基于模拟退火算法的BP神经网络模型估算高分辨率叶面积指数

编号 zgly0001721252

文献类型 期刊论文

文献题名 基于模拟退火算法的BP神经网络模型估算高分辨率叶面积指数

作者 薛华柱  王昶景  周红敏  王锦地  万华伟 

作者单位 河南理工大学测绘与国土信息工程学院  北京师范大学地理科学学部遥感科学国家重点实验室北京市陆表遥感数据产品工程技术研究中心  环境保护部卫星环境应用中心 

母体文献 遥感技术与应用 

年卷期 2020年05期

年份 2020 

分类号 TP183  TP79  Q948 

关键词 叶面积指数  反演  模拟退火算法  神经网络 

文摘内容 卫星遥感技术的快速发展使得获取全球大范围叶面积指数成为可能,但基于现有的算法和数据估算高分辨率LAI的精度还需要提高。针对农作物、草地和林地等3种典型地表类型,选取地面观测数据较多的4个研究区,包括3个各地类用于建模验证的研究区与一个用于适用性验证的独立研究区,针对4个研究区,分别获取地面测量数据以及对应的30 m空间分辨率地表反射率数据。在3个主要研究区建立并比较了NDVI植被指数经验模型、BP神经网络模型和基于模拟退火算法的BP神经网络模型,利用地面实测数据对模型进行验证。结果表明:在研究所选的3个主要研究区,基于模拟退火算法的BP神经网络模型的估算精度比BP神经网络模型和NDVI经验模型的估算精度高,农田、草地和林地站点估算结果的决定系数分别为0.899、0.858和0.863,BP神经网络模型的估算结果决定系数分别为:0.763、0.710和0.742,NDVI经验模型的精度最差,其估算结果的决定系数分别为0.622、0.536和0.637。为了验证SA-BP神经网络的适用性,选取独立研究区进行验证,结果显示验证精度较高,R~2为0.842,RMSE为0.689 5,说明该模型外推能力较好。研究证明了基于模拟退火算法的BP神经网络模型提高了模型泛化能力,有效防止了BP神经网络模型滑入局部最小值,是提高高空间分辨率LAI估算精度的有效手段。