帮助 关于我们

返回检索结果

基于遗传BP神经网络的主被动遥感协同反演土壤水分
Soil moisture retrieval based on GA-BP neural networks algorithm

查看参考文献11篇

余凡 1   赵英时 2   李海涛 1  
文摘 提出了一种基于遗传神经网络算法的主被动遥感协同反演地表土壤水分的方法.首先,建立一个BP神经网络,并采用遗传算法对BP网络的节点权值进行了优化.然后分别将TM数据(TM3,TM4,TM6)、不同极化和极化比的(VV,VH,VH/VV)ASAR数据作为神经网络的输入,土壤水分含量作为网络的输出,用部分实测数据对网络进行训练并反演得到研究区土壤水分布图.最后,利用地面实测数据分别对遗传神经网络优化算法的有效性和主被动遥感协同反演的效果进行了验证,结果表明,新优化算法是有效可行的,且TM和ASAR协同反演的结果比两者单独反演的结果明显要好,体现了主被动遥感协同反演土壤水分的优势与潜力.
其他语种文摘 A new semi-empirical model is presented for soil moisture content retrieval,using ENVISAT-ASAR and LANDSAT-TM data collaboratively.Firstly,a back propagation(BP) neural network algorithm(GA) is introduced,and a genetic algorithm is applied to optimize the weights of the node of BP neural network.Then the TM bands(TM3,TM4,TM6) and ASAR data(VV,VH,VH/VV) are taken as the input of the GA-BP neural network,and the output corresponds to the ground soil moisture.The partial field measurements of soil moisture are used as training samples to train the network and to achieve the map of soil moisture distribution.The field measurements are used to test the validity of the BP neural network algorithm and effectiveness of the active and passive remote sensing cooperative inversion.The comparison between the inversion using single data set(TM or ASAR),and the cooperative inversion of active and passive remote sensing data demonstrates that the new algorithm is more effective,and shows considerable potential in soil moisture retrieval by integrating active and passive remote sensing data.
来源 红外与毫米波学报 ,2012,31(3):283-288 【核心库】
DOI 10.3724/sp.j.1010.2012.00283
关键词 主被动遥感 ; GA-BP神经网络 ; 土壤水分 ; 反演
地址

1. 中国测绘科学研究院, 地理空间信息工程国家测绘局重点实验室, 北京, 100830  

2. 中国科学院研究生院资源与环境学院, 北京, 100049

语种 中文
文献类型 研究性论文
ISSN 1001-9014
学科 测绘学
基金 国家973计划 ;  国家自然科学基金 ;  中国测绘科学研究院科研基本业务经费
文献收藏号 CSCD:4575763

参考文献 共 11 共1页

1.  Kogan F N. Global drought watch from space. Bulletin of the American Meteorological Society,1997,78:621-636 被引 26 次    
2.  Ulaby F T. Microwave remote sensing. Volume Ⅱ:Radar Remote Sensing and surface Scattering and Emission Theory,1982 被引 2 次    
3.  Pan H. Application of BP neural network based on genetic algorithm. Computer Application,2005,25(12):2777-2779 被引 4 次    
4.  赵英时. 遥感应用分析原理与方法,2003:138-144 被引 1 次    
5.  Moran M S. Soil moisture evaluation using multi-temporal synthetic aperture radar (SAR) in semiarid rangeland. Agriculture and Forest Meteorology,2000,105:69-80 被引 20 次    
6.  L I Z. App lication of the com bination of genetic algorithm and artificial neural network on crop yield estimation in Jilin Province. Acta Ecologica Sinica,2001,21(5):716-720 被引 1 次    
7.  Pan H. Application of BP neural network based on genetic algorithm. Computer application,2005,25(12):33-45 被引 1 次    
8.  . MATLAB 被引 10 次    
9.  哈斯巴干. 基于气象数据与AVHRR热红外数据的人工神经网络分类方法. 中国科学院研究生院学报,2003,2(3):328-333 被引 6 次    
10.  刘良云. 利用温度和植被指数进行地物分类和土壤水分反演. 红外和毫米波学报,2002,21(4):269-273 被引 26 次    
11.  Roo D R. A semi-empirical backscattering model at L-band and C-band for a soybean canopy with soil moisture inversion. IEEE Trans. Geosci. Remote Sensing,2001,39(4):864-872 被引 2 次    
引证文献 22 篇

1 林娜 基于KMNF和BP神经网络的高光谱遥感影像分类 计算机工程与设计,2013,34(8):2774-2777,2782
被引 1 次

2 吴见 土地沙化信息遥感监测技术研究进展 世界林业研究,2014,27(1):57-61
被引 0 次

显示所有22篇文献

论文科学数据集

1. 基于微波数据同化的中国土壤水分数据集（2002-2011）

2. 基于风云卫星FY-3B微波成像仪MWRI数据的全球日尺度土壤水分数据集（2010-2019）

3. 黑河生态水文遥感试验：黑河流域中游PLMR反演土壤水分数据集

数据来源：
国家青藏高原科学数据中心
PlumX Metrics
相关文献

 作者相关
 关键词相关
 参考文献相关

iAuthor 链接
赵英时 0000-0002-7904-4123
版权所有 ©2008 中国科学院文献情报中心 制作维护：中国科学院文献情报中心
地址：北京中关村北四环西路33号 邮政编码：100190 联系电话：(010)82627496 E-mail:cscd@mail.las.ac.cn 京ICP备05002861号-4 | 京公网安备11010802043238号