全部 标题 作者
关键词 摘要

OALib Journal期刊
ISSN: 2333-9721
费用:99美元

查看量下载量

相关文章

更多...
湖泊科学  2009 

结合温度因子估算太湖叶绿素a含量的神经网络模型

DOI: 10.18307/2009.0206

Keywords: 叶绿素a,BP神经网络,MODIS,水温,太湖

Full-Text   Cite this paper   Add to My Lib

Abstract:

神经网络方法估算复杂水体水质参数的优越性已经得到证实.基于太湖水体实测叶绿素a浓度,利用MODIS250m影像和反演得到的水温数据建立了估算太湖水体叶绿素a含量的两个单隐层BP神经网络模型:NN1模型不含温度因子、NN2模型包含温度因子,采用Levenberg-Marquardt算法训练网络,利用初期终止方法提高网络泛化能力,均取得了较高估算精度,其中包含温度因子的反演模型精度稍有提高,但不显著.

References

[1]  李素菊, 吴 倩, 王学军等. 巢湖浮游植物叶绿素含量与反射光谱特征的关系. 湖泊科学, 2002, 14(3): 228-223.
[2]  马荣华, 戴锦芳. 应用实测光谱估测太湖梅梁湾附近水体叶绿素浓度. 遥感学报, 2005, 9(1): 78-86.
[3]  段洪涛, 张 柏, 宋开山等. 长春市南湖叶绿素 a 浓度高光谱估测模型研究. 水科学进展, 2006, 17(3): 323-328.
[4]  马荣华, 戴锦芳. 太湖水色遥感中叶绿素和悬浮物的高光谱分析. 见: 庄逢甘, 陈述彭主编. 中国遥感应用协会 2005 年年会论文集. 北京: 中国宇航出版社, 2005: 236-245.
[5]  Schiller H, Doerffer R. Neural network for emulation of an inverse model-operational derivation of Case II water properties from MERIS data . International Journal of Remote Sensing, 1999, 20(9): 1735-1746.
[6]  张亭禄, 贺明霞. 基于人工神经网络的一类水域叶绿素 a 浓度反演方法. 遥感学报, 2002, 6(1): 40-44.
[7]  陈宇炜, 秦伯强, 高锡云. 太湖梅梁湾藻类及相关环境因子逐步回归统计和蓝藻水华的初步预测. 湖泊科学, 2001, 13(1): 63-71.
[8]  刘元波, 高锡云. 太湖北部梅梁湾水域水质藻类分析. 湖泊科学, 1997, 9(3): 255-260.
[9]  覃志豪, 高懋芳, 秦晓敏等. 农业旱灾监测中的地表温度遥感反演方法—以 MODIS 数据为例. 自然灾害学报, 2005, 14(4): 64-71.
[10]  高懋芳, 覃志豪, 徐 斌. 用 MODIS 数据反演地表温度的基本参数估计方法. 干旱区研究, 2007, 24(1): 113-119.
[11]  韩力群. 人工神经网络教程. 北京: 北京邮电大学出版社, 2006: 65-65.
[12]  MA RH, TANG JW, Dai JF. Bio-optical model with optimal parameter suitable for Lake Taihu in water colour remote sensing. International Journal of Remote Sensing, 2006, 27(19): 4305-4328.
[13]  Luoheng H. Estimating chlorophyll-a concentration using first-derivative spectra in coastal water. International Journal of Remote Sensing, 2005, 26(13): 5235-5244.
[14]  Keiner LE, Yan XH. A Neural Network Model for Estimation Sea Surface Chlorophyll and Sediments from Thematic Mapper Imagery. Remote Sens Environ, 1998, 66(2): 153-165.
[15]  Zhang Y, Koponen S, Pulliainen J et al. Application of empirical neural network to chlorophyll-a estimation in coastal water using optosensors. IEEE Sensors Journal, 2003, 3(4): 376-382.
[16]  唐军武, 丁 静, 田纪伟等. 黄东海二类水体三要素浓度反演的神经网络模型. 高技术通讯, 2005, 15(3): 83-88.
[17]  李国砚, 张仲远, 郑艳芬等. MODIS 影像的大气校正及在太湖蓝藻监测中的应用. 湖泊科学, 2008, 20(2): 160-166.
[18]  Cuneyt K, Selcuk S, Ahmet FC et al. Case studies on the use of neural networks in eutrophication modeling. Ecological Modelling, 2000, 134: 145-152.
[19]  马荣华, 段洪涛, 张寿选等. 太湖草型湖区底质对遥感反射比的贡献. 遥感学报, 2008, 13(3): 483-489

Full-Text

Contact Us

service@oalib.com

QQ:3279437679

WhatsApp +8615387084133