基于模拟退火算法的BP神经网络模型估算高分辨率叶面积指数

来源 :遥感技术与应用 | 被引量 : 0次 | 上传用户:lah822900
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
卫星遥感技术的快速发展使得获取全球大范围叶面积指数成为可能,但基于现有的算法和数据估算高分辨率LAI的精度还需要提高。针对农作物、草地和林地等3种典型地表类型,选取地面观测数据较多的4个研究区,包括3个各地类用于建模验证的研究区与一个用于适用性验证的独立研究区,针对4个研究区,分别获取地面测量数据以及对应的30 m空间分辨率地表反射率数据。在3个主要研究区建立并比较了NDVI植被指数经验模型、BP神经网络模型和基于模拟退火算法的BP神经网络模型,利用地面实测数据对模型进行验证。结果表明:在研究所选的
其他文献
为了厘清中国近30 a来植被生长趋势及其对不同环境变化的响应,使用了3套长时间序列遥感叶面积指数(Leaf area index,LAI)数据集以及8套生态系统模型,对LAI变化趋势从总量、空间分布以及不同植被类型进行了分析与归因。总量上,1982~2015年遥感观测的LAI趋势(9.8×10~(-3)m~2/m~2·a)高于生态系统模型模拟的趋势(4.2×10~(-3)m~2/m~2·a),大气
基于四套遥感叶面积指数(leaf area index,LAI)长时间序列数据集(MODIS LAI,GLOBMAP LAI,GLASS LAI和GIMMS LAI3g),从各数据集版本更新的角度评估了中国近30 a LAI变化趋势的不确定性,对比了新旧版本的LAI变化趋势在均值、空间分布和不同植被类型上的差异。结果表明:各遥感LAI数据集新旧版在全国植被LAI过去30 a的总体趋势上差异不显著,
利用卫星遥感生产叶面积指数(Leaf area index:LAI)产品并进行真实性检验是植被定量遥感的一项重要研究内容。过去10 a,我国研究人员利用MODIS或AVHRR观测数据生产了GLOBALBNU,GLASS,GLOBMAP,MuSyQ和FSGOM等数套全球和全国LAI产品,受到了国内外的广泛关注和应用。在产品生产的同时,我国学者也广泛开展了LAI产品在全球和区域尺度的真实性检验研究工作
影响城市用地分布的因素目前尚无定论,在多种空间尺度上比较分析城市用地分布空间决定因素对于应对城市蔓延问题有一定现实意义.分析南京市2004~2016年城市用地扩张特征,继而
地形校正是提高复杂地形区地表参数遥感定量化反演精度的重要手段。当前广泛应用的遥感叶面积指数产品(Leaf Area Index,LAI)多具有一定的地形误差,减少地形影响、提升其产品精度有着非常重要的意义。以我国江西省千烟洲地区为研究区域,利用地面实测LAI数据、LandsatTM数据和高程数据等,基于高程标准差和GLOBMAP LAI产品值的关系,建立面向叶面积指数产品的地形校正模型,利用这一模