利用高光谱数据估算太湖水体CDOM浓度的神经网络模型

孙德勇; 李云梅; 王桥; 乐成峰

美国《工程索引》（EI）核心期刊
美国《剑桥科学文摘》（CSA）收录期刊
荷兰斯高帕斯数据库（Scopus）收录期刊
英国INSPEC数据库（SA）收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

利用高光谱数据估算太湖水体CDOM浓度的神经网络模型

孙德勇, 李云梅, 王桥, 乐成峰

文章导航 > 武汉大学学报 ( 信息科学版) > 2009 > 34(7): 851-855

孙德勇, 李云梅, 王桥, 乐成峰. 利用高光谱数据估算太湖水体CDOM浓度的神经网络模型[J]. 武汉大学学报 ( 信息科学版), 2009, 34(7): 851-855.

引用本文:

孙德勇, 李云梅, 王桥, 乐成峰. 利用高光谱数据估算太湖水体CDOM浓度的神经网络模型[J]. 武汉大学学报 ( 信息科学版), 2009, 34(7): 851-855.

SUN Deyong, LI Yunmei, WANG Qiao, LE Chengfeng. Remote Sensing Retrieval of CDOM Concentration in Lake Taihu with Hyper-spectral Data and Neural Network Model[J]. Geomatics and Information Science of Wuhan University, 2009, 34(7): 851-855.

Citation:

SUN Deyong, LI Yunmei, WANG Qiao, LE Chengfeng. Remote Sensing Retrieval of CDOM Concentration in Lake Taihu with Hyper-spectral Data and Neural Network Model[J]. Geomatics and Information Science of Wuhan University, 2009, 34(7): 851-855.

利用高光谱数据估算太湖水体CDOM浓度的神经网络模型

¹南京师范大学虚拟地理环境教育部重点实验室,南京市文苑路1号210046

基金项目: 国家自然科学基金资助项目(40571110,40701136)；国家科技支撑计划资助项目(2008BAC34B05)；江苏省普通高校研究生科研创新计划资助项目(CX08B_015Z)；南京师范大学研究生优秀学位论文培育计划资助项目(181200000220)

详细信息

作者简介:
孙德勇,博士生,现主要从事水环境遥感方面的研究。

中图分类号: P237.9

Remote Sensing Retrieval of CDOM Concentration in Lake Taihu with Hyper-spectral Data and Neural Network Model

¹ Virtual Geographical Environment Laboratory of Ministry of Education,Nanjing Normal University, 1 Wenyuan Road,Nanjing 210046,China

Funds: 国家自然科学基金资助项目(40571110,40701136)；国家科技支撑计划资助项目(2008BAC34B05)；江苏省普通高校研究生科研创新计划资助项目(CX08B_015Z)；南京师范大学研究生优秀学位论文培育计划资助项目(181200000220)

摘要: 利用2007-11-08~2007-11-21 14 d时间对太湖74个样点进行了水质取样分析和波谱实测。在分析水体固有光学特性的基础上,确定了CDOM浓度遥感反射比的敏感波段,建立了湖泊水体CDOM浓度反演的神经网络模型。结果表明,隐含层节点数为10的神经网络模型在各神经网络模型中效果最佳。利用验证样本对神经网络模型和其他算法模型进行误差分析,发现神经网络模型更适用于湖泊水体。
- 遥感反射比 /
- CDOM /
- 神经网络模型 /
- 太湖
Abstract: CDOM concentration is an important parameter of water environment.In order to accurately retrieve CDOM concentration in lakes,a field experiment including water quality analysis and spectrum measurements was carried out on 74 stations of Lake Taihu during 14 days from Nov.8,2007 to Nov.21,2007.Based on the analysis of water inherent optical properties,sensitive wavebands were selected and neutral network models of CDOM concentration retrieval were established.The results show that a model with 10 nerve cells in hidden layer performs best,whose R is 0.887 and RMSE is 0.156.Meanwhile,the predicative errors of neutral network model and previous algorithm models were analyzed through validation samples.Average relative error of the former is(12.8±29.9)%,while others are very large,which indicates that neutral network model is more suitable for CDOM concentration retrieval in Lakes than other algorithm models.
- remote sensing reflectance /
- CDOM /
- neural network model /
- Lake Taihu

