10.13718/j.cnki.xdzk.2022.12.018
基于鬣狗算法神经网络反演林地叶面积指数
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.
叶面积指数、PROSAIL模型、BP神经网络、鬣狗算法
44
TP79(遥感技术)
中央高校基本科研业务费专项资助基金2572018BF11
2022-12-22(万方平台首次上网日期,不代表论文的发表时间)
共10页
176-185