典型文献
基于Sentinel-1A数据的土壤水分反演
文献摘要：
土壤水分是影响作物生长的重要因素,也是监测旱情、估算作物产量的重要参量.为及时、准确地掌握土壤水分,在利用水云模型(Water Cloud Model,WCM)对Sentinel-1 A的后向散射系数校正的基础上,联合地面土壤水分数据,采用线性回归、BP神经网络和支持向量回归三类模型进行了地表土壤水分反演实验研究.实验结果表明:线性回归、BP神经网络和支持向量机回归模型均有较好的反演效果,其决定系数(R2)分别为0.87、0.83和0.8,均方根误差(RMSE)分别为1.1％、1.9％和2.1％.3种模型基本能够满足Sentinel-1A土壤水分的反演要求,对比来看,BP神经网络的反演效果最好.
文献关键词：
水云模型;土壤水分;后向散射系数;回归模型
中图分类号：
作者姓名：
焦月正;张安兵;王贺封;于坤;李武乾
作者机构：
河北工程大学 矿业与测绘工程学院,河北 邯郸056038;邯郸市自然资源空间信息重点实验室,河北 邯郸056038;邯郸职业技术学院,河北 邯郸056001
文献出处：
引用格式：
[1]焦月正;张安兵;王贺封;于坤;李武乾-.基于Sentinel-1A数据的土壤水分反演)[J].测绘与空间地理信息,2022(02):40-44
A类：
B类：
Sentinel,1A,土壤水分,作物生长,旱情,算作,作物产量,参量,水云模型,Water,Cloud,Model,WCM,后向散射系数,支持向量回归,地表土,支持向量机回归模型,决定系数,RMSE,本能,比来
AB值：
0.281959
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。
