基于鬣狗算法神经网络反演林地叶面积指数

摘要：

针对遥感影像的神经网络模型对林地叶面积指数(LAI)反演容易陷入局部最优、收敛效率低等问题,提出基于GF-1遥感影像和PROSAIL模型反演数据建立鬣狗算法神经网络模型,并与BP神经网络模型进行对比.结果表明,BP神经网络训练集的均方根误差(RMSE)值为0.140,验证集RMSE值为0.137,测试集决定系数(R2)为0.525;鬣狗神经网络训练集的RMSE值为0.131,验证集RMSE值为0.132,测试集决定系数(R2)为0.703.本研究提出的鬣狗算法,可提升神经网络模型的反演性能,为GF-1卫星在大范围林地LAI反演的应用推广提供了方法思路.

关键词：叶面积指数、PROSAIL模型、BP神经网络、鬣狗算法

所属期刊栏目：44

分类号：TP79(遥感技术)

资助基金：中央高校基本科研业务费专项资助基金2572018BF11

在线出版日期：2022-12-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：176-185