基于改进的BP神经网络裸露地表土壤水分反演模型对比

被引：7

作者：

胡丹娟 ^{[1
]}

蒋金豹 ^{[1
]}

陈绪慧 ^{[1
]}

李京 ^{[2
]}

机构：

[1] 中国矿业大学地球科学与测绘工程学院

[2] 北京师范大学减灾与应急管理学院

来源：

国土资源遥感 | 2016年 / 28卷 / 01期

关键词：

微波遥感; 改进的BP神经网络; 裸露地表; 土壤水分; 反演模型;

D O I：

暂无

中图分类号：

S152.7 [土壤水分]; S127 [遥感技术在农业上的应用];

学科分类号：

0903 ; 090301 ; 082804 ;

摘要：

土壤水分对于全球水循环十分重要,大面积、快速获取土壤水分信息具有重要意义。微波遥感数据可以用于反演土壤水分。以Matlab为平台建立BP神经网络,通过改进BP神经网络的权值、阈值和网络结构,对该算法进行了优化;在研究区范围,分别利用积分方程模型(integral equation model,IEM)、Oh模型、Shi模型生成模拟数据,训练改进的BP神经网络,构建裸露地表土壤水分反演模型,并用野外实测土壤水分数据对模型进行了验证。结果表明,改进后的BP神经网络算法反演精度明显提高,且Shi模型训练网络反演精度较其他2种模型更高,绝对误差为2.47 g/cm3,相对误差仅为7.78%。

引用

页码：72 / 77

页数：6

共 18 条

[1]

基于AMSR-E和BP神经网络的川中丘陵区土壤水分反演.[D].黄飞.四川农业大学.2012, 08

[2]

青藏高原地区主被动微波遥感联合反演土壤水分的研究.[D].李芹.首都师范大学.2011, 08

[3]

基于IEM的裸露随机地表土壤水分反演研究.[D].高婷婷.新疆大学.2010, 02

[4] Statistical properties of soil moisture images derived from Radarsat-1 SAR data [J].

Merzouki, A. ;

Bannari, A. ;

Teillet, P. M. ;

King, D. J. .

INTERNATIONAL JOURNAL OF REMOTE SENSING, 2011, 32 (19) :5443-5460

[5]

Neural network estimation of LAI ; fAPAR ; fCover and LAI × C ab ; from top of canopy MERIS reflectance data: Principles and validation.[J].C. Bacour;F. Baret;D. Béal;M. Weiss;K. Pavageau.Remote Sensing of Environment.2006, 4

[6] 利用ANFIS方法反演裸土区土壤水分含量 [J].