【技术实现步骤摘要】
本专利技术涉及森林资源调查监测，特别是涉及基于pso-bp神经网络与shap解释器的针叶乔木生物量估算方法及系统。
技术介绍
1、森林生态系统作为全球碳循环的主体，其碳汇潜力备受关注。而森林生物量数据是了解森林碳汇的前提，加上我国地域广阔，构建应对不同环境因子作用下的精准生物量模型至关重要。
2、杉木是柏科杉木属高大乔木，叶披针形或窄。杉木人工林作为中国亚热带区域最为重要的人工林生态系统之一，分布面积广泛，占亚热带人工林总面积的60％～80％，对我国木材生产、林业经济发展具有重要战略意义。杉木人工林具有生长快、对气候土壤环境要求较高等特点。大量杉木人工林的物种调查发现，其群落物种多样性随着林龄、胸径、密度的不同呈现出巨大的差异，而这一差异形成的机制目前还鲜有探索，尤其缺乏基于大尺度的研究。
3、林木生长是一个复杂的非线性过程，受气候、立地、竞争、干扰等多个因子及其交互作用的影响，若忽略林木生长的空间异质性和时间变化的复杂性，将导致林木生长的估算仍存在很大的不确定性。前人大量的森林生物量估算工作中表明立地环境变量对...
【技术保护点】
1.一种基于PSO-BP神经网络与SHAP解释器的针叶乔木生物量估算方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于PSO-BP神经网络与SHAP解释器的针叶乔木生物量估算方法，其特征在于，所述林木基础数据包括林分变量数据、生物量实测数据和位置变量数据；环境变量数据包括气候变量数据、地形变量数据和土壤变量数据。
3.根据权利要求2所述的基于PSO-BP神经网络与SHAP解释器的针叶乔木生物量估算方法，其特征在于，所述预处理包括：
4.根据权利要求3所述的基于PSO-BP神经网络与SHAP解释器的针叶乔木生物量估算方法，...
【技术特征摘要】
1.一种基于pso-bp神经网络与shap解释器的针叶乔木生物量估算方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于pso-bp神经网络与shap解释器的针叶乔木生物量估算方法，其特征在于，所述林木基础数据包括林分变量数据、生物量实测数据和位置变量数据；环境变量数据包括气候变量数据、地形变量数据和土壤变量数据。
3.根据权利要求2所述的基于pso-bp神经网络与shap解释器的针叶乔木生物量估算方法，其特征在于，所述预处理包括：
4.根据权利要求3所述的基于pso-bp神经网络与shap解释器的针叶乔木生物量估算方法，其特征在于，所述步骤三中，所述pso-bp神经网络模型通过bp神经网络建立从微观参数到宏观参数的映射函数，再将映射函数嵌入到pso算法的适应度函数中搜索最优微参数。<...
【专利技术属性】
技术研发人员：易扬，史明昌，郝瑞军，张桂莲，邢璐琪，
申请(专利权)人：上海市园林科学规划研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。