气溶胶光学厚度估测中的LASSO特征选择方法

气溶胶光学厚度估测中通常利用遥感信息构造的多种特征属性作为输入,然而,这些属性中常常存在数据噪音、相互关联性和缺失值,从而降低了估测精度和估测强健性。针对这个问题,基于最小绝对收缩和选择算子（least absolute shrinkage selection operator,LASSO）方法和气溶胶光学厚度反演的先验知识,提出了一种针对遥感卫星观测的高维数据进行特征选择的方法,利用2009年4月2日至2011年4月1日2 a间与全球197个气溶胶地基自动观测网站点时空同步的MODIS（moderate-resolution imaging spectroradiometer）遥感数据,采用常用的人工神经网络作为估测模型进行实验分析,表明该方法能结合反演先验知识对多种异质遥感属性进行分组,通过组间迭代保留关键特征,去除冗余属性,有效进行特征选择,从而显著提高气溶胶光学厚度的估测精度。