为检验RS-MLRM和RS-LAIM的估测精度与估测能力，在上述调整的决定系数（R2）检验的基础上，采用常用的均方根误差（RMSE）、精度SE（或系统误差）和实际生物量法（MB）、相对误差（RE）4个指标[142]来进一步检验模型的准确性和精度，见公式（3-25）、（3-26）。实际生物量法是通过对研究区地物进行解译分类，聚类得到不同密度植被的面积，乘以各相应区域的样方单位面积实测平均生物量，然后进行求和得到研究区总的干生物量（公式3-27），将其结果与反演模型估算中生物量结果进行对比，计算其相对误差（公式3-28）。
（3-25）
（3-26）
（3-27）
（3-28）
式中，Bi是第i个样点实测生物量数值，Bi'是第i个样点预测生物量数值，
是各不同类型湿地植被覆盖区域实测单位面积平均生物量，Si是各不同类型湿地植被覆盖区相应的面积，n是样点个数。
利用剩余的87个实测样点的地上生物量求得与实测样点相对应的湿地植被地上生物量预估值，见表3-12。从表3-12可以看出，银川平原不同类型湿地地上生物量RS-MLRM拟合生物量精度及预测能力检验结果均优于RS-LAIM拟合生物量精度及预测能力检验结果，RS-MLRM与实测值回归分析的均方根误差较小，依次为70.891 g/m2、67.072 g/m2、69.991g/m2、68.239 g/m2、71.945g/m2，表明对湿地植被生物量的建模效果良好；相对误差均在10%以内，分别为5.567%、5.768%、6.626%、5.045%、4.643%，表明不同类型湿地植被地上生物量RS-MLRM对湿地植被生物量反演结果有较好的估测能力。总的来说，应用以RVI、ME、NDVI、PC2建立的4因子RS-MLRM能够较好地估测不同类型湿地植被地上生物量，同时也说明纹理特征的引入在一定程度上提高了模型的预测精度。
表3-12 湿地植被生物量RS-MLRM评价
表3-12（续） 湿地植被生物量RS-LAIM评价
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
