共查询到20条相似文献，搜索用时 656 毫秒
1.
基于人工神经网络的一类水域叶绿素—a浓度反演方法 总被引：17，自引：0，他引：17
介绍了一种基于人工神经网络的海中一类水域叶绿素反演方法。人工神经网络是3层的反向传输神经网络。其结构是输入层有4个节点，它们分别对应4个波段412m，443nm，490nm，510nm的遥感反射比与555nm波段遥感反射比的比值，隐含层有5个节点，输出层一个节点对应于叶绿素深度。该神经网络的训练和试验样本集来自SeaBAM的数据集。数据集中的919个站位的70％（644个）用于训练，30％（275个）用于测试。结果表明，该方法的精度优于被广泛采用的三次经验方法。 相似文献
2.
HJ-1A/B卫星CCD影像的武汉市东湖水色三要素遥感研究 总被引：2，自引：0，他引：2
以武汉市东湖为研究区域,利用同步的MODIS-Terra气溶胶光学厚度数据为输入参数,采用FLAASH模型对2010年3月11日HJ-1A/B卫星CCD影像进行大气校正处理,并利用多年实测数据建立叶绿素a浓度、悬浮泥沙浓度、黄色物质吸收系数三要素神经网络反演模型,对水色三要素进行反演。通过对反演结果与实测数据的对比分析可知,悬浮泥沙浓度、黄色物质吸收系数和叶绿素a浓度的平均相对误差分别为28.052%、17.628%和35.621%,表明HJ-1A/B卫星CCD传感器基本能满足II类水体水色要素的遥感监测需求。 相似文献
3.
水体吸收系数是评价水体环境质量和衡量海洋对全球气候影响的重要因子.水色遥感作为目前对大范围海洋进行长时间连续监测的唯一手段,可以借助于合适的反演模型从影像上获取水体吸收系数.然而现有模型多为经验模型,反演精度和水体适应性都较差.基于自建的全球水体光学原位测量数据集SeaBASS2020,通过选用412、443、490、510、560、620、665 nm波段的遥感反射率以及620、665 nm与其余5个波段的遥感反射率比值作为模型输入特征,并以Matérn函数作为模型的核函数,提出一种基于高斯过程回归的水体吸收系数反演模型GPR-a.实验结果表明,在反演精度上GPR-a较传统的波段比值经验模型有大幅提升,其中决定系数R2提升了24.79％,均方根误差σRMSE和平均相对误差εMRE分别降低了50％和35.17％.此外,实验还验证了GPR-a具有较强的鲁棒性和极佳的反演值不确定度估计能力. 相似文献
4.
基于高光谱遥感反射比的太湖水体叶绿素a含量估算模型 总被引：19，自引：1，他引：19
旨在寻找叶绿素a的高光谱遥感敏感波段并建立其定量估算模型。通过对太湖水体的连续监测，获得了从2004年6月到8月3个月的太湖水体高光谱数据和水质化学分析数据。利用实测的高光谱数据分析计算太湖水体的离水辐亮度和遥感反射比；然后，通过相关分析寻找反演叶绿素a浓度的高光谱敏感波段，进而建立反演太湖水体叶绿素a浓度的高光谱遥感定量估算模型，并用相关数据对模型进行精度分析。研究发现，水体的遥感反射比光谱在719nm和725nm存在两个峰，其中719nm处的峰更明显且稳定。通过模型的对比分析，发现用这两个峰值处的遥感反射比参与建模可以提高叶绿素a的估算精度；并且认为由反射比比值变量R719／R670所建立的线性模型对叶绿素a浓度的估算精度最理想。 相似文献
5.
6.
人工神经网络模型反演植被生物量参数 总被引：9，自引：0，他引：9
该文利用 1988年小麦生长期中生物量参数和微波 (10 2GHz)主被动遥感实测数据 ,作为输入输出I/O矢量对 ,训练人工神经网络为参数反演模型。然后用 1989年小麦生长期中微波主被动遥感实测数据和该神经网络模型 ,来反演其生物量参数在整个 1989年生长期中的变化。反演结果与遥感实测结果作了很好的比较 相似文献
7.
