%0 Journal Article
%T 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
%A 包刚
%A 覃志豪
%A 周义
%A 包玉海
%A 辛晓平
%A 红雨
%A 海全胜
%J 国土资源遥感
%P 7-11
%D 2012
%R 10.6046/gtzyyg.2012.02.02
%X 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(radialbasisfunction,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。
%K 高光谱数据
%K RBF神经网络
%K 草地叶面积指数
%K 反演
%U http://www.gtzyyg.com/CN/abstract/abstract1496.shtml