摘要：引文格式：杜金明, 罗明良, 白雷超, 等. 基于PSO_GA-RBF神经网络模型的元谋干热河谷区土壤水分反演[J]. 测绘通报, 2024(11): 1-6.doi: 10.13474/j.cnki.11-2246.2024.1101.

本文内容来源于《测绘通报》2024年第11期，审图号：GS京（2024）2287号

基于PSO_GA-RBF神经网络模型的元谋干热河谷区土壤水分反演

杜金明1,2, 罗明良1,2, 白雷超1,2, 吴秋声1,2

1. 西华师范大学地理科学学院, 四川 南充 637009;

2. 大小凉山干旱河谷土壤侵蚀与生态修复野外科学观测研究站, 四川 喜德 616753

基金项目：国家自然科学基金(41871324);西华师范大学博士启动项目(22kE001)

关键词：土壤水分, Sentinel-1/2, 径向基函数神经网络, 干热河谷, 土壤水分反演

引文格式：杜金明, 罗明良, 白雷超, 等. 基于PSO_GA-RBF神经网络模型的元谋干热河谷区土壤水分反演[J]. 测绘通报, 2024(11): 1-6.doi: 10.13474/j.cnki.11-2246.2024.1101.

摘要

摘要：土壤水分对水文和气候过程有重要影响,充分、准确地掌握土壤水分状态对水文模拟、生态治理等具有十分重要的研究价值。本文针对元谋干热河谷区土壤水分反演问题,利用PSO_GA组合优化的RBF神经网络构建了一种新的土壤水分反演模型。试验利用Sentinel-1雷达数据和Sentinel-2光学数据,首先采取适用于研究区低矮植被覆盖类型的水云模型校正植被散射影响;然后将得到的VV和VH极化的土壤直接后向散射系数及交叉极化差代入构建的模型中,实现了对云南省元谋县干热河谷区土壤体积含水量的遥感反演;最后将反演结果与实测的土壤体积含水量数据进行对比验证。结果显示,两者的均方根误差为0.55% m3/m3,决定系数(R2)为0.855,对比传统RBF神经网络模型,精度提升明显。将反演结果与NDVI值进行相关分析,结果显示两者的决定系数(R2)为0.512 7。因此,基于Sentinel-1雷达影像数据,利用水云模型和PSO_GA组合优化的RBF神经网络反演的土壤体积含水量具有极高的精度,验证了在干热河谷区大范围土壤水分监测的可行性。

作者简介：杜金明(1999-),男,硕士生,主要从事GIS应用与数字地貌研究工作。E-mail:1014556524@qq.com

通信作者：罗明良,E-mail:lolean586@163.com

资讯

来源：测绘学报