第33卷，第10期 2013年10月
光谱学与光谱分析 Spectroscopy and Spectral Analysis
Vol. 33,No. 10,pp28152822
October, 2013
人工神经网络结合多光谱遥感数据用于立地质量评价
巩垠熙，何诚2·，闫飞3，冯仲科3，曹孟磊3，高原3，苗婕3，赵金龙“
1.国家测绘地理信息局第一航测遥感院，陕西西安710054
2.南京森林警察学院，江苏南京210046 3.北京林业大学测绘与3S技术中心，北京
100083
4.北京林业大学生态研究中心，北京100083
摘要多光谱遥感数据蕴含着大量的地表立地信息，而传统立地质量评价体系主要使用了人工地面调查数据。为了建立一套有效的立地质量评价体系，以内蒙古赤峰市旺业甸林场为研究对象，基于研究区域的多光谱遥感数据结合地面小班调查数据，采用一种改进的反向传播人工神经网络（backPropagationartificial neuralnetwork，BPANN)模型，以落叶松为例，建立了遥感光谱因子结合立地因子与地位指数关系的神经网络模型，对研究区域的小班进行立地质量评价研究。通过训练数据集的敏感度分析别除弱相关或不相关的因子，简化了神经网络的规模，提高了网络的训练效率，得到了最优的地位指数预测模型，模型的预测精度达到95.36%，与使用传统小班调查数据建立的神经网络模型的预测结果进行了比较，精度提高了 9.83%，说明使用多光谱遥感数据十小班调查数据确定的落叶松地位指数预测模型具有最高的预测精度。多光谱遥感数据十分适用于森林立地质量评价，改进BP神经网络具有理想的预测精度，充分证实了该方法的有效性和优越性。
关键词立地质量；多光谱遥感；神经网络
中图分类号：TP79
引言
文献标识码：A
DOI: 10. 3964/j. issn. 1000-0593(2013)10-2815-08
为立地类型质量优劣的指标")。这种方法借助于多形曲线，并且地位指数的计算和应用较为复杂。Carmean等[S-]采用多元统计构建数学模型的方法，提取地位指数与立地因子
森林的生长状况和生产力与森林的立地环境条件及其质量密切相关，为了更好的掌握森林的状况并进行经营维护，就需要准确的认识环境因子和森林生长间的关系[13。立地的环境条件包括气候条件、地形条件、土壤条件和生物条件四类，立地质量评价（sitequalityevaluation）是指对森林立地的宜林性或潜在的生产力进行判断和预测，从面量化土地的生产潜力，作为合理利用土地进行有效造林的基础，准确的进行立地质量评价，可以为造林更新、树种选择、绿化防护、地力挖据和森林经营管理等提供客观科学的依据。
传统的森林立地质量评价，主要通过人工地面测量和监测获取森林立地的环境因子和植被因子，使用其不同等级的组合划分立地类型(")。综合定性定量指标运用地位指数（site index，一种使用优势木平均高来评价森林立地生产力的指标)对各立地类型进行立地质量评价，地位指数的平均值则
收稿日期：2013-02-26，修订日期：2013-05-21
之间的关系，从而应用立地因子对地位指数进行间接的评估。这种方法有效地解决了传统方法中有林地和无林地以及多树种统一评价的间题，因此被广泛的使用，但是在分析方法的设计和预估精度的评价方面仍然存在很多不足需要解决，例如，使用逐步回归分析法时，较易产生有偏估计或预测无效的现象()；使用主成分分析法有效地简化数据结构，但前两个主成分因子的累积贡献率往往低于70%[")；应用数量化理论分析方法，可以有效的处理离微型属性因子，但其依赖于大量长期的观测数据[10]。
上述的间题均是由于各立地因子之间的非线性复杂关系直接或间接导致的。人工神经网络（artificialneuralnet-works，ANN)以其自组织、自适应、自学习、并行分布处理等独特的性能引起广泛关注(u)。尤其是BP(back propaga-tion)神经网络模型，一种由非线性传递函数神经元构成的前
基金项目：国家科技支撑计划项目（2012BAH34B01)，北京市自然科学基金项目(09D0297)，国家自然科学基金项目(30872038)资助
作者简介：巩琅熙，1986年生，国家测绘地理信息局第一航测遥感院工程师
通讯联系人
万方数据
e-mail; Hecheng@126. com
e-mail;top_speed2163.com