一种基于GA改进的土壤湿度反演方法

作者：常江; 丁雷

来源：现代电子技术, 2020, 43(12): 9-13.

DOI：10.16652/j.issn.1004-373x.2020.12.003

• SMAP土壤湿度
• 降尺度反演
• 算法改进
• 数据处理
• 模型建立
• 相关性分析

通过神经网络和机器学习算法,对SMAP土壤湿度数据进行降尺度反演,提高空间分辨率。采用GA改进的贝叶斯神经网络算法和随机森林算法,建立"天宫二号"8,9,10通道光谱反射率与土壤湿度数据之间的模型,进行降尺度反演。结果表明,SMAP土壤湿度数据的空间分辨率由3 km提高至100 m,采用GA改进的贝叶斯神经网络反演算法时,R2为0.788,RMSE为0.142 m3·m-3;采用GA改进的随机森林算法进行反演时,R2为0.825,RMSE为0.125 m3·m-3。对SMAP土壤湿度数据进行降尺度反演时,GA改进的随机森林方法模型精度更高,训练效果更好,算法复杂度更低,可以实现较为准确的大范围土壤湿度降尺度反演。

• 单位
  中国科学院大学; 中国科学院上海技术物理研究所; 上海科技大学