排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
2.
以珠江口东岸香港海域为研究对象,准同步获取实测悬浮物浓度和Radarsat-2影像数据.对影像进行滤波处理和掩模处理后,利用Radarsat-2四种极化下的后向散射系数建立悬浮物浓度单极化回归模型;通过多极化后向散射系数构造多个遥感参数,运用相关性分析得到4个敏感因子,建立悬浮物浓度多极化回归模型.最终得到研究区域悬浮物浓度的反演模型为:SSC=11.08+0.06(HH+VV)-0.002(HH+VV)2,R2=0.84,其中SSC为悬浮物浓度,HH和W为该极化下的后向散射系数,R2为决定系数.研究表明:HH和W极化的后向散射系数之和对研究区域悬浮物反演最为敏感,得到的反演模型能较好预测海洋悬浮物的分布情况. 相似文献
3.
以珠江口海域的Radarsatt-2全极化SAR数据和海域表层水面叶绿素a质量浓度实测数据为基础,利用微波散射原理及Cloude Pottier理论对SAR图像进行分解,得到平均散射角a、散射熵H及VH、VV、HH、HV等6个参数;采用BP人工神经网络模型建立上述6个参数与叶绿素a质量浓度的数学关系模型,并结合实测数据对叶绿素a质量浓度进行分类。结果表明:当隐含层节点数为9,输入层和隐含层传递函数分别为tansig和logsig,学习速率和动量系数均为0.2时的网络结构对叶绿素质量浓度反演取得了较好的效果,叶绿素a质量浓度实测值与预测值之间的决定系数(R~2)为0.826。将模型应用于不同时期的2幅图像进行验证,效果良好,与实际情况基本相符。 相似文献
1