基于人工智能算法的CYGNSS数据土壤水分反演
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

S152.7;S127

基金项目:

国家自然科学基金(42001375, 42001362);江苏省自然科学基金(BK20180765)


Retrievals of soil moisture from the CYGNSS data based on artificial intelligence algorithms
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    利用CYGNSS数据估计地表土壤水分(SM)近年来获得了极大的关注, 但效率和精度有待进一步提升.本文提出了一种预分类策略, 结合人工智能算法(AI), 利用CYGNSS数据预测土壤水分.此策略能够在人工智能算法的基础上进一步提高土壤水分预测的精确度, 具有较好的普适性和易用性.本文使用了2018年全年中国地区的实地土壤水分数据作为地面真实参考数据进行建模以及预测.结果证实预测土壤水分与参考真实数据具有良好的一致性.基于CYGNSS数据预测的土壤水分与实地土壤水分参考数据比对, 其相关系数高达0.8, 平均均方根误差(RMSE)和平均无偏均方根误差(ubRMSE)分别为0.059 cm3/cm3和0.050 cm3/cm3.研究结果表明, 预分类策略的人工智能算法可明显提高CYGNSS预测土壤水分的精确度, 其简单易操作性也使其可广泛应用于其他回归和预测研究领域, 具有较好的泛化性和拓展性.

    Abstract:

    Retrieving surface Soil Moisture (SM) from CYGNSS has attracted great attention in recent years, yet its accuracy and efficiency should be further improved.Here, a pre-classification strategy combined with Artificial Intelligence (AI) algorithm is proposed to predict SM from CYGNSS data.This strategy can improve the accuracy of SM estimation due to the use of AI algorithm and is versatile and easy to use.The field SM data of China in 2018 are used as real ground truth values for modeling and prediction.The results show that the predicted SM is in good agreement with the referenced SM.The correlation coefficient (R) between SM retrieved from CYGNSS and ground truth data is as high as 0.8, and the mean values of Root Mean Square Error (RMSE) and unbiased root mean square error (ubRMSE) are 0.059 cm3/cm3 and 0.050 cm3/cm3, respectively.Meanwhile, the results show that the AI-based pre-classification strategy not only significantly improves the accuracy of SM estimation from CYGNSS, but is applicable to other regression and prediction fields for its good generalization and expansibility.

    参考文献
    相似文献
    引证文献
引用本文

贾燕,金双根,严清赟,郭献涛.基于人工智能算法的CYGNSS数据土壤水分反演[J].南京信息工程大学学报(自然科学版),2021,13(6):645-652
JIA Yan, JIN Shuanggen, YAN Qingyun, GUO Xiantao. Retrievals of soil moisture from the CYGNSS data based on artificial intelligence algorithms[J]. Journal of Nanjing University of Information Science & Technology, 2021,13(6):645-652

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2021-10-08
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2022-01-21
  • 出版日期:

地址:江苏省南京市宁六路219号    邮编:210044

联系电话:025-58731025    E-mail:nxdxb@nuist.edu.cn

南京信息工程大学学报 ® 2024 版权所有  技术支持:北京勤云科技发展有限公司