10.3969/j.issn.1672-5867.2022.02.012
基于Sentinel-1A数据的土壤水分反演
土壤水分是影响作物生长的重要因素,也是监测旱情、估算作物产量的重要参量.为及时、准确地掌握土壤水分,在利用水云模型(Water Cloud Model,WCM)对Sentinel-1 A的后向散射系数校正的基础上,联合地面土壤水分数据,采用线性回归、BP神经网络和支持向量回归三类模型进行了地表土壤水分反演实验研究.实验结果表明:线性回归、BP神经网络和支持向量机回归模型均有较好的反演效果,其决定系数(R2)分别为0.87、0.83和0.8,均方根误差(RMSE)分别为1.1%、1.9%和2.1%.3种模型基本能够满足Sentinel-1A土壤水分的反演要求,对比来看,BP神经网络的反演效果最好.
水云模型;土壤水分;后向散射系数;回归模型
45
P209(一般性问题)
国家自然科学基金;河北省自然科学基金面上项目;河北省高等学校科学技术研究项目
2022-02-25(万方平台首次上网日期,不代表论文的发表时间)
共5页
40-44