基于高光谱数据和RBF神经网络方法的草地叶面积指数反演
2012-12-27覃志豪包玉海辛晓平海全胜
包 刚,覃志豪,周 义,包玉海,辛晓平,红 雨,海全胜
(1.呼伦贝尔草原生态系统国家野外科学观测研究站,北京 100081;2.内蒙古师范大学内蒙古自治区遥感与地理信息系统重点实验室,呼和浩特 010022;3.南京大学国际地球系统科学研究所,南京210093;4.内蒙古师范大学生命科学与技术学院,呼和浩特 010022;5.包头师范学院,包头 014030)
基于高光谱数据和RBF神经网络方法的草地叶面积指数反演
包 刚1,2,3,覃志豪3,周 义3,包玉海2,辛晓平1,红 雨4,海全胜5
(1.呼伦贝尔草原生态系统国家野外科学观测研究站,北京 100081;2.内蒙古师范大学内蒙古自治区遥感与地理信息系统重点实验室,呼和浩特 010022;3.南京大学国际地球系统科学研究所,南京210093;4.内蒙古师范大学生命科学与技术学院,呼和浩特 010022;5.包头师范学院,包头 014030)
基于中国农业科学院在呼伦贝尔草原实测的120组草地冠层光谱反射率及相应的叶面积指数(LAI)数据,在进行主成分分析(PCA)实现降维处理的基础上,利用径向基函数(radial basis function,RBF)神经网络方法对草地LAI进行了高光谱反演研究。PCA结果表明,前9个主成分的累积贡献率达到了99.782%,能包含原光谱数据的绝大部分信息。将120组LAI及相应的9个主成分样本数据随机分为校正集数据(90组)和预测集数据(30组),分别用于神经网络模型的建立和LAI的预测。所构建的神经网络模型的模拟结果表明,RBF神经网络模型对校正集样本的模拟准确率达到100%(RMSE=0.0096,R2=0.999);预测集样本的实测LAI和模拟LAI之间的均方误差和决定系数分别为0.2186和0.839,取得了较好的模拟效果,有效提高了传统的多元线性回归方程(RMSE=0.4165,R2=0.570)的计算精度。……
