《表4 各林型森林冠顶高反演模型及精度验证》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《融合影像纹理、光谱与地形特征的森林冠顶高反演模型》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

（1）*表示通过0.05水平的显著性检验，**表示通过0.01水平的显著性检验。

各林型森林冠顶高反演模型及精度验证如表4所示。从表4中可以看出，阔叶林中PLSR与MSR的建模精度几乎相同，而PLSR的验证精度高于MSR，说明对于阔叶林PLSR的泛化能力优于MSR；针叶林中PLSR与MSR的R2相差不大，但PLSR的RMSE较小，说明对于针叶林PLSR的反演结果更好；混交林中PLSR的建模及验证精度皆优于MSR；而BP神经网络在不同林型的区域森林冠顶高模拟中皆优于PLSR与MSR，说明其具有较好的应用潜力。在此基础上，利用BP神经网络对不同林型的森林冠顶高进行估算与验证，结果如图3所示。