验证样本相关系数R2=0.956 8,均方根误差RMSE=0.54。利用神经网络模型反演水悬浮颗粒物浓度是有效的,其反演结果优于非线性回归模型的结果。     

基于MODIS数据的河南省冬小麦产量遥感估算模型

小麦是世界上最重要的粮食作物,小麦生产对中国的粮食保障起着十分重要的作用,及时、准确、大范围对小麦产量进行监测预报,对于农学经济发展和粮食政策制定具有极为重要的现实意义。对作物产量进行遥感监测的原理是建立在其遥感特征基础之上的,通过建立作物长势指标与遥感信息的定量关系,可实现对作物产量的监测预报。文章基于2009年MODIS遥感数据和气象数据,利用Arcgis和ENVI提取纯小麦像元,并提取纯小麦像元对应的NDVI、NPP和LAI,获取分县NDVI、NPP和LAI均值,利用统计软件对产量数据和分县遥感参数均值进行数据整理和分析,建立了河南省冬小麦产量估算模型。以往研究多采用遥感图像上某像元和地面调查点进行研究,具有很大的不确定性,文章以县为单位,对冬小麦平均单产和县域内冬小麦种植像元遥感参数的均值进行相关研究,提高了模型模拟精度。同时文章选用多种遥感参数和多项气象因子建立估产模型,避免了针对一个参数进行估产的局限性。在最佳时相的选择上,根据冯美辰（2010）以往的研究结果,从4月以后,5月8日和4月20Et植被指数和产量相关性最大,4月份之前冬小麦处于返青到拔节期,对产量来说还有很多不确定闪素,因此文章选用5月8El和4月20日进行冬小麦估产研究。结果表明,5月8日的估产模型优于4月20日,加入气象冈子的遥感气象估产模型优于只采用遥感参数进行估产的遥感模型。利用2010年产量数据对模型精度进行检验,遥感气象模型预测精度在70．2％N99．7％之间,平均精度为90．7％;遥感模型预测精度在68．1％到95．5％之间,平均精度为83．9％。表明遥感气象模型模拟精度更高,其精度可以满足大面积估产要求,可以对产量预报提供科学参考。     

基于机器学习算法的干旱区绿洲地上生物量估算

植被地上生物量是反映陆地生态系统固碳能力的重要指标,利用遥感技术开展干旱区植被地上生物量估算与空间反演,可为荒漠绿洲生态系统的健康评价与碳储量估算提供重要依据。以野外调查和实地采样数据为基础,利用Landsat 8 OLI多光谱影像提取的7个植被指数和13个波段变量构成4种建模变量组合,采用支持向量机(Support Vector Machine,SVM)、反向传播神经网络(Back Propagation Neural Network,BPNN)、极端梯度提升(e Xtreme Gradient Boosting,XGBoost)和随机森林(Random Forest,RF)这4种机器学习算法对新疆渭干河-库车河三角洲绿洲地上生物量进行遥感估算和空间反演。结果表明,(1)由波段变量和随机蛙跳算法优选变量构建的植被地上生物量反演模型,其估测精度明显优于全变量和指数变量,预测能力更为稳定。与SVM和BPNN算法相比,XGBoost和RF算法构建的模型具有更好的估测效果,能更准确地估算研究区植被地上生物量。(2)在构建的估测模型中,波段变量结合RF算法模型的精度最高,稳定性最强,其建模集和...     

基于遥感与GIS的土壤侵蚀强度快速估测方法

针对土壤侵蚀问题,提出了一种基于遥感数据、气象数据、土壤数据的区域土壤侵蚀快速估测方法。首先,通过对土壤侵蚀问题形成原因和影响因素的分析,确定土壤侵蚀敏感性因子;其次,利用遥感(RS)、GIS技术提取土壤侵蚀敏感性因子信息;然后,在GIS系统支持下,运用主成分分析方法,进行土壤侵蚀强度分级;以北京密云水库周边区域为例,进行了土壤侵蚀估测方法的应用,并对该区域的土壤侵蚀空间特征进行分析。研究结果表明:(1)区域土壤侵蚀快速估测方法与实际情况有较好的一致性;(2)密云水库周边地区土壤侵蚀以微度和轻度侵蚀为主,所占面积比例为67.51%,中度以上侵蚀仅占面积的1.46%;(3)土壤侵蚀受坡度、地貌影响明显,中度侵蚀主要发生在低山、丘陵区以耕地为主的土地利用上以及坡度在大于25°的阳坡地带。     

