基于机器学习的多频多星GNSS-IR模式NDVI反演研究
刘一1
郑南山1
丁锐1
张克非2
鞠海龙1
1.中国矿业大学 自然资源部国土环境与灾害监测重点实验室,江苏徐州 221116;中国矿业大学环境与测绘学院,江苏徐州 2211162.中国矿业大学 自然资源部国土环境与灾害监测重点实验室,江苏徐州 221116
摘要：归一化植被指数(NDVI)是地表植被信息的重要表征,针对传统GNSS干涉遥感(GNSS-IR)技术NDVI反演中数据利用不充分的问题,本文融合多轨多频GNSS卫星数据,采用随机森林(RF)、BP 神经网络(Back Propagation Neural Network)、深度置信神经网络(DBN-DNN)3 种机器学习算法,分别建立了基于单频/双频、单星/多星数据的GNSS-IR模式NDVI反演模型,并对其普适性进行了验证.结果表明:机器学习算法能够充分利用多轨多频GNSS数据,有效提高NDVI反演精度,其中DBN-DNN算法的建模精度最高,相比于BP网络和随机森林,其平均相关系数分别提高了 2.57％,20.17％,平均均方根误差分别降低了 1.97％,8.40％;L2频多星数据最适用于NDVI反演,相比于双频、Li频、单星数据,其平均相关系数分别提高了 12.31％,19.63％,26.07％,平均均方根误差分别下降了 6.33％,9.33％,12.50％.
关键词：GNSS-IR机器学习多频多星卫星信号信噪比NDVI反演
分类号：P228.4(大地测量学)
资助基金：国家自然科学基金(41974039)自然资源部国土环境与灾害监测重点实验室开放基金(LEDM2021B11)国家自然科学基金(U22A20569)高等学校学科创新引智计划(111计划)(2020-10969)江苏高校优势学科建设项目(140119001)
论文发表日期：2023-09-30
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 1014-1021 )
英文信息