Нейросетевой метод решения обратных задач для радиационных моделей растительного покрова

Abstract

Розглянуто задачу відновлення параметрів рослинності як задачу, обернену до задачі моделювання спектру відбиття рослини. Для розв’язання задачі запропоновано обчислювально-ефективний нейромережевий метод на базі мереж щільності суміші, який дозволяє отримувати оцінки похибки параметрів, що відновлюються. Формально показані властивості нейронних мереж з традиційною архітектурою та запропонованих. Метод апробовано на тестовій моделі та радіаційній моделі листя рослини PROSPECT. Проведено валідацію метода на даних реальних спостережень.

Vegetation parameter retrieval is considered as the inverse of the problem of modelling canopy radiative transfer. To solve this problem, a new computationally efficient method based on Mixture Density Networks (MDNs) is proposed. The method allows for the estimation of errors of retrieved parameters for each given set of reflectances. The properties of neural networks of traditional architecture and MDNs are considered. The developed method is tested on a simple model and on the PROSPECT leaf radiative transfer model. The method is validated using real data.