海洋学研究
海洋學研究
해양학연구
JOURNAL OF MARINE SCIENCES
2012年
2期
66-73
,共8页
李露锋%刘湘南%李致博%弥永宏
李露鋒%劉湘南%李緻博%瀰永宏
리로봉%류상남%리치박%미영굉
Radarsat-2%SAR%BP人工神经网络%叶绿素a质量浓度
Radarsat-2%SAR%BP人工神經網絡%葉綠素a質量濃度
Radarsat-2%SAR%BP인공신경망락%협록소a질량농도
以珠江口海域的Radarsat-2全极化SAR数据和海域表层水面叶绿素a质量浓度实测数据为基础,利用微波散射原理及Cloude-Pottier理论对SAR图像进行分解,得到平均散射角a、散射熵H及VH、VV、HH、HV等6个参数；采用BP人工神经网络模型建立上述6个参数与叶绿素a质量浓度的数学关系模型,并结合实测数据对叶绿素a质量浓度进行分类.结果表明:当隐含层节点数为9,输入层和隐含层传递函数分别为tansig和logsig,学习速率和动量系数均为0.2时的网络结构对叶绿素质量浓度反演取得了较好的效果,叶绿素a质量浓度实测值与预测值之间的决定系数(R2)为0.826.将模型应用于不同时期的2幅图像进行验证,效果良好,与实际情况基本相符.
以珠江口海域的Radarsat-2全極化SAR數據和海域錶層水麵葉綠素a質量濃度實測數據為基礎,利用微波散射原理及Cloude-Pottier理論對SAR圖像進行分解,得到平均散射角a、散射熵H及VH、VV、HH、HV等6箇參數；採用BP人工神經網絡模型建立上述6箇參數與葉綠素a質量濃度的數學關繫模型,併結閤實測數據對葉綠素a質量濃度進行分類.結果錶明:噹隱含層節點數為9,輸入層和隱含層傳遞函數分彆為tansig和logsig,學習速率和動量繫數均為0.2時的網絡結構對葉綠素質量濃度反縯取得瞭較好的效果,葉綠素a質量濃度實測值與預測值之間的決定繫數(R2)為0.826.將模型應用于不同時期的2幅圖像進行驗證,效果良好,與實際情況基本相符.
이주강구해역적Radarsat-2전겁화SAR수거화해역표층수면협록소a질량농도실측수거위기출,이용미파산사원리급Cloude-Pottier이론대SAR도상진행분해,득도평균산사각a、산사적H급VH、VV、HH、HV등6개삼수；채용BP인공신경망락모형건립상술6개삼수여협록소a질량농도적수학관계모형,병결합실측수거대협록소a질량농도진행분류.결과표명:당은함층절점수위9,수입층화은함층전체함수분별위tansig화logsig,학습속솔화동량계수균위0.2시적망락결구대협록소질량농도반연취득료교호적효과,협록소a질량농도실측치여예측치지간적결정계수(R2)위0.826.장모형응용우불동시기적2폭도상진행험증,효과량호,여실제정황기본상부.