[1]	郭从洲, 李可, 李贺, 童晓冲, 王习文. 遥感图像质量等级分类的深度卷积神经网络方法 . 武汉大学学报 ( 信息科学版), 2022, 47(8): 1279-1286. doi: 10.13203/j.whugis20200292
[2]	葛芸, 江顺亮, 叶发茂, 许庆勇, 唐祎玲. 基于ImageNet预训练卷积神经网络的遥感图像检索 . 武汉大学学报 ( 信息科学版), 2018, 43(1): 67-73. doi: 10.13203/j.whugis20150498
[3]	李卫红, 闻磊, 陈业滨. 改进的GA-BP神经网络模型在财产犯罪预测中的应用 . 武汉大学学报 ( 信息科学版), 2017, 42(8): 1110-1116, 1171. doi: 10.13203/j.whugis20160911
[4]	李冲, 李建成, 黄瑞金, 谭理. 考虑欧拉矢量的BP神经网络模型建立区域地壳运动速率场 . 武汉大学学报 ( 信息科学版), 2014, 39(3): 362-366. doi: 10.13203/j.whugis20120046
[5]	施蓓琦, 刘春, 姚连璧, 陈能. 视觉皮层振荡神经网络在遥感影像分割中的应用 . 武汉大学学报 ( 信息科学版), 2011, 36(12): 1442-1446.
[6]	杜聪, 王世新, 周艺, 阎福礼. 太湖悬浮物浓度的MODIS影像估测研究 . 武汉大学学报 ( 信息科学版), 2010, 35(1): 97-101.
[7]	吴柯, 牛瑞卿, 李平湘, 张良培. 基于模糊ARTMAP神经网络模型的遥感影像亚像元定位 . 武汉大学学报 ( 信息科学版), 2009, 34(3): 297-300.
[8]	张运林, 冯胜, 马荣华, 刘明亮. 太湖秋季光学活性物质空间分布及其遥感估算模型研究 . 武汉大学学报 ( 信息科学版), 2008, 33(9): 967-972.
[9]	汤皓, 陈国兴. 基于GIS和神经网络模型的场地地震液化势风险评价 . 武汉大学学报 ( 信息科学版), 2007, 32(8): 727-730.
[10]	吕恒, 李新国, 曹凯. 基于BP神经网络模型的太湖悬浮物浓度遥感定量提取研究 . 武汉大学学报 ( 信息科学版), 2006, 31(8): 683-686.
[11]	蔡永香, 郭庆胜, 桂志先, 丁虹. 基于地震-测井数据预测储层参数空间分布规律的神经网络模型 . 武汉大学学报 ( 信息科学版), 2005, 30(4): 366-370.
[12]	王志国, 陈立, 刘玉成, 张春燕. 遗传算子对径流预报神经网络模型的影响 . 武汉大学学报 ( 信息科学版), 2005, 30(11): 1020-1024.
[13]	王新洲, 邓兴升. 大坝变形预报的模糊神经网络模型 . 武汉大学学报 ( 信息科学版), 2005, 30(7): 588-591.
[14]	焦利民, 刘耀林. 土地适宜性评价的模糊神经网络模型 . 武汉大学学报 ( 信息科学版), 2004, 29(6): 513-516.
[15]	哈斯巴干, 马建文, 李启青, 戴芹. 多波段遥感数据的自组织神经网络降维分类研究 . 武汉大学学报 ( 信息科学版), 2004, 29(5): 461-465. doi: 10.13203/j.whugis2004.05.019
[16]	樊红, 张祖勋, 杜道生, 张剑清. 基于神经网络模型求取注记配置最优解 . 武汉大学学报 ( 信息科学版), 1998, 23(1): 32-35.
[17]	黄文骞. 利用一种新的神经网络模型识别点状地图符号 . 武汉大学学报 ( 信息科学版), 1996, 21(1): 46-49.
[18]	沈未名, 仇彤, 曾勇, 张华. 基于神经网络的矢量量化与遥感影像有失真压缩编码 . 武汉大学学报 ( 信息科学版), 1996, 21(2): 124-127.
[19]	刘少创, 林宗坚. 基于神经网络的地图数字注记识别 . 武汉大学学报 ( 信息科学版), 1994, 19(3): 194-198.
[20]	江芸, 李同文, 程青, 沈焕锋. 利用时空神经网络模型的长江经济带气温反演 . 武汉大学学报 ( 信息科学版), 0, 0(0): 0-0. doi: 10.13203/j.whugis20210192

