一种基于LSTM及注意力机制的地表反射率反演方法技术

本发明专利技术公开了一种基于LSTM及注意力机制的地表反射率反演方法，所述方法包括：基于遥感及大气再分析数据构建反演数据集；对数据集进行时空配准、异常值及有云点删除、归一化等使其适合于模型输入；利用XGBoost方法及线性相关判断各特征要素相关性进行特征筛选；通过LSTM及注意力机制的深度学习网络生成反演模型；利用生成的模型进行反演并判断精度，反归一化后得到最终地表反射率结果。本发明专利技术克服了传统反演算法中参数计算量大、计算复杂且普适性差等困难，具有良好的普适性及准确性。具有良好的普适性及准确性。具有良好的普适性及准确性。

【技术实现步骤摘要】
一种基于LSTM及注意力机制的地表反射率反演方法


[0001]本专利技术涉及遥感领域，涉及一种基于LSTM及注意力机制的地表反射率反演方法，尤其涉及一种基于LSTM及注意力机制的深度学习网络的地表反射率反演算法。

技术介绍

[0002]地表反射率大小由地物本身特性决定，能够反映地物的光谱特征，是遥感信息应用的基础，在地物识别、分类、物质成分与含量等领域都具有重要价值。而卫星传感器接收的地面辐射，在大气辐射传输过程中受到大气吸收与散射的影响，使其测量值与实际的地物光谱辐射值并不一致。因此去除遥感成像中的干扰信息，准确反演地物反射率具有重要意义。
[0003]传统方法基于辐射传输模型，虽然物理意义明确，但存在计算量大、计算复杂等缺点。深度学习网络通过对输入的大量数据进行抽象和学习，充分逼近复杂的非线性关系。传统反演中参数复杂、传统反演算法中参数计算量大、计算复杂且普适性差等困难，普适性及准确性不强，深度学习算法已经广泛应用于参数反演领域，国内外学者进行了许多研究，并发现反演结果精度较高，取得较好的效果，但是利用深度学习进行反射率反演的研究还本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于LSTM及注意力机制的地表反射率反演方法，其特征在于，包括以下步骤：S1.MODIS数据、大气再分析产品数据输入；S2.基于两种数据构建适应模型输入结构的数据集，包括时空配准、异常值及有云点删除、归一化；S3.数据集分析，通过相关性分析及机器学习模型等方法对反演关键特征进行筛选；S4.设计基于LSTM及注意力机制的深度学习网络，并训练从而生成反射率反演模型；S5.使用步骤S3训练好的模型反演反射率，对其反归一化，得到最终反射率反演结果。2.根据权利要求1所述的一种基于LSTM及注意力机制的地表反射率反演方法，其特征在于，所述步骤S1所需数据主要为以下影响地表反射率的产品：MODIS：定标辐射产品、经纬度坐标数据、气溶胶产品、云产品、地表反射率产品、地表温度产品、地表覆盖变化产品、植被指数产品、云掩膜产品；大气再分析数据：表层土壤水分、地表土壤温度数据、月平均2m气温。3.根据权利要求1所述的一种基于LSTM及注意力机制的地表反射率反演方法，其特征在于，步骤S2对数据的处理包括：MODIS L1B产品辐射定标：通过尺度转换的方法将产品中整数型数据转换为反射率值；筛选同一时刻、同一经纬度的...

【专利技术属性】
技术研发人员：成巍，于小婷，盛庆红，王博，李俊，李亚云，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：