基于长短时记忆神经网络的葡萄叶面积指数高光谱反演

作者：汤森林; 张霞; 戚文超; 张茂

来源：遥感信息, 2022, 37(05): 38-44.

DOI：10.3969/j.issn.1000-3177.2022.05.006

• 长短时记忆神经网络
• LAI反演
• 葡萄
• 无信息变量消除
• 高光谱遥感

针对高光谱数据众多波段间的多重共线性导致的维数灾难问题，为提升葡萄叶面积指数（leaf area index, LAI）的估算精度，提出一种基于敏感波段选择的长短时记忆神经网络（long short term memory, LSTM）估算模型。首先，采用无信息变量消除算法（uninformative variable elimination, UVE）剔除无关信息，以消除光谱波段间的多重共线性，降低光谱维度，提取葡萄LAI敏感波段；其次，采用TensorFlow深度学习框架构建LSTM神经网络模型。应用于陕西泾阳葡萄冠层光谱的LAI估算。结果表明：利用敏感波段构建的LSTM模型各项指标均优于偏最小二乘和支持向量机，其决定系数（R2）、均方根误差（RMSE）和希尔不等系数（TIC）分别为0.963 5、0.074 5和0.025 4;基于原始光谱的LSTM模型的R2、RMSE和TIC分别为0.881 0、0.117 0和0.039 8。UVE波段优选能够提升LSTM神经网络模型估算葡萄LAI的精度，对其他作物理化参量反演具有一定的指导意义。

• 单位
  中国科学院; 中国科学院大学