基于BP神经网络的落叶松树冠体积及表面积模型构建

摘要

【目的】应用BP神经网络模型预测华北落叶松树冠体积与表面积，探索华北落叶松树冠体积与表面积估算模型的最优形式，为未来的预测模式提供新思路。【方法】以山西省庞泉沟自然保护区的华北落叶松林为研究对象，通过从6块（60 m×60 m）固定样地得到的678个观测数据，运用BP神经网络，分别对华北落叶松树冠体积与表面积建立模型，通过对模型的训练，得到基于BP神经网络的华北落叶松树冠体积和表面积估算模型。【结果】基于BP神经网络的华北落叶松树冠体积与表面积模型的最优结构模型的输入层节点数∶隐层节点数∶输出层节点数=6∶9∶1。其中树冠体积的决定系数（R²）、平均绝对误差（MAE）和均方根误差（RMSE）分别为0.948、5.40 m³、18.40；表面积的R²、MAE和RMSE分别为0.957、3.33 m²、 14.41。基于BP神经网络的华北落叶松树冠体积与表面积模型的性能与输入因子的数量呈正相关，最优模型的输入因子数为6个，分别为冠幅、树高、胸径、最大冠幅高度、第一活枝长（在垂直于树干方向上的投影长度）和冠基高。【结论】输入变量包含树干尺寸和树冠构型特征相关信息，模型能较好地实现华北落叶松树冠体积和表面积的预测。

关键词

模型构建 / 树冠体积与表面积 / BP神经网络 / 机器学习 / 预测模型 / 华北落叶松

基金资助

山西省高等学校科技创新项目（2021L138）;; 北京林业大学中央高校基本科研业务费专项（BFUKF202304）;; 山西农业大学博士科研启动项目（2021BQ15）;; 国家自然科学基金青年科学基金项目（31901308）