点击查看大图

计量

文章访问数: 835
HTML全文浏览量: 48
PDF下载量: 483
被引次数: 0

利用高光谱数据估算太湖水体CDOM浓度的神经网络模型

¹南京师范大学虚拟地理环境教育部重点实验室,南京市文苑路1号210046

作者简介:
孙德勇,博士生,现主要从事水环境遥感方面的研究。

收稿日期: 2009-05-12
修回日期: 2009-05-12
刊出日期: 2009-07-05

中图分类号: P237.9

关键词:

遥感反射比 /

CDOM /

神经网络模型 /

太湖

摘要: 利用2007-11-08~2007-11-21 14 d时间对太湖74个样点进行了水质取样分析和波谱实测。在分析水体固有光学特性的基础上,确定了CDOM浓度遥感反射比的敏感波段,建立了湖泊水体CDOM浓度反演的神经网络模型。结果表明,隐含层节点数为10的神经网络模型在各神经网络模型中效果最佳。利用验证样本对神经网络模型和其他算法模型进行误差分析,发现神经网络模型更适用于湖泊水体。

English Abstract

Remote Sensing Retrieval of CDOM Concentration in Lake Taihu with Hyper-spectral Data and Neural Network Model

¹ Virtual Geographical Environment Laboratory of Ministry of Education,Nanjing Normal University, 1 Wenyuan Road,Nanjing 210046,China

Received Date: 2009-05-12
Rev Recd Date: 2009-05-12
Publish Date: 2009-07-05

Keywords:

Abstract: CDOM concentration is an important parameter of water environment.In order to accurately retrieve CDOM concentration in lakes,a field experiment including water quality analysis and spectrum measurements was carried out on 74 stations of Lake Taihu during 14 days from Nov.8,2007 to Nov.21,2007.Based on the analysis of water inherent optical properties,sensitive wavebands were selected and neutral network models of CDOM concentration retrieval were established.The results show that a model with 10 nerve cells in hidden layer performs best,whose R is 0.887 and RMSE is 0.156.Meanwhile,the predicative errors of neutral network model and previous algorithm models were analyzed through validation samples.Average relative error of the former is(12.8±29.9)%,while others are very large,which indicates that neutral network model is more suitable for CDOM concentration retrieval in Lakes than other algorithm models.

孙德勇, 李云梅, 王桥, 乐成峰. 利用高光谱数据估算太湖水体CDOM浓度的神经网络模型[J]. 武汉大学学报 ( 信息科学版), 2009, 34(7): 851-855.

引用本文:

孙德勇, 李云梅, 王桥, 乐成峰. 利用高光谱数据估算太湖水体CDOM浓度的神经网络模型[J]. 武汉大学学报 ( 信息科学版), 2009, 34(7): 851-855.

Citation:

全文HTML

下载: 全尺寸图片幻灯片

返回文章

用微信扫码二维码

分享至好友和朋友圈

我要投稿

投稿攻略

联系我们

二维码

留言板

利用高光谱数据估算太湖水体CDOM浓度的神经网络模型

作者简介: 孙德勇,博士生,现主要从事水环境遥感方面的研究。

Remote Sensing Retrieval of CDOM Concentration in Lake Taihu with Hyper-spectral Data and Neural Network Model

计量

出版历程

利用高光谱数据估算太湖水体CDOM浓度的神经网络模型

1南京师范大学虚拟地理环境教育部重点实验室,南京市文苑路1号210046

作者简介: 孙德勇,博士生,现主要从事水环境遥感方面的研究。

English Abstract

Remote Sensing Retrieval of CDOM Concentration in Lake Taihu with Hyper-spectral Data and Neural Network Model

1 Virtual Geographical Environment Laboratory of Ministry of Education,Nanjing Normal University, 1 Wenyuan Road,Nanjing 210046,China

全文HTML

目录

作者简介:
孙德勇,博士生,现主要从事水环境遥感方面的研究。

¹南京师范大学虚拟地理环境教育部重点实验室,南京市文苑路1号210046

作者简介:
孙德勇,博士生,现主要从事水环境遥感方面的研究。

¹ Virtual Geographical Environment Laboratory of Ministry of Education,Nanjing Normal University, 1 Wenyuan Road,Nanjing 210046,China