《表1 GA-BP参数设置》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于遗传优化神经网络的多源遥感数据反演土壤水分》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

采用ANN方法分析ASAR及Landsat TM数据协同反演土壤水分，借助MATLAB 2014a软件，以ASAR数据的VV、VH、VH/VV极化下后向散射系数、入射角度、SRTM DEM（30 m）数据的高程信息、Landsat TM数据的NDVI值作为网络的输入，土壤体积含水量数据则为输出，设计编写BP神经网络。其中VH/VV的后向散射系数在角度一定的情况下仅于地表粗糙度有关，DEM数据可表示入射角的变化，NDVI数据表示植被覆盖情况。根据文献[15]的方法，在98个实测样点的土壤体积含水量数据中选取2/3作为训练数据，余下1/3作为验证数据，建立结构为4层的BP神经网络，1个输入层6个神经元，第1隐含层8个神经元，第2隐含层6个神经元，输出层1个神经元，训练函数为LevenbergMarquardt数值优化算法trainlm，因其能使网络快速收敛，适用于小型神经网络[16]。采用GA优化设计好的BP的网络权值、阈值，优化后的神经网络用来训练及土壤水分反演。GA优化BP神经网络的具体参数设置如表1，图3为优化神经网络土壤水分反演的结果图，由图3可知，土壤水分含量范围为0.14～0.76 m3/m3，裸地部分土壤水分含量较低，当植被覆盖度增大时，土壤水分含量相对增高，该反演结果与实际情况大抵一致。