基于鬣狗算法神经网络反演林地叶面积指数

作者：冷欣; 洪增宇

来源：西南大学学报(自然科学版), 2022, 44(12): 176-185.

DOI：10.13718/j.cnki.xdzk.2022.12.018

• 叶面积指数
• PROSAIL模型
• BP神经网络
• 鬣狗算法

针对遥感影像的神经网络模型对林地叶面积指数(LAI)反演容易陷入局部最优、收敛效率低等问题，提出基于GF-1遥感影像和PROSAIL模型反演数据建立鬣狗算法神经网络模型，并与BP神经网络模型进行对比.结果表明，BP神经网络训练集的均方根误差(RMSE)值为0.140,验证集RMSE值为0.137,测试集决定系数(R2)为0.525;鬣狗神经网络训练集的RMSE值为0.131,验证集RMSE值为0.132,测试集决定系数(R2)为0.703.本研究提出的鬣狗算法，可提升神经网络模型的反演性能，为GF-1卫星在大范围林地LAI反演的应用推广提供了方法思路.

• 单位
  机电工程学院; 东北林业大学