基于遗传优化BP神经网络算法的土壤含水量反演研究

在全球的水资源中,地表土壤水分占有极小的比例,仅占全部水资源的0.005%,但是却有及其重要的意义。微波遥感能够全天侯,全天时的监测,且不受云,雾及雨的影响,有很强的穿透能力,这些优点是光学和红外遥感所不具备的。所以将微波遥感运用在土壤水分监测的应用中,相比于其他方式,大大提高了地表土壤含水量反演的精确度和可靠性。微波遥感包括主动式微波遥感和被动式微波遥感,相比于被动式微波遥感,主动式微波遥感获取图像的空间分辨率较高,特别是随着携带主动微波传感器的卫星发射成功,大量的SAR图像数据的获取,为土壤水分监测研究奠定了基础。 论文在遗传算法(GA)和人工神经网络(ANN)基础上提出了一种新的反演算法:遗传算法优化BP网络。优化算法将BP网络的隐含层的结点数和每层的权值和阈值级联构成一个染色体,对此编码,根据需要解决的问题建立合适的适应度函数,计算个体的适应度值,根据值的大小分别进行遗传算法的选择、交叉、变异操作,最后得出一组最优值,将这组最优的参数值赋值给新建的BP网络,这样BP网络不仅能够在全局范围内得到一组最优参数值,同时还能减少了网络收敛的时间。BP网络训练数据选择改进的高级积分模型(AIEM),因为AIEM模型比任何一种模型更能真实有效的模拟实际地表的散射特性。网络训练完成之后,将HH极化和VV极化的后向散射系数作为输入数据反演介电常数,土壤含水量用topp介电模型公式表示。 本文利用优化算法首先反演了裸土的含水量,输入数据为HH极化的后向散射系数和VV极化的后向散射系数,输入数据是利用室内散射测量系统测量获取的,反演结果与实际采样得到的含水量比较得到的误差很小。除此之外还利用优化算法反演机载SAR图像和星载ENVISAT图像,机载SAR图像区域是一片裸土,ENVISAT图像区域是一片水稻试验田地。两幅图像反演效果很好,虽然还需要一些改进的地方,但是证明GA优化BP算法一种行之有效的反演方法,可以用于大面积区域的地表土壤含水量的反演。