基于模擬退火算法的BP神經網絡模型估算高分辨率葉面積指數

作者：薛華柱,王昶景,周紅敏,王錦地,萬華偉

摘要：衛星遙感技術的快速發展使得獲取全球大范圍葉面積指數成為可能,但基于現有的算法和數據估算高分辨率LAI的精度還需要提高。針對農作物、草地和林地等3種典型地表類型,選取地面觀測數據較多的4個研究區,包括3個各地類用于建模驗證的研究區與一個用于適用性驗證的獨立研究區,針對4個研究區,分別獲取地面測量數據以及對應的30 m空間分辨率地表反射率數據。在3個主要研究區建立并比較了NDVI植被指數經驗模型、BP神經網絡模型和基于模擬退火算法的BP神經網絡模型,利用地面實測數據對模型進行驗證。結果表明:在研究所選的3個主要研究區,基于模擬退火算法的BP神經網絡模型的估算精度比BP神經網絡模型和NDVI經驗模型的估算精度高,農田、草地和林地站點估算結果的決定系數分別為0.899、0.858和0.863,BP神經網絡模型的估算結果決定系數分別為:0.763、0.710和0.742,NDVI經驗模型的精度最差,其估算結果的決定系數分別為0.622、0.536和0.637。為了驗證SA-BP神經網絡的適用性,選取獨立研究區進行驗證,結果顯示驗證精度較高,R2為0.842,RMSE為0.6895,說明該模型外推能力較好。研究證明了基于模擬退火算法的BP神經網絡模型提高了模型泛化能力,有效防止了BP神經網絡模型滑入局部最小值,是提高高空間分辨率LAI估算精度的有效手段。

發文機構：河南理工大學測繪與國土信息工程學院 北京師范大學地理科學學部 環境保護部衛星環境應用中心

關鍵詞：葉面積指數反演模擬退火算法神經網絡Leaf Area Index(LAI)InversionSimulated annealing algorithmBP neural network

分類號： TP79[自動化與計算機技術—檢測技術與自動化裝置]