基于GRNN模型的悬浮物遥感反演研究——以长江城陵矶段为例 |
| |
引用本文: | 何报寅,张文,乔晓景,苏振华.基于GRNN模型的悬浮物遥感反演研究——以长江城陵矶段为例[J].华中师范大学学报(自然科学版),2014,48(5):737-742. |
| |
作者姓名: | 何报寅 张文 乔晓景 苏振华 |
| |
作者单位: | 1. 中国科学院测量与地球物理研究所环境与灾害监测评估湖北省重点实验室,武汉,430077 2. 中国科学院测量与地球物理研究所环境与灾害监测评估湖北省重点实验室,武汉430077;中国科学院大学,北京100049 3. 山西师范大学城市与环境科学学院,山西临汾041000;中国科学院大学,北京100049 |
| |
基金项目: | 国家自然科学基金项目,武汉市科技局重大科技专项 |
| |
摘 要: | 遥感反演是监测水体表层悬浮物浓度的有效手段之一.广义回归神经网络(GRNN)较其它神经网络具有更强的非线性拟合能力,在小样本情况下有更好的推广性能,适用于遥感反演模型.使用长江中游城陵矶段HJ-1BCCD2遥感影像结合实地同步采样数据分别建立悬浮物GRNN及BP神经网络(BPNN)遥感反演模型,分析对比模型的精度,并使用GRNN模型预测了区域水体悬浮物分布信息.结果表明,相对于BPNN模型,GRNN模型具有较强的非线性拟合能力和较高的反演精度;长江干流的悬浮泥沙浓度总体上明显小于洞庭湖,这主要是三峡工程下泄泥沙大幅减少造成的;洞庭湖浑浊的湖水汇入长江后,在城陵矶至洪湖之间形成明显的混合带;而洞庭湖湖口悬浮物浓度明显高于其他湖区,这可能是该区域采砂活动的强烈扰动引起的.
|
关 键 词: | 悬浮物 遥感反演模型 广义回归神经网络 BP神经网络 长江中游 |
本文献已被 CNKI 万方数据 等数据库收录! |
| 点击此处可从《华中师范大学学报(自然科学版)》浏览原始摘要信息 |
| 点击此处可从《华中师范大学学报(自然科学版)》下载免费的PDF全文 |
|