基于神经网络算法的多极化雷达数据估算鄱阳湖生物量  

Neural Network-based Biomass Estimation in the Poyang Lake Wetland Using Envisat ASAR Data

作　　者：董磊[1,2] 廖静娟[3] 沈国状[3] 

机构地区：[1]中国科学院遥感应用研究所遥感科学国家重点实验室,北京100101 [2]中国科学院研究生院,北京100049 [3]中国科学院对地观测与数字地球科学中心,北京100101

出　　处：《遥感技术与应用》2009年第3期325-330,I0004,共7页Remote Sensing Technology and Application

基　　金：863计划项目(2006AA12Z122);中国科学院知识创新工程重要方向性项目(KZCX2-YW-313)联合资助

摘　　要：神经网络的特点是分布并行处理,适用于模拟复杂的非线性模型。在野外调查的基础上,利用多极化雷达数据,通过改进MIMICS模型模拟湿地植被参数(植被高度、含水量、生物量等)和雷达后向散射系数之间的关系,建立神经网络模型。通过模型的训练和仿真,与实测数据进行比较、验证,从而估算鄱阳湖湿地植被的生物量分布情况。研究表明基于改进的MIMICS模型训练数据的神经网络模型有较好的反演湿地植被生物量的能力,并据此反演了鄱阳湖湿地2007年4月、7月、11月的生物量动态变化情况。Traditional way to monitor biomass changes is to use linear or nonlinear model from TM/ETM data. In this paper we discuss the neural network algorithms（NNA） to retrieve wetland biomass from multi-polarization（HH and W） backscattering values using ENVISAT ASAR data. Two field measurements were carried out concomitant to the acquisition of ASAR images in this area through the hydrological cycle. Training data of the network are generated by MIMICS model which is often used in the forest. We modify the model to make it available on the wetland system. NNA retrieval results are validated with experimental data. The inversion results show that the NNA is capable of performing the retrieval with good accuracy. Finally,.the trained neural network is used to estimate the overall biomass of the Poyang Lake and make the map of biomass distribution in April,July and November.

关 键 词：生物量 多极化 雷达 神经网络 MIMICS模型 

分 类 号：TP79[自动化与计算机技术—检测技术与自动化装置]