典型文献
基于LSTM算法的FY-3B卫星春玉米叶面积指数反演
文献摘要：
FY-3B卫星具有观测频次高、成像范围广等特点,可为玉米叶面积指数(leaf area index,LAI)反演研究提供长时序观测数据.LSTM((long short-term memory)算法具有在多时相数据中提取时间特征的能力,能解决光谱数据与LAI之间复杂的非线性问题.本文基于辽宁省锦州市近地实测春玉米LAI和反射率光谱数据,利用光谱响应函数模拟FY-3B多光谱波段,结合与春玉米LAI相关性较高的28种植被指数,应用LSTM算法建立不同隐藏层的预测模型,并与偏最小二乘法(partial least-squares regression,PLSR)建立的模型进行预测精度对比.结果表明:隐藏层的层数对LSTM模型的拟合效果有较大影响,三层LSTM模型将LAI估算精度的决定系数由0.818 3(单层LSTM)、0.780 0(PLSR)提升至0.869 2;对应地,将均方根误差由0.509 1、0.490 6降低至0.372 6,模型精度提升明显.
文献关键词：
春玉米;叶面积指数;FY-3B;LSTM
中图分类号：
作者姓名：
张霞;陶诗语;张茂
作者机构：
中国科学院空天信息创新研究院,北京 100101;中国科学院大学,北京 100049
文献出处：
引用格式：
[1]张霞;陶诗语;张茂-.基于LSTM算法的FY-3B卫星春玉米叶面积指数反演)[J].吉林大学学报（地球科学版）,2022(06):2071-2080
A类：
B类：
FY,3B,春玉米,叶面积指数,测频,leaf,area,LAI,反演研究,长时序,观测数据,long,short,term,memory,多时相数据,提取时间,时间特征,光谱数据,非线性问题,锦州市,近地,反射率,利用光,光谱响应函数,多光谱,波段,植被指数,偏最小二乘法,partial,least,squares,regression,PLSR,精度对比,层数,拟合效果,估算精度,决定系数,模型精度,精度提升
AB值：
0.387424
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
