基于TM数据的太湖叶绿素A浓度定量反演

吕恒 已出版文章查询
吕恒
本平台内已出版文章查询
1 江南 已出版文章查询
江南
本平台内已出版文章查询
1 罗潋葱 已出版文章查询
罗潋葱
本平台内已出版文章查询
1

+ 作者地址

1中国科学院南京地理与湖泊研究所,中国科学院南京地理与湖泊研究所,中国科学院南京地理与湖泊研究所 江苏南京210008,江苏南京210008,江苏南京210008


0
  • 摘要
  • 参考文献
  • 相关文章
  • 统计
利用TM(ETM)数据与准实时地面采样数据,建立太湖叶绿素浓度反演模型。结果表明,TM3/(TM1+TM4)与叶绿素A浓度的相关性最好,并以此建立了太湖叶绿素A浓度线性反演模型,但反演精度并不高,因此,建立了一个两层BP神经网络模型反演太湖的叶绿素A浓度,结果表明,神经网络模型的反演精度远高于线性反演模型,16个测试样本表明,神经网络模型反演的相对误差小于30%的有15个点,占总测试样本93.75%,而线性反演模型反演相对误差在30%以下的仅有3个点,这表明对于太湖这样一个光谱特征复杂的二类水体,可以利用神经网络模型反演水质参数。

[1]罗潋葱,秦伯强,朱广伟.太湖流域上游降水特征分析[J].地理科学,2004,24(4):472~476.

[2]高超,朱继业,戴科伟,等.快速城市化进程中的太湖水环境保护:困境与出路[J].地理科学,2003,23(6):746~750.

[3]刘兆德,虞孝感,王志宪.太湖流域水环境污染现状与治理的新建议[J].自然资源学报,2003,18(4):47~474.

[4]Vermote E F.Second S imu lation of the Satellite S ignal in the So-lar Spectrum,6S:An Overview[J].IEEE Transactions On Geo-science and Remote Sensing,1997,35(3):675-685.

[5]刘三超,张万昌,蒋建军,等.用TM影象和DEM获取黑河流域地表反射率和反照率[J].地理科学,2003,23(5):585~591.

[6]TASSAN S.Evaluation of the potential of the Thematic Mapperformarine application[J].INT.J.Remote Sensing,1987,8(10):1455-1478.

[7]丛爽.面向MATLAB工具箱的神经网络理论与应用[M].合肥:中国科学技术大学出版社,1998.


语种: 中文   

基金中国科学院南京地理与湖泊研究所所长基金资助

关键词太湖 叶绿素A浓度 遥感 定量反演 神经网络模型


期刊热词
  • + 更多
  • 字体大小