第1章 概论 1
1.1 研究背景 1
1.2 国内外研究进展 2
1.3 研究目的与内容 12
1.4 研究技术路线 13
第2章 BP神经网络模型 15
2.1 人工神经网络理论 15
2.2 人工神经网络结构 15
2.3 神经网络的学习方式 16
2.4 BP神经网络 17
2.5 改进的BP神经网络 19
2.6 本章小结 24
第3章 研究区概况及研究基础 26
3.1 研究区概况 26
3.2 监测指标与自变量因子 28
3.3 研究区数据 33
3.4 本章小结 35
第4章 数据预处理 37
4.1 DEM数据预处理 37
4.2 遥感数据预处理 38
4.3 自变量因子数据提取 42
4.4 监测指标数据提取 50
4.5 自变量因子数据整合 50
4.6 自变量因子隶属度求解过程与结果——以杉木为优势树种的小班 50
4.7 自变量因子隶属度求解结果——以马尾松为优势树种的小班 58
4.8 自变量因子隶属度求解结果——以硬阔类为优势树种的小班 62
4.9 自变量因子隶属度求解结果——以黄山松为优势树种的小班 65
4.10 本章小结 68
第5章 基于改进BP神经网络的森林资源蓄积量预测模型的建立 70
5.1 确定训练及仿真样本集 70
5.2 设置模型参数 70
5.3 建立网络 71
5.4 训练网络 71
5.5 网络仿真 71
5.6 森林资源蓄积量仿真结果及分析 71
5.7 本章小结 77
第6章 森林资源蓄积量反演和预测 79
6.1 2004年度森林资源蓄积量反演 79
6.2 2010年度森林资源蓄积量预测 82
6.3 本章小结 86
第7章 胸径、树高等调查因子的估测 87
7.1 平均胸径的估测 87
7.2 平均树高的估测 92
7.3 本章小结 98
第8章 总结与展望 99
8.1 主要研究成果与结论 99
8.2 创新点 100
8.3 展望 101
参考文献 102