[发明专利]一种基于SAR和WFV数据的叶面积指数反演模型

权利要求书

1.一种基于SAR和WFV数据的叶面积指数反演模型方法，该度量方法包括如下步骤：

该模型隐含层采用Traindx训练函数和Tan-Sigmoid传递函数，输出层采用Purelin线性传递函数，确定初始权值和阈值；

基于GF-1WFV影像和GF-3SAR影像，提取出6种光学与微波极化分解融合植被指数(MEVI-LAI、MEVI2-LAI、MMSAVI-LAI、MNDVI-LAI、MRVI-LAI、MSAVI-LAI)，作为遗传神经网络模型输入变量，并训练变量；

采用训练变量的误差作为适应度值，采用适应度比例、实数交叉和变异三种方法增强训练和优化搜素能力，直到获取最优权值和阈值；

根据均方根误差RMSE最小为依据，再迭代运算和更新权值和阈值，最终获取最优叶面积指数和反演结果图，该方法经过多源数据协同、算法和神经网络模型融合，进一步提高了叶面积指数反演精度。

2.如权利要求书1所述的方法，其特征在于：基于BP神经网络模型理论，提出了采用BP神经网络模型确定遗传神经网络模型的初始阈值和权值。

3.如权利要求书1所述的方法，其特征在于：基于GF-1WFV和GF-3SAR数据确定6种抗大气、土壤和光学饱和的光学与微波极化分解融合植被指数作为遗传神经网络模型的输入值。

4.如权利要求书1所述的方法，其特征在于：基于遗传算法理论，提出了采用适应度比例、实数交叉和变异三种优化初始权值和阈值。

5.如权利要求书1所述的方法，其特征在于：提出了基于河北示范图的最佳全生育期玉米反演叶面积指数；提出了基于多源数据(GF-1WFV与GF-3SAR)协同、多模型相融合(理论模型与经验模型)试验的叶面积指数反演方法。