论文部分内容阅读
应用于土壤盐分含量(Soil Salinity Content, SSC)反演的BP神经网络(Back Propagation Neural Network, BPNN)较少关注对模型精度影响较大的结构参数和初始权重的优化。该文利用Landsat-8 OLI、Sentinel-1 SAR影像数据及SRTM高程数据,基于谷歌地球引擎(GEE)平台构建反演参数,并建立3种反演模型:先利用遗传算法(Genetic Algorithm, GA)同步优化输入层反演参数子集和隐含层神经元数量,再优化初始权重的B