基于特征选择与遗传神经网络的土壤水分反演

土壤水分是作物生长的重要影响因素,也是水文、生态和气候等环境因素中不可忽视的环节,对自然环境过程具有深远的影响.遥感技术发展与应用为区域地表土壤水分监测提供了有效手段.本研究以Sentinel数据为主要数据源,提取特征参数构建输入参数数据集,利用遗传算法优化的 BP 神经网络重构土壤水分反演模型.结果表明:借助Sentinel微波遥感影像与光学遥感影像提取 20个特征参数,可基于BP神经网络反演研究区内土壤水分含量,但特征参数冗余导致模型运算效率较低,耗时较长.利用特征选择算法对特征子集降维后,借助XGBoost重要性得分进行特征筛选,最终确定 8 个最优特征变量,保留了特征数据集主要信息,有...

Full description

Saved in:
Bibliographic Details
Published in中国农业气象 Vol. 45; no. 10; pp. 1095 - 1108
Main Authors 刘昀昊, 李雪冬, 费龙, 杨拂晓
Format Journal Article
LanguageChinese
Published 长春师范大学地理科学学院,长春 130032 01.10.2024
天津市地质工程勘测设计院有限公司,天津 300191%长春师范大学地理科学学院,长春 130032
Subjects
土壤水分
遗传算法
Feature selection
Soil moisture
Genetic algorithm
微波遥感
特征选择
神经网络
Neural network
Microwave remote sensing
Online AccessGet full text
ISSN1000-6362
DOI10.3969/j.issn.1000-6362.2024.10.001

Cover

More Information
Summary:土壤水分是作物生长的重要影响因素,也是水文、生态和气候等环境因素中不可忽视的环节,对自然环境过程具有深远的影响.遥感技术发展与应用为区域地表土壤水分监测提供了有效手段.本研究以Sentinel数据为主要数据源,提取特征参数构建输入参数数据集,利用遗传算法优化的 BP 神经网络重构土壤水分反演模型.结果表明:借助Sentinel微波遥感影像与光学遥感影像提取 20个特征参数,可基于BP神经网络反演研究区内土壤水分含量,但特征参数冗余导致模型运算效率较低,耗时较长.利用特征选择算法对特征子集降维后,借助XGBoost重要性得分进行特征筛选,最终确定 8 个最优特征变量,保留了特征数据集主要信息,有效减少数据冗余,反演结果 R2 为 0.62,RMSE 为 0.59%,网络运行时间与内存占用情况较全要素的GA-BP神经网络明显改善,运行时间平均下降 75s,内存占用平均减少 863.86MB.反演研究区年内 7 月、9月土壤水分含量最高,土壤重量含水量最大值为 38.29%,平均 14.52%,1 月土壤水分含量最低,土壤重量含水量最大值为 15.71%,平均 12.52%,与当年降水趋势相近.本文所提方案在满足较高反演精度同时,能实现较快速的区域土壤水分反演,为微波与光学等多源遥感数据结合反演农田地表土壤水分提供了新思路.
ISSN:1000-6362
DOI:10.3969/j.issn.1000-6362.2024.10.001