资源描述：
《基于机器学习方法的太湖叶绿素a定量遥感研究_张玉超》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、第30卷第5期环境科学Vol.30,No.52009年5月May,2009ENVIRONMENTALSCIENCE基于机器学习方法的太湖叶绿素a定量遥感研究11*112张玉超,钱新,钱瑜,刘建萍,孔繁翔(11南京大学环境学院,污染控制与资源化研究国家重点实验室,南京210093;21中国科学院南京地理与湖泊研究所,南京210008)摘要:为了比较评价人工神经网络和支持向量机2种机器学习算法在水质遥感中的应用能力,本研究首先从基础理论和学习目的入手,对比分析了2种机器学习算法的理论体系;其次,以太湖为例,基于MODIS遥感影像,构
2、建了反演太湖叶绿素a浓度的2种机器学习方法模型,通过对模型的验证、稳定性和鲁棒性分析以及全湖反演结果对比3个方面评价了2种模型的泛化能力.验证结果表明,支持向量机模型对验证样本预测结果的均方差根和平均相对误差分别为5185和2615%,而人工神经网络模型的预测结果均方差和平均相对误差则高达13104和4618%;稳定性和鲁棒性评价亦说明,以统计学习理论为基础的支持向量机模型具有更加良好的稳定性、鲁棒性,空间泛化能力优于人工神经网络模型;2种机器学习算法对太湖叶绿素a的浓度分布反演结果基本一致,但人工神经网络模型因其学习目标设定和
3、网络构建中的/过学习0等缺陷,造成了对东太湖以及湖心区叶绿素a的反演结果与实际监测结果差异较大.关键词:人工神经网络;支持向量机;水质遥感;叶绿素a;太湖中图分类号:X87文献标识码:A文章编号:0250-3301(2009)05-1321-08QuantitativeRetrievalofChlorophyllaConcentrationinTaihuLakeUsingMachineLearningMethods11112ZHANGYu-chao,QIANXin,QIANYu,LIUJian-ping,KONGFan-xian
4、g(1.StateKeyLaboratoryofPollutionControlandResourceReuse,SchooloftheEnvironment,NanjingUniversity,Nanjing210093,China;2.NanjingInstituteofGeographyandLimnology,ChineseAcademyofSciences,Nanjing210008,China)Abstract:Weevaluatedtheperformanceoftwomachinelearningmethods,
5、artificialneuralnet(ANN)andsupportvectormachine(SVM),forestimationofchlorophyllainTaihuLakefromremotesensingdata.Thetheoreticalanalysishasbeendonefrombasictheoryandlearningtargetofthesetwomethodsfirst.ThentwoempiricalalgorithmshavebeendevelopedtorelatereflectanceofMO
6、DIStoinsituconcentrationsofchlorophylla.TheperformanceofANNandSVMiscomparativelyanalyzedintermsofvalidation,stabilityandrobustnessassessmentandchlorophylladistributionofTaihuLakefromtwoalgorithms.Therootofmeansquaredeviation(RMSE)andaveragerelativeerror(ARE)ofvalidat
7、iondataisonly5185and2615%ofSVMretrievalmodel,however,RMSEandAREofANNmodelis13104and4618%.StabilityandrobustnessassessmentsuggestthatSVMprovidesthebetterperformancethanANN.Andtheretrievalresultsshowthatthechlorophylladistributionofthewholelakefromtwoalgorithmsissimila
8、r,however,thechlorophyllaconcentrationintheeasternregionandcentralregionofTaihuLakeisdistortedbyANNmodelbecauseofthelimitations,suc
