利用随机森林回归进行极化SAR土壤水分反演

• 作者: 任烨仙 刘致曲 孙维东 李平湘 杨杰 黎旻懿
• 来源期刊: 武汉大学学报（信息科学版）
• 学科: 地球科学
• 关键词: 极化SAR 土壤水分 随机森林回归 支持向量回归 人工神经网络
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 学术论文
• 页码范围: 405-412
• 页数: 8页
• 分类号: P237
• 语种: 中文
• DOI: 10.13203/j.whugis20160531

摘要

全极化合成孔径雷达影像能够提供地物丰富的极化信息,挖掘这些信息在地表参数反演中的作用是目前相关领域的研究趋势之一.针对冬小麦区域的不同植被覆盖情况,利用随机森林回归对常用极化特征在土壤水分反演中的重要性进行评估,并在此基础上进行特征选择,挑选优化的极化特征组合,构建了高精度的土壤水分反演模型.实验结果显示,由重要性评分较高的极化特征所组成的反演模型能得到均方根误差(root mean square error,RMSE)小于6％的反演精度,比只输入传统线极化后向散射系数的模型在不同时相、不同数据集的精度都有所提高.与支持向量回归和人工神经网络模型进行比较,利用随机森林回归进行重要性评分与土壤水分反演的效果更好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李平湘	武汉大学测绘遥感信息工程国家重点实验室	105	1890	24.0	38.0
2	杨杰	武汉大学测绘遥感信息工程国家重点实验室	56	374	10.0	17.0
3	刘致曲	武汉大学测绘遥感信息工程国家重点实验室	1	5	1.0	1.0
4	孙维东	武汉大学测绘遥感信息工程国家重点实验室	2	8	2.0	2.0
5	任烨仙	武汉大学测绘遥感信息工程国家重点实验室	2	10	2.0	2.0