一种基于注意力机制的BiGRU-CNN-Net深度学习模型的星载GNSS-R植被含水量反演方法

本发明公开了一种基于注意力机制的BiGRU‑CNN‑Net深度学习模型的星载GNSS‑R植被含水量反演方法，该模型结合了双向门控递归单元神经网络(Bi‑GRU)、注意力机制和卷积神经网络(CNN)的优势与特点，CNN可以有效地提取DDM的空间特征，Bi‑GRU擅长捕捉上下文信息，从而更好地理解输入序列，以解决CNN模型可能忽略序列信息或时序依赖性的问题，同时，注意力机制可以进一步帮助模型突出序列中的重要位置或特征。本发明首次实现了利用混合深度学习模型结合星载GNSS‑R数据和多源卫星遥感数据协同反演局部高时空分辨率植被含水量，提供了一种新的植被含水量获取手段，并实现了一种考虑多种影响因素的星载GNSS‑R反演植被含水量的方法，提高了星载GNSS‑R反演的精度。