基于BP和GRNN神经网络的冬小麦冠层叶绿素高光谱反演建模研究

被引：16

作者：

孙焱鑫 ^{[1
]}

王纪华 ^{[2
]}

李保国 ^{[1
]}

刘良云 ^{[2
]}

黄文江 ^{[2
]}

赵春江 ^{[2
]}

机构：

[1] 中国农业大学资源与环境学院

[2] 国家农业信息化工程技术研究中心

来源：

遥感技术与应用 | 2007年 / 04期

关键词：

高光谱遥感; 神经网络; 遗传算法; 叶绿素反演;

D O I：

暂无

中图分类号：

TP79 [遥感技术的应用]; TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

根据高光谱遥感获得的冬小麦冠层数据,把由逐步回归方法和基于遗传算法(GA)的广义回归神经网络(GRNN)筛选到的光谱参数作为网络输入,冠层叶绿素含量作为网络输出,采用线性逐步回归方法、反向传播神经网络(BPNN)和GRNN来构建反演模型,模拟结果表明,GRNN和BPNN的预测精度要高于逐步回归方法,其RMSE分别为0.36 mg/g、0.52 mg/g和0.98 mg/g。由于GRNN可应用于小样本问题的学习,比BPNN对叶绿素具有更好的预测和泛化能力。

引用

页码：492 / 496

页数：5

共 11 条

[1] 应用广义回归神经网络进行土壤空间变异研究
沈掌泉
周斌
孔繁胜
John S.Bailey
[J]. 土壤学报, 2004, (03) : 471 - 475
[2] 基于GA的神经网络在火炸药剂辨识中的应用
孙忠华
王珏
瞿中
[J]. 微机发展, 2003, (08) : 3 - 5
[3] 基于神经网络的水稻双向反射模型研究
申广荣
王人潮
[J]. 遥感学报, 2002, (04) : 252 - 258
[4] 用于高光谱遥感图象分类的一种高阶神经网络算法
熊桢
童庆禧
郑兰芬
[J]. 中国图象图形学报, 2000, (03) : 20 - 25
[5] Deriving green crop area index and canopy chlorophyll density of winter wheat from spectral reflectance data
Broge, NH
Mortensen, JV
[J]. REMOTE SENSING OF ENVIRONMENT, 2002, 81 (01) : 45 - 57
[6] Mark T. Leung,An-Sing Chen,Hazem Daouk.Forecasting exchange rates using general regression neural networks[J].Computers and Operations Research,2000(11)
[7] Visible/near infrared reflectance and chlorophyll content in Eucalyptus leaves
Datt, B
[J]. INTERNATIONAL JOURNAL OF REMOTE SENSING, 1999, 20 (14) : 2741 - 2759
[8] LIBERTY - Modeling the effects of leaf biochemical concentration on reflectance spectra
Dawson, TP
Curran, PJ
Plummer, SE
[J]. REMOTE SENSING OF ENVIRONMENT, 1998, 65 (01) : 50 - 60
[9] Estimating leaf biochemistry using the PROSPECT leaf optical properties model
Jacquemoud, S
Ustin, SL
Verdebout, J
Schmuck, G
Andreoli, G
Hosgood, B
[J]. REMOTE SENSING OF ENVIRONMENT, 1996, 56 (03) : 194 - 202
[10] J. R. Miller,E. W. Hare,J. Wu.Quantitative characterization of the vegetation red edge reflectance 1. An inverted-Gaussian reflectance model[J].International Journal of Remote Sensing,1990(10)

← 1 2 →