我国中亚热带人工林水热通量对干旱差异响应的模拟研究

季节性干旱现象在我国中亚热带地区时有发生,为了研究该区域大气-生态系统之间的相互作用关系及其碳水收支状况,2002年起在江西省千烟洲（26.7°N,115.1°E）人工林生态系统建立了通量观测塔。2003年7月该人工林生态系统遭遇了历史上少有的高温少雨天气,本研究应用基于生理生态学过程的EALCO（Ecological Assimilation of Land and Climate Observation）模型及2003和2004年通量观测数据对该生态系统的水热通量进行了模拟,同时分析了干旱胁迫对它们产生的影响。结果显示,模型能够很好的模拟该生态系统的能量通量的日变化,净辐射、显热和潜热通量模拟值与实测值相关系数的平方（R2）及标准差分别为0.99和8.05 W.m-2;0.81和41.02 W.m-2;0.90和31.49 W.m-2,模型可以解释87%的日蒸散量的变化。从模拟结果看,2003年7月下旬（发生较严重干旱胁迫）较2004年同期（干旱程度轻）相比,冠层及土壤水势下降约2倍,植物蒸腾的日变化形式改变,根系吸水滞后冠层蒸腾的时间缩短约半小时,冠层导度下降40%～60%。模拟与观测结果均表明,2003年7月下旬每天正午的波文比大都介于1～2.2,而2004年同期正午的波文比则介于0.2～0.6。EALCO模型通过Ball模型将植物碳水过程耦合在一起,从而可以很好的模拟植物的气孔行为,进而准确的模拟植物水热过程对干旱的响应。土壤水分匮乏对冠层导度的限制是2003年干旱期间冠层潜热通量模拟值下降的根本原因。     

基于遥感技术的人工速生林二氧化碳吸收量估测

选择宁夏中卫市中冶·美利纸业集团的林纸一体化人工速生杨基地作为研究对象,以CBERS/CCD影像和同步实测样地数据为基础,利用相关分析方法筛选出相关系数分别为0.939和0.936的NDVI和RVI两个变量,构建了基于NDVI、RVI及NDVI和RVI的3个人工速生林地叶面积遥感回归估测模型,R2分别为0.882、0.877和0.885,并通过相关检验,估算出研究区不同林龄速生杨林地的叶面积。结合样地的实测净光合速率（PN,Net Photosynthetic Rate,μmol·m-2·s-1）,推算出不同林龄的速生杨单位叶面积的年二氧化碳净吸收量,最终估算出整个研究区的年固定碳（CO2）的净增量分别为326 648.66、315 688.73和322 509.04 t。通过与常规方法测得结果的比较,表明遥感结合地面实测数据估算林木固碳是可行的;从建立模型的R2值分析,根据不同植被指数建立的多元模型的精度要优于单一植被指数建立的一元模型;根据估测结果,随着林龄的增长,林木的固碳能力不断提高,但受不同生境的影响,增长速度存在空间差异。     

我国中亚热带人工林水热通量对干旱差异响应的模拟研究

季节性干旱现象在我国中亚热带地区时有发生,为了研究该区域大气-生态系统之间的相互作用关系及其碳水收支状况,2002年起在江西省千烟洲(26.7°N,115.1°E)人工林生态系统建立了通量观测塔。2003年7月该人工林生态系统遭遇了历史上少有的高温少雨天气,本研究应用基于生理生态学过程的EALCO(Ecological Assimilation of Land and Climate Observation)模型及2003和2004年通量观测数据对该生态系统的水热通量进行了模拟,同时分析了干旱胁迫对它们产生的影响。结果显示,模型能够很好的模拟该生态系统的能量通量的日变化,净辐射、显热和潜热通量模拟值与实测值相关系数的平方(R2)及标准差分别为0.99和8.05 W.m-2;0.81和41.02 W.m-2;0.90和31.49 W.m-2,模型可以解释87%的日蒸散量的变化。从模拟结果看,2003年7月下旬(发生较严重干旱胁迫)较2004年同期(干旱程度轻)相比,冠层及土壤水势下降约2倍,植物蒸腾的日变化形式改变,根系吸水滞后冠层蒸腾的时间缩短约半小时,冠层导度下降40%～60%。模拟与观测结果均表明,200...     

