[發明專利]一種基于優化的BP神經網絡微波遙感反演土壤水分的方法

有效

• 申請號: 202110636136.1
• 申請日: 2021-06-08
• 公開（公告）號: CN113255874B
• 公開（公告）日: 2022-03-11
• 發明（設計）人: 高雅;高懋芳;李召良;尚國琲;張霞
• 申請（專利權）人: 中國農業科學院農業資源與農業區劃研究所;河北地質大學
• 主分類號: G06N3/00
• 分類號: G06N3/00;G06N3/04;G06N3/08;G01N5/04;G01N21/17;G01N33/24;G01S7/41;G01S13/90
• 代理公司: 北京恒創益佳知識產權代理事務所(普通合伙) 11556
• 代理人: 付金豹

1.一種基于優化的BP神經網絡微波遙感反演土壤水分的方法，其特征在于，包括以下步驟：

步驟1：獲取與雷達數據相同或相近時間內的GF-1光學數據，同時對GF-1數據進行輻射定標，大氣校正預處理，后計算歸一化植被指數；

步驟2：對ALOS-2雙極化雷達影像進行濾波，多視，地理編碼預處理，通過預處理分別得到HH和HV兩個極化的總后向散射系數；

步驟3：利用水云模型，去除植被、植被和土壤共同產生的后向散射對土壤后向散射系數的影響，分別得到HH和HV兩個極化的土壤后向散射系數；

步驟4：在ALOS-2衛星過境前后，進行實地土壤樣本采集，樣本采集點均勻分布并且間隔大于3m，土壤樣本帶回實驗室進行處理，采用實驗室烘干法獲得實測土壤質量含水量和體積含水量；

步驟5：根據BP神經網絡建立三層拓撲結構，同時建立對應數據集，包括訓練集和驗證集，利用布谷鳥搜索算法優化BP神經網絡，從而反演得到土壤水分；

所述步驟5中，包括以下步驟：

步驟501、確定BP神經網絡拓撲結構，根據輸入、輸出數據的個數，HH和HV作為輸入值，輸入對應經緯度實測土壤水分數據，作為目標函數的預期輸出值，建立對應的神經網絡預測模型，最后輸出預測的土壤水分，確定初始BP神經網絡權值、閾值和長度，隨后CS對初始值進行編碼；

步驟502、根據CS算法，初始化鳥巢數n、維度D、發現概率pa、鳥窩界值以及最大迭代次數MaxN，后計算初始化鳥窩適應度值，更新最優鳥窩位置和最優解；

步驟503、不斷利用布谷鳥算法對BP神經網絡進行優化，更新適應度較優的鳥窩和最優解，最優解即最適應BP神經網絡的初始閾值和連接權值，如果滿足最大迭代次數，最大迭代次數即布谷鳥算法運算最大次數，輸出全局最優鳥窩和最優值，最優值即反演后接近目標函數的土壤水分值，全局最優鳥窩即BP神經網絡最好的閾值和初始值，如果沒有滿足最大迭代值，最大迭代值即算法停止時經過的次數，即重復步驟502繼續優化，直到得到最優解，即與目標函數最相近的值，反演的土壤水分值；

步驟504、根據步驟503，獲取到最優解后，即反演后的土壤水分值，同實測的土壤水分計算RMSE、MAE以及MAPE，進行精度評價，RMSE、MAE和MAPE值越小，說明結果越好，得到反演后的土壤水分越準確。

2.根據權利要求1所述的方法，其特征在于，所述步驟1中，包括以下步驟：

步驟101、從陸地觀測衛星數據服務中心訂購GF-1影像，GF-1數據時間與ALOS-2數據相同或相近，并且篩選出云量小于20％的GF-1數據；

步驟102、對GF-1數據的進行預處理，GF-1WFV數據，空間分辨率16m,在使用之前需要進行輻射校正，幾何校正，利用ENVI5.3進行操作；

步驟103、利用GF-1數運算，計算歸一化植被指數；

3.根據權利要求1所述的方法，其特征在于，所述步驟2中，包括以下步驟：

步驟201、根據雷達數據處理軟件ENVI5.3.1+SARscape5.2.1，讀取ALOS-2原始數據，首先設置系統參數，導入數據，生成的數據包括SLC數據、地理范圍矢量數據、以及相應的kml文件；

步驟202、根據步驟201生成的SLC數據，進行多視處理，通過多視處理的SLC數據，空間分辨率降低，提升了數據的輻射分辨率；

步驟203、根據步驟202多視處理得到的SAR數據繼續進行濾波處理，選擇Frost濾波方法，抑制斑點噪聲；

步驟204、根據步驟203濾波后得到的SAR數據繼續進行地理編碼和輻射定標處理，下載對應區域的DEM文件，定標結果是無量綱的，由于后向散射的量級都比較小，實際工作中便于分析往往會轉成dB的單位，如果要輸出dB為單位的定標結果，可以選擇相應單位的定標結果輸出。