典型文献
基于长短时记忆神经网络的葡萄叶面积指数高光谱反演
文献摘要：
针对高光谱数据众多波段间的多重共线性导致的维数灾难问题,为提升葡萄叶面积指数(leaf area index,LAI)的估算精度,提出一种基于敏感波段选择的长短时记忆神经网络(long short term memory,LSTM)估算模型.首先,采用无信息变量消除算法(uninformative variable elimination,UVE)剔除无关信息,以消除光谱波段间的多重共线性,降低光谱维度,提取葡萄LAI敏感波段;其次,采用TensorFlow深度学习框架构建LSTM神经网络模型.应用于陕西泾阳葡萄冠层光谱的LAI估算.结果表明:利用敏感波段构建的LSTM模型各项指标均优于偏最小二乘和支持向量机,其决定系数(R2)、均方根误差(RMSE)和希尔不等系数(TIC)分别为0.9635、0.0745和0.0254;基于原始光谱的LSTM模型的R2、RMSE和TIC分别为0.8810、0.1170和0.0398.UVE波段优选能够提升LSTM神经网络模型估算葡萄LAI的精度,对其他作物理化参量反演具有一定的指导意义.
文献关键词：
长短时记忆神经网络;LAI反演;葡萄;无信息变量消除;高光谱遥感
中图分类号：
作者姓名：
汤森林;张霞;戚文超;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]汤森林;张霞;戚文超;张茂-.基于长短时记忆神经网络的葡萄叶面积指数高光谱反演)[J].遥感信息,2022(05):38-44
A类：
uninformative
B类：
长短时记忆神经网络,葡萄叶,叶面积指数,高光谱反演,高光谱数据,多波段,多重共线性,维数灾难,leaf,area,LAI,估算精度,敏感波段,波段选择,long,short,term,memory,估算模型,无信息变量消除,variable,elimination,UVE,低光,TensorFlow,深度学习框架,框架构建,泾阳,冠层光谱,偏最小二乘,决定系数,RMSE,希尔,TIC,参量,高光谱遥感
AB值：
0.312065
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。