应用于水文预报的优化BP神经网络研究

利用广东省滨江流域的水文观测资料，建立了以前期降水量为预报因子、以水位为输出的BP人工神经网络水文预报模型。首先采用了合理的方法进行样本组织，进而利用最优子集回归技术进行输入因子的确定，然后进行了不同隐层节点数、不同转移函数、不同训练算法的组合试验，确定了应用于水文预报中的优化BP神经网络：网络结构为8-9-1；转移函数的组合方式为tansig-线性函数；训练算法为采用evenberg-Marquardt(Lm)算法。为便于精度分析，还采用了最优子集回归模型作了研究。结果表明，优化BP网络模型无论在拟合精度还是在预测精度上都高于最优子集模型。总的来说BP网络是一种精度较高的水文预测模型。     

Online recognition of drainage type based on UV-vis spectra and derivative neural network algorithm

• UV-vis absorption analyzer was applied in drainage type online recognition. • The UV-vis spectrum of four drainage types were collected and evaluated. • A convolutional neural network with multiple derivative inputs was established. • Effects of different network structures and input contents were compared. Optimizing sewage collection is important for water pollution control and wastewater treatment plants quality and efficiency improvement. Currently, the urban drainage pipeline network is upgrading to improve its classification and collection ability. However, there is a lack of efficient online monitoring and identification technology. UV-visible absorption spectrum probe is considered as a potential monitoring method due to its small size, reagent-free and fast detection. Because the performance parameters of probe like optic resolution, dynamic interval and signal-to-noise ratio are weak and high turbidity of sewage raises the noise level, it is necessary to extract shape features from the turbidity disturbed drainage spectrum for classification purposes. In this study, drainage network samples were online collected and tested, and four types were labeled according to sample sites and environment situation. Derivative spectrum were adopted to amplify the shape features, while convolutional neural network algorithm was established to conduct nonlinear spectrum classification. Influence of input and network structure on classification accuracy was compared. Original spectrum, first-order derivative spectrum and a combination of both were set to be three different inputs. Artificial neural network with or without convolutional layer were set be two different network structures. The results revealed a convolutional neural network combined with inputs of first and zero-order derivatives was proposed to have the best classification effect on domestic sewage, mixed rainwater, rainwater and industrial sewage. The recognition rate of industrial wastewater was 100%, and the recognition rate of domestic sewage and rainwater mixing system were over 90%.     

基于人工神经网络方法的河北省近海沉积物重金属污染综合评价

利用误差反相传播神经(BP)网络对河北省近海沉积物中的铅、镉、锌、汞、砷5种重金属元素的污染水平进行分析,利用自组织特征映射(SOFM)网络对上述重金属元素分布特征进行分类,通过分类与污染水平量化值的结合,进行综合评价。SOFM把52个沉积物样品分别划分为3、4、6类和9类。对比各种分类,分为3类的物理意义较明确,每个类别分别对应高中低不同的污染物浓度水平,差异显著、分类方式比较合理。通过此种分类可以判断河北省近海的沉积物重金属污染在不同海域存在一定的差别,整体上是离海岸越远,沉积物的重金属污染水平越高,距海岸较近的海域内,沉积物的重金属污染水平较低,但渤海湾内的重金属污染水平高于其他海域。     

基于人工神经网络方法的河北省近海沉积物重金属污染综合评价

利用误差反相传播神经（BP）网络对河北省近海沉积物中的铅、镉、锌、汞、砷5种重金属元素的污染水平进行分析,利用自组织特征映射（SOFM）网络对上述重金属元素分布特征进行分类,通过分类与污染水平量化值的结合,进行综合评价。SOFM把52个沉积物样品分别划分为3、4、6类和9类。对比各种分类,分为3类的物理意义较明确。每个类别分别对应高中低不同的污染物浓度水平,差异显著、分类方式比较合理。通过此种分类可以判断河北省近海的沉积物重金属污染在不同海域存在一定的差别,整体上是离海岸越远,沉积物的重金属污染水平越高,距海岸较近的海域内,沉积物的重金属污染水平较低,但渤海湾内的重金属污染水平高于其他海域。     