用分析模型方法反演水体叶绿素的浓度 总被引：16，自引：1，他引：16
水体叶绿素浓度是水质评价的一个重要指标。建立水体光学传输的分析模型，进而用分析模型反演水体叶绿素浓度，对于提高遥感反演水质参数的精度和实用性具有重要意义。作者于2004年6月初对太湖18个点位进行了同步水体波谱实测和水体取样分析。由这18个点位的实测数据，利用Gordon模型建立了R（0^-）的模拟模型，并进而用优化函数的方法反演水体叶绿素浓度。反演值与实测值的相关系数达到0．99，当叶绿素浓度高于30mg／m^3时，反演的相对误差小于20％。进而用该模型反演2005年7月太湖7个点位的叶绿素浓度，反演值与实测值的相关系数为0．94，其中，有6个点位的反演值相对误差小于60％。 相似文献
8.
利用光学遥感反演盐度,可以充分利用遥感数据的空间代表性,以及目前高分率遥感数据的高时空精度。本文利用MERIS(Medium Resolution Imaging Spectrometer)300 m数据,以干旱区的博斯腾湖(博湖)为例,探讨了光学遥感数据反演低盐湖泊水体盐度的可行性。结果显示:在开都河入流影响的博湖西南角,存在光学遥感反演盐度利用的黄色物质(CDOM)与盐度的反比关系,但相关性不高,而且在博湖区域不同时间、不同区域CDOM与盐度的关系都不同。博湖盐度低于3 g·L-1,而遥感数据计算盐度的精度约为1.1 psu,因而用光学遥感数据计算博湖盐度的误差太大。博湖本身CDOM与盐度关系的时空异质性以及相关性不高,目前光学遥感反演精度有限,因此,在博湖用光学遥感数据反演整个湖区的盐度有困难。用光学数据反演水体盐度要求盐度足够高,盐度和CDOM存在梯度,并满足CDOM扩散守恒,因此用光学遥感反演低盐湖泊水体盐度较为困难。 相似文献
9.
基于中国农业科学院在呼伦贝尔草原实测的120组草地冠层光谱反射率及相应的叶面积指数(LAI)数据,在进行主成分分析(PCA)实现降维处理的基础上,利用径向基函数(radial basis function,RBF)神经网络方法对草地LAI进行了高光谱反演研究.PCA结果表明,前9个主成分的累积贡献率达到了99.782％,能包含原光谱数据的绝大部分信息.将120组LAI及相应的9个主成分样本数据随机分为校正集数据(90组)和预测集数据(30组),分别用于神经网络模型的建立和LAI的预测.所构建的神经网络模型的模拟结果表明,RBF神经网络模型对校正集样本的模拟准确率达到100％(RMSE =0.009 6,R2 =0.999);预测集样本的实测LAI和模拟LAI之间的均方误差和决定系数分别为0.218 6和0.839,取得了较好的模拟效果,有效提高了传统的多元线性回归方程(RMSE =0.416 5,R2=0.570)的计算精度. 相似文献
10.
基于BP神经网络模型的太湖悬浮物浓度遥感定量提取研究 总被引：6，自引：1，他引：6
构建了含有一个隐含层的两层BP神经网络反演模型，以TM数据的前4个波段的反射率作为输入，以悬浮物浓度值作为输出，成功反演了太湖水体的悬浮物浓度。 相似文献
11.
