基于高光谱数据和RBF神经网络方法的草地叶面积指数反演

• 作者: 包刚 包玉海 周义 海全胜 红雨 覃志豪 辛晓平
• 来源期刊: 国土资源遥感
• 学科: 工学
• 关键词: 高光谱数据 RBF神经网络 草地叶面积指数 反演
• 年，卷（期）: 2012,（2）
• 所属期刊栏目: 技术方法
• 页码范围: 7-11
• 分类号: TP751.1
• 字数: 3675字
• 语种: 中文
• DOI: 10.6046/gtzyyg.2012.02.02

摘要

基于中国农业科学院在呼伦贝尔草原实测的120组草地冠层光谱反射率及相应的叶面积指数(LAI)数据,在进行主成分分析(PCA)实现降维处理的基础上,利用径向基函数(radial basis function,RBF)神经网络方法对草地LAI进行了高光谱反演研究.PCA结果表明,前9个主成分的累积贡献率达到了99.782％,能包含原光谱数据的绝大部分信息.将120组LAI及相应的9个主成分样本数据随机分为校正集数据(90组)和预测集数据(30组),分别用于神经网络模型的建立和LAI的预测.所构建的神经网络模型的模拟结果表明,RBF神经网络模型对校正集样本的模拟准确率达到100％(RMSE =0.009 6,R2 =0.999)；预测集样本的实测LAI和模拟LAI之间的均方误差和决定系数分别为0.218 6和0.839,取得了较好的模拟效果,有效提高了传统的多元线性回归方程(RMSE =0.416 5,R2=0.570)的计算精度.