基于1D-CNN的植被等效水厚度反演研究

扫码查看

原文链接

国家科技期刊平台
NETL
NSTL
万方数据
维普

中文摘要：[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.

外文标题：Study on Inversion of Vegetation Equivalent Water Thickness Based on 1D-CNN

外文关键词：

Radiation transfer modelPROSPECT-DBlade equivalent water thicknessSpectral transformationOne-dimensional convolutional neural network (1D-CNN)

作者：

赵强、曹骁

展开 >

作者单位：

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

湖南省第一测绘院,湖南长沙410114

展开 >

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

基金：

202湖南省自然资源重大科技研究项目

项目编号：

湘自资科[2022]3号

出版年：

2023

DOI：

10.3969/j.issn.0517-6611.2023.18.001

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

年,卷(期)：2023.51(18)

浏览量1
参考文献量4