%A 刘俊,孟庆岩,葛小三,刘顺喜,陈旭,孙云晓 %T 基于BP神经网络的夏玉米多生育期叶面积指数反演研究 %0 Journal Article %D 2020 %J 遥感技术与应用 %R 10.11873/j.issn.1004-0323.2020.1.0174 %P 174-184 %V 35 %N 1 %U {http://www.rsta.ac.cn/CN/abstract/article_3178.shtml} %8 2020-02-20 %X

叶面积指数(Leaf Area Index,LAI)是生物地球化学循环中重要的植被结构参数。针对目前基于我国GF-1 WFV卫星影像的夏玉米多生育期LAI反演研究较少的问题,基于不同隐含层构建BP神经网络模型(BP1模型和BP2模型),对比分析BP1模型、BP2模型和6种统计模型(NDVI、RVI、DVI、EVI、SAVI、ARVI)反演之间的精度差异,并根据实测数据绘制BP1模型和BP2模型的夏玉米多生育期LAI动态变化图。结果表明:LAI与6种常用的统计模型均有良好相关性,其中NDVI指数方程式回归模型拟合度最优;BP神经网络模型整体R 2略小于统计模型,而RMSE则小于统计模型,取得了与实测值差异更小的结果,统计模型与BP神经网络模型各有优劣之处;BP2模型在R 2和RMSE均优于BP1模型,能获得更为精确的反演值,BP2整体预测精度更高;基于BP神经网络模拟夏玉米生育期反演,LAI值呈现缓慢升高—快速增长—逐渐减小的S型变化过程,基本符合作物生长规律。该研究结合不同隐含层建立的BP神经网络模型,为GF-1卫星在作物叶面积指数多生育期反演的应用推广提供了方法支撑。