基于ASO-BP神经网络的生物量反演模型研究

本文选择六盘山森林区为论文研究区域，光学数据选择Landsat 8 OLI，微波雷达数据选择具有L波段的ALOS-2PALSAR-2，并结合森林资源清查数据作为六盘山森林AGB的反演模型研究数据源，对选择的两种数据源的相关特征变量进行提取、分析、筛选，基于经典及改进算法构建六盘山森林AGB反演模型。利用原子优化算法（ASO）优化BP神经网络模型构建新的森林地上生物量反演模型——基于原子优化算法改进的BP神经网络（ASO-BP）森林AGB反演模型，通过对两种生物量反演模型精度的对比与评价，最终选择精度最高的ASO-BP反演模型比较适用于六盘山森林地上生物量反演，完成六盘山森林地上生物量的估算和分析。