资源描述：
《用tm影像进行湖泊水色反演研究的人工神经网络模型》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。
1、第24卷第2期环境科学Vol.24,No.22003年3月Mar.,2003ENVIRONMENTALSCIENCE用TM影像进行湖泊水色反演研究的人工神经网络模型11122王建平,程声通,贾海峰,王志石,邓宇华(11清华大学环境科学与工程系,北京100084;21澳门大学科技学院,澳门)摘要:利用人工神经网络技术进行了湖泊水色遥感的反演研究,在同步实验的基础上了构造了包含一个隐含层的BP神经网络模型,利用TM卫星影像反演悬浮物、CODMn、溶解氧、总磷、总氮和叶绿素浓度.反演精度较高,相对误差基本在25%以下,同时分析了该人工神经网络反演模
2、型的误差来源,改进措施以及应用前景.研究表明,在进行小规模的同步监测的基础上,此模型可用于湖泊水质调查、分析和评价.关键词:人工神经网络;环境遥感;水色遥感;反演;湖泊中图分类号:P237;X87文献标识码:A文章编号:0250-3301(2003)02-04-0073AnArtificialNeuralNetworkModelforLakeColorInversionUsingTMImagery11122(11DepartmentofEnv-iWangJianping,ChengShengtong,JiaHaifeng,WangZhishi
3、,TangUWaronmentalScienceandEngineering,TsinghuaUniversity,Beijing100084,China;21FacultyofScienceandTechnology,UniversityofMacao,China)Abstract:ThetechnologyofartificialneuralnetworkwasusedforinversingwaterqualityparametersfromTMimagerydatainthepaperinordertostudywaterqualit
4、yandeutrophicstatusoflake.Onthebasisofsatellitesynchronousmon-itoringexperiment,aBPneuralnetworkmodelwasconstructed,inwhichconcentrationsofSS,CODMn,DO,T-N,T-Pandchlo-awereinversedfromLandsatTMdataandtheaccuracyofwhichwasgood,therelativeerrorofwhichcouldbecontrolledbelow25%.
5、Moreover,thereasonsofsimulatingerror,waysofimprovingmodelandapplicationsofthemodelwerealsoanalyzedindetail.Theresultsofthisresearchtoldthatbasedonasmal-lscaleofsatellitesynchronousexperiment,themodelcouldbeappliedsuccessfullyininvestigation,analysisandestimationoflakewaterq
6、uality.Keywords:artificialneuralnetwork;environmentalremotesensing;watercolorremotesensing;inversion;lake长期以来,湖泊水质数据采集都依赖于常于模式识别、系统模拟等领域.针对水色反演的规监测,耗时费力,且难以及时、迅速地获取数难点及神经网络的特点,本文构造了一个人工据.随着环境信息技术的不断进步,水色遥感技神经网络模型)))/反向传播0模型,进行了湖术由于其大范围、同步性和相对成本较低等优泊水色反演研究.点,在大洋水体、沿海以及湖泊水库的水
7、质监测1数据采集和处理[1~3]中都有广泛的应用.但是,由于水色遥感卫111同步监测星如SeaWiFS、MODIS的空间分辨率在几百米2001-07-08在江西鄱阳湖进行了TM卫星甚至上千米,相对适合于大洋开阔水体的研究,同步水质监测,采样点位置如图1所示.湖泊、水库遥感反演研究一般只能用空间分辨采样点为10个,每个点均测量了悬砂、叶率较高的陆地遥感卫星进行,为之付出的代价绿素a、TN、TP、CODMn、DO、温度、pH等指标.是光谱分辨率降低,这样更加剧了水体中悬浮其中,DO、温度、PH是在现场实测,其余指标在物、叶绿素、黄色物质识别的难度
8、,一定程度上实验室测定.另外,各点均使用GPS接收仪确也限制了水色遥感在陆地水体中的应用.人工神经网络是80年代迅速发展起来的基金项目:国家自然科学基金资助项目(4