渤海近岸水体漫衰减系数Kd(490)遥感反演模型 总被引：2，自引：0，他引：2
利用2005年渤海近岸水体生物光学数据集, 建立了基于水体遥感反射率光谱Rrs(λ)数据的490nm波段水体漫衰减系数Kd(490)经验反演模型, 经实测数据检验, 模型反演结果的平均相对误差为18.4%, 均方根误差(对数坐标下)为0.094m-1, 相关系数R2 (对数坐标下)为0.902。分析了模型的噪声敏感性, 在输入端引入±5%误差的情况下, 模型反演结果的平均相对误差波动在9%以内, 均方根误差的变化在0.035m-1以内, 模型是稳定可靠的。以ENVISAT MERIS数据为例, 进行了模型的示范应用, 给出了渤海Kd(490)的空间分布。 相似文献
12.
昆承湖水质状况遥感监测与空间特征分析 总被引：2，自引：0，他引：2
针对镇域水资源常规的监测方法不能满足对水质适时、大尺度的监测评价要求等问题,该文以江苏常熟辛庄镇昆承湖为例,分析叶绿素a(Chl-a)和悬浮物(SS)浓度值与水体归一化反射光谱、一阶微分反射光谱特征的关系,运用PEARSON法分析两者之间的相关性,确定Chl-a和SS的敏感波段,利用Chl-a和SS敏感波段归一化光谱反射值和实测浓度数据建立了水质参数反演模型。采用同时相ETM遥感数据对水质参数(叶绿素a和悬浮物)浓度进行遥感定量反演,并根据反演结果分析镇域水体污染空间分布特征。结果表明,对水质参数几个最大正(负)相关的光谱值进行波段组合处理可以提高反演精度,并且模型反演值和实测浓度值之间误差较低。通过对叶绿素、悬浮物等水质参数反演实现了对昆承湖水体污染状况的快速、准确和动态的信息获取和评价,有效地实时监测镇域水体在空间和时间上的变化状况和特性。 相似文献
13.
14.
传统的气溶胶遥感反演算法在地表反射率较低、结构较为均一的海洋及浓密植被等区域的气溶胶反演可以达到较高的精度,而在城市、矿区等高亮度、高异质性区域的气溶胶反演中仍面临较大的挑战。当地表反射率较高时,卫星传感器获取的对气溶胶具有标识性的信息不足,导致了气溶胶反演的困难。为更大程度地挖掘卫星信号中对气溶胶具有标识性的信息,本文提出使用深度学习技术的气溶胶遥感反演算法,用于Landsat 8 OLI传感器的气溶胶反演。选择全球不同区域的AERONET站点气溶胶实测数据以及对应区域的Landsat 8 OLI传感器的观测几何角度和表观反射率数据,根据合理的时空匹配原则构建样本数据。选择深度置信网络,在合理设置训练批次和训练次数的基础上对网络进行训练和测试,生成关于卫星传感器数据的气溶胶光学厚度拟合网络模型,实现气溶胶遥感反演。使用独立的AERONET站点气溶胶实测数据对反演结果进行了验证,结果表明：该方法可反演不同地表类型区域连续空间覆盖的气溶胶光学厚度,且达到了较高的精度（R=0.8745,RMSE=0.0391,MAE=0.0616,EE=87.94%）。与传统的方法相比,本方法基于单时相卫星遥感数据即可实现气溶胶的高精度反演,简化了气溶胶反演的步骤,提高了气溶胶反演的稳定性和时空适应性。 相似文献
15.
联合HJ-1/CCD和Landsat8/OLI数据反演黑河中游叶面积指数 总被引：1，自引：0，他引：1
目前制约30 m分辨率地表参数遥感提取的主要因素是有限的观测个数,而联合多传感器观测是提高单位时间观测频次的一个有效途径。本文以黑河中游为研究区,利用HJ-1/CCD和Landsat 8/OLI传感器构建多传感器观测数据集。对多传感器观测数据集在观测周期内的有效观测个数、观测角度和双向反射分布函数BRDF分布特征、以及经过预处理后的多传感器数据一致性等问题进行分析。不同传感器观测数据质量差异是多传感器联合反演的主要问题,因此本文首先制定了多传感器数据质量控制方案,然后利用统一模型查找表反演单传感器叶面积指数LAI结果,对10天观测周期内经过质量筛选的单传感器反演结果采用平均方法合成LAI产品。结果表明,LAI有效反演像元占总反演像元比例由单传感器的6.4%—49.7%提高到多传感器的75.9%。利用地面测量数据进行验证分析,LAI反演结果与地面实测数据的均方根误差RMSE均值为0.71。利用30 m分辨率的HJ-1/CCD和Landsat 8/OLI传感器数据可以生产精度可信、时间分辨率连续的LAI产品。 相似文献
16.
