[发明专利]一种基于神经网络模型的森林碳储量计算方法

权利要求书

1.一种基于神经网络模型的森林碳储量计算方法，其特征在于，主要包括：

S1：通过目标森林的DEM和TM图像提取目标森林的坡度、坡向、海拔和植被指数数据集；

S2:建立BP神经网络模型，以坡度、坡向、海拔和植被指数作为模型的输入，碳密度作为模型的输出；

S3：将步骤S1中的数据集分为训练集和验证集，将训练集输入模型对模型进行训练，通过验证集来验证模型的准确性；

S4：将待测试森林的坡度、坡向、海拔、植被指数输入模型中获取待测试森林的碳密度值。

2.根据权利要求1所述的基于神经网络模型的森林碳储量计算方法，其特征在于，所述步骤S1还包括对DEM影像图进行预处理：采用目标森林的矢量数据对DEM影像图进行腌膜裁剪，再采用高斯—克吕格投影及Xian_1980_3_Dregree_GK_CM_102E坐标系对经裁剪的研究区数字化林相图在GIS中进行定义投影、几何校正，得到目标森林的矢量图。

3.根据权利要求1所述的基于神经网络模型的森林碳储量计算方法，其特征在于，所述步骤S1中对DEM图像中坡度和坡向进行提取的工具为3D Analyst。

4.根据权利要求1所述的基于神经网络模型的森林碳储量计算方法，其特征在于，步骤S1中对TM图像中植被指数提取的工具为ENVI5.0软件。

5.根据权利要求1所述的基于神经网络模型的森林碳储量计算方法，其特征在于，步骤S4中所述神经网络模型为BP神经网络模型，所述BP神经网络模型包括一个输入层、三个隐含层和一个输出层，隐藏层神经元数量分别为8，10，8，激活函数为sigmoid函数。

6.根据权利要求1所述的基于神经网络模型的森林碳储量计算方法，其特征在于，所述训练集和验证集数据比为5:3。