基于深度学习的多源遥感反演麦田土壤墒情研究
土壤墒情是影响农作物生长发育的主要因素和干旱监测的重要指标.为提高农作物覆盖下地表土壤墒情反演精度,基于Sentinel-1雷达数据和Sentinel-2光学数据,基于深度学习理论,采用全连接深度神经网络的监督学习模型反演研究区麦田的土壤墒情.结果表明:当隐含层层数为6,隐含层节点数为80,迭代次数为450时,获得模型的最优解.反演结果与实测数据的决定系数为0.9252,均方误差为0.0008,为利用多源遥感数据反演农田地表土壤水分提供了参考.
土壤墒情、反演、深度学习、多源遥感数据
S127;TV93(农业物理学)
厦门大学嘉庚学院校级科研孵化项目;河南省科技攻关项目
2023-03-06(万方平台首次上网日期,不代表论文的发表时间)
共8页
57-64