摘要
为进一步提高湖泊总悬浮颗粒物浓度遥感反演的准确性,引进适应复杂非线性映射的RBF神经网络模型,以鄱阳湖通江湖体为例进行了实证分析,根据实测水体悬浮颗粒物浓度和MODIS遥感数据,对遥感数据进行预处理,建立了RBF神经网络悬浮颗粒物浓度反演模型,神经元个数为8个,误差性能目标值为0.001,对悬浮颗粒物浓度进行反演。研究结果表明,验证样本相关系数R2=0.956 8,均方根误差RMSE=0.54。利用神经网络模型反演水悬浮颗粒物浓度是有效的,其反演结果优于非线性回归模型的结果。
To further enhance retrieval accuracy of total suspended solid（TSS） concentration by sensing remote data,this paper introduced suitable RBF neural network model which is the complicated nonlinear mapping model.Based on the measured TSS concentration and the preprocessing of MODIS data from a case of Poyang lake,a RBF neural network model of the TSS concentration is established.the number of neurons was 8,the error performance objectives is 0.001.The results show that the validation sample correlation coefficient R2=0.9568,root mean square error RMSE=0.54.It is effective that using neural network model retrieve water suspended solids concentration,the inversion results are better than non-linear regression model results.
出处
《生态环境学报》
CSCD
北大核心
2010年第12期2948-2952,共5页
Ecology and Environmental Sciences
基金
国家自然科学基金项目(40672159)
国际科技合作项目(2006DFB91920)
国务院国家重大水专项(2008ZX07576-008)
关键词
总悬浮颗粒物
鄱阳湖
神经网络
遥感
Total suspended solid
Poyang lake
neural network model
remote sensing
作者简介
江辉（1978年生），男，副教授，博士研究生，主要研究3s技术在水环境中研究及应用。E—mail：jnhuily@163．com
通讯作者：刘小真。E-mail：l_xiaozhen2003@yahoo．com
