基于1D-CNN的植被等效水厚度反演研究

目的]为实现高等级公路路域植被等效水厚度(EWT)快速、连续、高效监测需求。方法]以叶片尺度高光谱为数据源，首先对辐射传输模型PROSPECT-D模拟数据和实测光谱数据分别进行标准正态变量变换、归一化等光谱变换。应用相关性分析提取各变换光谱特征波段，基于PROSPECT-D模拟数据特征波段分别构建一维卷积神经网络(1D-CNN)、支持向量机路域植被叶片EWT反演模型，并用实测光谱数据进行模型验证。结果]植被EWT最优反演路径为对光谱进行归一化预处理后，构建PROSPECT-D与1D-CNN组合模型，测试决定系数(R²_c)为0.645、均方根误差(RMSE_C)为2.367,精度较高，满足应用需求。结论]该研究为利用高光谱数据对南方丘陵地区高等级公路植被EWT定量反演奠定了基础。