四种遥感浅海水深反演算法的比较 总被引：2，自引：0，他引：2
详细介绍了单波段线性回归模型、两波段比值线性回归模型、多波段组合线性回归模型、BP神经网络模型等4种光学遥感水深反演算法,然后利用同一地区、同一时期的Worldview-2多光谱遥感影像和实测水深数据,对4种水深反演模型的准确性进行了实验比较。研究表明:多波段组合线性回归模型、BP神经网络模型的水深反演的性能较好,利用多光谱遥感图像数据反演得到的水深值误差较小;而单波段线性回归模型、两波段比值线性回归模型的效果较差。 相似文献
17.
太湖草型湖区底质对遥感反射比的贡献 总被引：1，自引：0，他引：1
水体的光谱特性主要表现为体散射而非表面反射,光学浅水中,光穿透水体而到达水底,离水辐射包含水体自身的贡献以及底质反射并透过水体到达水面的贡献.2004年10月试验获取了太湖67个样点的遥感反射比、后向散射以及吸收等表观光学量和固有光学量,同时测量了叶绿素、悬浮物和DOC含量,以及其他相关参数,如透明度、水深;以草泥均匀分布的水平朗伯性湖底、均质水体为假设条件,使用LEE模型,计算了太湖草型湖区底质对恰在水面下遥感反射比的贡献,同时计算了漫垂直衰减系数;分析了漫垂直衰减系数与透明度、悬浮颗粒以及与无机悬浮颗粒的关系,同时分析了漫垂直衰减系数与底质贡献的关系,从而为太湖水质参数遥感反演精度的提高打下了良好的基础并有了定量判断底质贡献的科学依据. 相似文献
18.
将GNSS测量的大地高以较高精度转换为工程所需的正常高具有重要的实用价值。本文利用GSVS2017项目高精度的GNSS水准数据,分析了深度BP/ELMAN神经网络、广义回归神经网络(GRNN)、径向基函数神经网络(RBFNN)、支持向量机回归(SVR)、二次曲线拟合和曲面拟合等方法用于GNSS高程转换的精度。试验结果表明：(1)在训练点间距为50、30、15、10、5 km时,采用隐含层激励函数为ReLU的深度BP/ELMAN神经网络,其精度比GRNN、RBFNN、SVR、二次曲线拟合和曲面拟合方法高;(2)利用隐含层激励函数为ReLU的深度BP/ELMAN神经网络进行GNSS高程转换,5种训练点间距均可使90%以上检核点间的高差满足四等水准测量精度,75%以上满足三等水准测量精度要求,训练点间距为5 km时,55%以上的高差可达到二等水准测量精度要求。 相似文献
19.
20.
BP神经网络用于GPS高程转换的网络配置 总被引：2，自引：0，他引：2
匡翠林 《测绘与空间地理信息》2004,27(5):38-40
BP神经网络的输入与输出关系是一个高度非线性映射关系,其用于GPS高程转换中有着较高的精度。但它存在不少问题,如网络的隐含层和隐含层节点个数选取尚无理论上的指导,参加学习的样本的质量如何影响仿真精度等。本文结合实例分析了上述问题,从而得出了BP神经网络用于GPS高程转换时网络配置问题的一些相关结论。 相似文献