通過神經(jīng)網(wǎng)絡(luò)和機(jī)器學(xué)習(xí)算法,對(duì)SMAP土壤濕度數(shù)據(jù)進(jìn)行降尺度反演,提高空間分辨率。采用GA改進(jìn)的貝葉斯神經(jīng)網(wǎng)絡(luò)算法和隨機(jī)森林算法,建立"天宮二號(hào)"8,9,10通道光譜反射率與土壤濕度數(shù)據(jù)之間的模型,進(jìn)行降尺度反演。結(jié)果表明,SMAP土壤濕度數(shù)據(jù)的空間分辨率由3 km提高至100 m,采用GA改進(jìn)的貝葉斯神經(jīng)網(wǎng)絡(luò)反演算法時(shí),R²為0.788,RMSE為0.142 m³·m^-3;采用GA改進(jìn)的隨機(jī)森林算法進(jìn)行反演時(shí),R²為0.825,RMSE為0.125 m³·m^-3。對(duì)SMAP土壤濕度數(shù)據(jù)進(jìn)行降尺度反演時(shí),GA改進(jìn)的隨機(jī)森林方法模型精度更高,訓(xùn)練效果更好,算法復(fù)雜度更低,可以實(shí)現(xiàn)較為準(zhǔn)確的大范圍土壤濕度降尺度反演。 

【文章來源】：現(xiàn)代電子技術(shù). 2020,43(12)北大核心

【文章頁(yè)數(shù)】：5 頁(yè)

【部分圖文】：

樣本套合“天宮二號(hào)”遙感影像

使用神經(jīng)網(wǎng)絡(luò)和機(jī)器學(xué)習(xí)方法在每次學(xué)習(xí)之后得出的結(jié)果會(huì)有小范圍的波動(dòng)，所以在每個(gè)節(jié)點(diǎn)下都訓(xùn)練了至少5次，以防止模型精度的偶然性。結(jié)果表明：在進(jìn)行“天宮二號(hào)”數(shù)據(jù)土壤濕度反演時(shí)，GA改進(jìn)的貝葉斯神經(jīng)網(wǎng)絡(luò)反演模型精度R-squre為0.788，均方根誤差為0.142 m3·m-3。使用GA改進(jìn)的貝葉斯神經(jīng)網(wǎng)絡(luò)算法得到的預(yù)測(cè)值和真實(shí)值比較結(jié)果如圖3所示。GA改進(jìn)的隨機(jī)森林反演模型R-squre為0.825 3，均方根誤差達(dá)到了0.125 m3·m-3，可知模型反演的精度要優(yōu)于GA改進(jìn)的貝葉斯神經(jīng)網(wǎng)絡(luò)算法。使用GA隨機(jī)森林算法得到的預(yù)測(cè)值和真實(shí)值比較結(jié)果如圖4所示。

GA改進(jìn)的隨機(jī)森林反演模型R-squre為0.825 3，均方根誤差達(dá)到了0.125 m3·m-3，可知模型反演的精度要優(yōu)于GA改進(jìn)的貝葉斯神經(jīng)網(wǎng)絡(luò)算法。使用GA隨機(jī)森林算法得到的預(yù)測(cè)值和真實(shí)值比較結(jié)果如圖4所示。通過比較可以發(fā)現(xiàn)，GA改進(jìn)的隨機(jī)森林反演模型較GA改進(jìn)的貝葉斯神經(jīng)網(wǎng)絡(luò)反演模型可決系數(shù)更高，均方根誤差更低，可以實(shí)現(xiàn)高精度大范圍的土壤濕度反演。

【參考文獻(xiàn)】：
期刊論文
[1]基于天宮二號(hào)POLAR的脈沖星導(dǎo)航實(shí)驗(yàn)[J]. 鄭世界,葛明玉,韓大煒,王文彬,陳勇,盧方軍,鮑天威,柴軍營(yíng),董永偉,馮旻子,賀健健,黃躍,孔敏南,李漢成,李陸,李正恒,劉江濤,劉鑫,師昊禮,宋黎明,孫建超,王瑞杰,王源浩,文星,吳伯冰,肖華林,熊少林,許寒暉,徐明,張娟,張來宇,張力,張曉峰,張永杰,趙一,張雙南.  中國(guó)科學(xué):物理學(xué) 力學(xué) 天文學(xué). 2017(09)
[2]基于MODIS數(shù)據(jù)的濟(jì)南市農(nóng)田區(qū)土壤含水量模型[J]. 劉虹利,王紅瑞,吳泉源,王會(huì)肖.  中國(guó)農(nóng)村水利水電. 2012(08)



本文編號(hào)：3580588