西双版纳森林植被碳储量动态与增汇潜力研究

科学评估区域森林碳储量动态与增汇潜力对理解陆地碳循环具有重要的意义。本文基于生物量转换因子连续函数法,对西双版纳1993—2006年间森林植被碳储量与碳汇潜力进行了研究,结果表明,（1）西双版纳1993—1994年间森林植被整体碳储量为60 770 378.37 t,碳汇增量表现为栎类（Quercus L.）〉经济林〉思茅松（Pinus kesiya）〉其它阔叶〉桤木（Alnus cremastogyne）,主要森林类型的碳密度范围为15.08～74.76 t.hm-2;2005—2006年间森林植被整体碳储量为62 347 715.19 t,比1994—1993年间上升2.60%,碳汇增量均表现为其它阔叶〉经济林〉栎类〉思茅松〉桤木〉杉木（Cunninghamia lanceolate）〉其它针叶,主要森林类型的碳密度范围为8.60～70.90 t.hm-2。（2）2005—2006年间,景洪森林植被整体碳储量为23 299 801.23 t,碳密度范围为8.78～73.35 t.hm-2;勐海森林植被整体碳储量为14 058 043.42 t,碳密度范围为7.95～59.51 t.hm-2;勐腊森林植被整体碳储量为25 050 562.32 t,碳密度范围为8.46～98.73 t.hm-2。可见,1993—2006年间,西双版纳森林植被起到了重要的碳汇功能,且其碳汇功能呈上升趋势。     

Artificial neural network modeling of caste odor discrimination based on cuticular hydrocarbons in termites

Summary. Individuals in an insect colony need to identify one another according to caste. Nothing is known about the sensory process allowing nestmates to discriminate minute variations in the cuticular hydrocarbon mixture. The purpose of this study was to attempt to model caste odors discrimination in four species of Reticulitermes termites for the first time by a non-linear mathematical approach using an "artificial neural network" (ANN). Several rounds of testing were carried out using 1 – the whole hydrocarbon mixtures 2 – mixtures containing the hydrocarbons selected by principal component analysis (PCA) as the most implicated in caste discrimination. Discrimination between worker and soldier castes was tested in all four species. For two species we tested discrimination of four castes (workers, soldiers, nymphs, neotenics). To test cuticular pattern similarity in two sibling species (R. santonensis and R. flavipes), we performed two experiments using one species for training and the other for query. Using whole hydrocarbons mixtures, worker/soldier discrimination was always successful in all species. Network performance decreased with the number of hydrocarbons used as inputs. Four-caste discrimination was less successful. In the experiment with the sibling species, the ANN was able to distinguish soldiers but not workers. The results of this study suggest that non-linear mathematical analysis is a good tool for classification of castes based on cuticular hydrocarbon mixture. In addition this study confirms that hydrocarbon mixtures observed are real chemical entities and constitute a true chemical signature or odor. Whole mixtures are not always necessary for discrimination. Received 23 July 1998; accepted 9 October 1998.     

Prediction of high-density polyethylene pyrolysis using kinetic parameters based on thermogravimetric and artificial neural networks

● Reducting the sampling frequency can enhance the modelling process. ● The pyrolysis of HDPE was investigated at three different heating rates. ● The average E_a and k₀ were calculated by Friedman, KAS, FWO, and CR methods. ● ANN was employed to predict the HDPE weight loss with the optimal MSE and R². Pyrolysis is considered an attractive option and a promising way to dispose waste plastics. The thermogravimetric experiments of high-density polyethylene (HDPE) were conducted from 105 °C to 900 °C at different heating rates (10 °C/min, 20 °C/min, and 30 °C/min) to investigate their thermal pyrolysis behavior. We investigated four methods including three model-free methods and one model-fitting method to estimate dynamic parameters. Additionally, an artificial neural network model was developed by providing the heating rates and temperatures to predict the weight loss (wt.%) of HDPE, and optimized via assessing mean squared error and determination coefficient on the test set. The optimal MSE (2.6297 × 10⁻²) and R² value (R² > 0.999) were obtained. Activation energy and pre-exponential factor obtained from four different models achieves the acceptable value between experimental and predicted results. The relative error of the model increased from 2.4 % to 6.8 % when the sampling frequency changed from 50 s to 60 s, but showed no significant difference when the sampling frequency was below 50 s. This result provides a promising approach to simplify the further modelling work and to reduce the required data storage space. This study revealed the possibility of simulating the HDPE pyrolysis process via machine learning with no significant accuracy loss of the kinetic parameters. It is hoped that this work could potentially benefit to the development of pyrolysis process modelling of HDPE and the other plastics.