基于TM数据的太湖叶绿素A浓度定量反演

基于TM数据的太湖叶绿素A浓度定量反演

利用TM(ETM)数据与准实时地面采样数据,建立太湖叶绿素浓度反演模型.结果表明,TM3/(TM1+TM4)与叶绿素A浓度的相关性最好,并以此建立了太湖叶绿素A浓度线性反演模型,但反演精度并不高,因此,建立了一个两层BP神经网络模型反演太湖的叶绿素A浓度,结果表明,神经网络模型的反演精度远高于线性反演模型,16个测试样本表明,神经网络模型反演的相对误差小于30%的有15个点,占总测试样本93.75%,而线性反演模型反演相对误差在30%以下的仅有3个点,这表明对于太湖这样一个光谱特征复杂的二类水体,可以利用神经网络模型反演水质参数.

作 者： 吕恒 江南 罗潋葱 LU Heng JIANG Nan LUO Lian-Cong   作者单位： 中国科学院南京地理与湖泊研究所,江苏,南京,210008  刊 名： 地理科学  ISTIC PKU 英文刊名： SCIENTIA GEOGRAPHICA SINICA  年，卷(期)： 2006 26(4)  分类号： X143  关键词： 太湖   叶绿素A浓度   遥感   定量反演   神经网络模型  

【基于TM数据的太湖叶绿素A浓度定量反演】相关文章：

查干湖叶绿素a浓度高光谱定量模型研究04-26

基于MODIS数据的金塔绿洲地表温度反演04-27

应用水表面下辐照度比估测太湖夏季水体叶绿素a浓度04-26

遥感指数在湖泊叶绿素a反演研究中的应用04-25

基于小波纹理信息的星载SAR图像与TM图像的数据融合04-26

基于GIS的森林景观定量分类04-27

基于遗传算法CSAMT反演计算研究04-27

东海赤潮高发区半分析算法色素浓度反演04-25

基于GIS的地震烈度定量化输入04-27

基于逼近算法的结构共振震害定量风险分析04-26