基于1D-CNN的植被等效水厚度反演研究

Study on Inversion of Vegetation Equivalent Water Thickness Based on 1D-CNN

赵强 ¹曹骁²

扫码查看

作者信息

1. 湖南省第三测绘院,湖南长沙410004;湖南省地理空间信息工程技术研究中心,湖南长沙410004;地理信息安全与应用湖南省工程研究中心,湖南长沙410004
2. 湖南省第一测绘院,湖南长沙410114
折叠

摘要

[目的]为实现高等级公路路域植被等效水厚度(EWT)快速、连续、高效监测需求.[方法]以叶片尺度高光谱为数据源,首先对辐射传输模型PROSPECT-D模拟数据和实测光谱数据分别进行标准正态变量变换、归一化等光谱变换.应用相关性分析提取各变换光谱特征波段,基于PROSPECT-D模拟数据特征波段分别构建一维卷积神经网络(1D-CNN)、支持向量机路域植被叶片EWT反演模型,并用实测光谱数据进行模型验证.[结果]植被EWT最优反演路径为对光谱进行归一化预处理后,构建PROSPECT-D与1D-CNN组合模型,测试决定系数(R2C)为0.645、均方根误差(RMSEC)为2.367,精度较高,满足应用需求.[结论]该研究为利用高光谱数据对南方丘陵地区高等级公路植被EWT定量反演奠定了基础.

关键词

辐射传输模型/PROSPECT-D/叶片等效水厚度/光谱变换/一维卷积神经网络

Key words

Radiation transfer model/PROSPECT-D/Blade equivalent water thickness/Spectral transformation/One-dimensional convolutional neural network (1D-CNN)

引用本文复制引用

基金项目

202湖南省自然资源重大科技研究项目(湘自资科[2022]3号)

出版年

2023

安徽农业科学

安徽省农业科学院

安徽农业科学

影响因子：0.413

ISSN：0517-6611

浏览量1

参考文献量4

段落导航