基于RBF模型的太湖北部叶绿素a浓度定量遥感反演

以大型内陆浅水湖泊一太湖为例，采用RBF（Radial Basis Function）神经网络建立该研究区域的叶绿素a浓度与同步影像数据的反演模型，较分析现今应用最广泛使用的BP（Back Propagation）神经网络模型，并通过对模型的验证、稳定性和鲁棒性分析评价了两种模型的泛化能力。结果表明，常规的BP神经网络模型收敛速度慢，极容易陷入局部最优解，而RBF比BP模型有更加优异的函数逼近、分类和模式识别能力，对反演叶绿素a浓度具有很强的泛化能力