粒子群优化卷积神经网络GNSS-IR土壤湿度反演方法

P227; 全球卫星导航系统干涉测量法(GNSS-interferometric reflectometry,GNSS-IR)是一种新兴对地观测遥感技术,利用该方法能实现土壤湿度监测,具有很高的应用潜力.针对土壤湿度反演的建模问题,本文构建一种集成粒子群优化算法(particle swarm optimization,PSO)和卷积神经网络(convolutional neural network,CNN)的GNSS-IR 土壤湿度反演模型,将多颗GPS卫星两个频点信噪比(signal-to-noise ratio,SNR)观测数据提取的特征参数作为模型输入,通过粒子群算法求解卷积神经网络超参...

Full description

Saved in:
Bibliographic Details
Published in:测绘学报 2023, Vol.52 (8), p.1286-1297
Main Authors: 何佳星, 郑南山, 丁锐, 张克非, 陈天悦
Format: Article
Language:Chinese
Online Access:Request full text
Tags: Add Tag
No Tags, Be the first to tag this record!
Description
Summary:P227; 全球卫星导航系统干涉测量法(GNSS-interferometric reflectometry,GNSS-IR)是一种新兴对地观测遥感技术,利用该方法能实现土壤湿度监测,具有很高的应用潜力.针对土壤湿度反演的建模问题,本文构建一种集成粒子群优化算法(particle swarm optimization,PSO)和卷积神经网络(convolutional neural network,CNN)的GNSS-IR 土壤湿度反演模型,将多颗GPS卫星两个频点信噪比(signal-to-noise ratio,SNR)观测数据提取的特征参数作为模型输入,通过粒子群算法求解卷积神经网络超参数,对模型进行优化实现高精度反演.以P041站点为例详细描述了模型建立过程,本文方法的均方根误差为0.015 0,相较于基于单星线性、多星线性、未优化CNN和BP神经网络模型分别降低约60％、27％、31％和21％;并通过位于不同地理环境的COPR、P183、P341站点验证模型的可靠性和适用性.试验结果表明,融合多源观测数据建立PSO优化CNN的GNSS-IR 土壤湿度反演模型,能有效反演土壤湿度,一定程度上抑制了不同下垫面环境的影响,具有较强的适用性.
ISSN:1001-1595
DOI:10.11947/j.AGCS.2023.20220277