粒子群优化卷积神经网络GNSS-IR土壤湿度反演方法

作者：何佳星; 郑南山^*; 丁锐; 张克非; 陈天悦

来源：测绘学报, 2023, 52(08): 1286-1297.

• 土壤湿度
• GNSS-IR
• SNR
• 卷积神经网络
• 粒子群

全球卫星导航系统干涉测量法(GNSS-interferometric reflectometry, GNSS-IR)是一种新兴对地观测遥感技术，利用该方法能实现土壤湿度监测，具有很高的应用潜力。针对土壤湿度反演的建模问题，本文构建一种集成粒子群优化算法(particle swarm optimization, PSO)和卷积神经网络(convolutional neural network, CNN)的GNSS-IR土壤湿度反演模型，将多颗GPS卫星两个频点信噪比(signal-to-noise ratio, SNR)观测数据提取的特征参数作为模型输入，通过粒子群算法求解卷积神经网络超参数，对模型进行优化实现高精度反演。以P041站点为例详细描述了模型建立过程，本文方法的均方根误差为0.015 0,相较于基于单星线性、多星线性、未优化CNN和BP神经网络模型分别降低约60%、27%、31%和21%;并通过位于不同地理环境的COPR、P183、P341站点验证模型的可靠性和适用性。试验结果表明，融合多源观测数据建立PSO优化CNN的GNSS-IR土壤湿度反演模型，能有效反演土壤湿度，一定程度上抑制了不同下垫面环境的影响，具有较强的适用性。

• 单位
  中国矿业大学; 中国矿业大学（北京）