一种基于GA改进的土壤湿度反演方法

摘要：

通过神经网络和机器学习算法,对SMAP土壤湿度数据进行降尺度反演,提高空间分辨率.采用GA改进的贝叶斯神经网络算法和随机森林算法,建立"天宫二号"8,9,10通道光谱反射率与土壤湿度数据之间的模型,进行降尺度反演.结果表明,SMAP土壤湿度数据的空间分辨率由3 km提高至100 m,采用GA改进的贝叶斯神经网络反演算法时,R2为0.788,RMSE为0.142 m3·m-3;采用GA改进的随机森林算法进行反演时,R2为0.825,RMSE为0.125 m3·m-3.对SMAP土壤湿度数据进行降尺度反演时,GA改进的随机森林方法模型精度更高,训练效果更好,算法复杂度更低,可以实现较为准确的大范围土壤湿度降尺度反演.

关键词：SMAP土壤湿度、降尺度反演、算法改进、数据处理、模型建立、相关性分析

所属期刊栏目：43

分类号：TN206-34(光电子技术、激光技术)

资助基金：国家重点研发计划项目2018YFB0504701

在线出版日期：2020-06-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：9-13