基于神经网络算法的多极化雷达数据估算鄱阳湖生物量

神经网络的特点是分布并行处理，适用于模拟复杂的非线性模型。在野外调查的基础上，利用多极化雷达数据，通过改进mimics模型模拟湿地植被参数(植被高度、含水量、生物量等)和雷达后向散射系数之间的关系，建立神经网络模型。通过模型的训练和仿真，与实测数据进行比较、验证，从而估算鄱阳湖湿地植被的生物量分布情况。研究表明基于改进的mimics模型训练数据的神经网络模型有较好的反演湿地植被生物量的能力，并据此反演了鄱阳湖湿地2007年4月、7月、11月的生物量动态变化情况。