极限学习机模型的土壤含水量反演研究
针对传统反馈型神经网络模型在土壤含水量反演时容易陷入局部最优解和模型计算效率低等问题,该文提出了极限学习机模型结合主被动遥感进行土壤含水量反演的方法.首先,使用水云模型计算裸土后向散射系数,通过高级积分方程模型建立组合地表粗糙度库,计算各点的地表粗糙度;其次,以计算的裸土后向散射系数、植被指数、地表粗糙度和入射角作为输入数据,以土壤含水量为输出,构建极限学习机模型,并进行训练;最后,对极限学习机土壤含水量反演结果进行验证.结果 表明,该方法反演土壤含水量具有较高的精度和计算效率;同时,与BP神经网络模型的反演结果比较,证明了该方法的有效性,为土壤含水量的反演研究提供了一种方法.
极限学习机;BP神经网络模型;水云模型;土壤含水量;Sentinel-1/2
46
P237(摄影测量学与测绘遥感)
2022-03-16(万方平台首次上网日期,不代表论文的发表时间)
共7页
91-97