基于BP和GRNN神经网络的冬小麦冠层叶绿素高光谱反演建模研究

• 作者: 刘良云 孙焱鑫 李保国 王纪华 赵春江 黄文江
• 来源期刊: 遥感技术与应用
• 学科: 工学
• 关键词: 高光谱遥感 神经网络 遗传算法 叶绿素反演
• 年，卷（期）: 2007,（4）
• 所属期刊栏目: 研究与应用
• 页码范围: 492-496
• 页数: 5页
• 分类号: TP79
• 字数: 4422字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-0323.2007.04.003

摘要

根据高光谱遥感获得的冬小麦冠层数据,把由逐步回归方法和基于遗传算法(GA)的广义回归神经网络(GRNN)筛选到的光谱参数作为网络输入,冠层叶绿素含量作为网络输出,采用线性逐步回归方法、反向传播神经网络(BPNN)和GRNN来构建反演模型,模拟结果表明,GRNN和BPNN的预测精度要高于逐步回归方法,其RMSE分别为0.36 mg/g、0.52 mg/g和0.98 mg/g.由于GRNN可应用于小样本问题的学习,比BPNN对叶绿素具有更好的预测和泛化能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙焱鑫	中国农业大学资源与环境学院	27	1315	14.0	27.0
4	黄文江		124	4252	39.0	57.0
5	王纪华		205	6742	46.0	66.0
6	赵春江		305	8492	50.0	75.0
7	刘良云		96	3697	38.0	55.0
8	李保国	中国农业大学资源与环境学院	162	8025	51.0	84.0