高技术通讯
高技術通訊
고기술통신
HIGH TECHNOLOGY LETTERS
2005年
3期
83-88
,共6页
唐军武%丁静%田纪伟%宋庆君%王晓梅%吴奎桥
唐軍武%丁靜%田紀偉%宋慶君%王曉梅%吳奎橋
당군무%정정%전기위%송경군%왕효매%오규교
二类水体,黄、东海,三要素浓度反演,神经网络(NN)模型,经验统计算法
二類水體,黃、東海,三要素濃度反縯,神經網絡(NN)模型,經驗統計算法
이류수체,황、동해,삼요소농도반연,신경망락(NN)모형,경험통계산법
根据2003年春季黄东海水色联合试验中获取的高质量现场数据,建立了由遥感反射率反演三要素浓度的神经网络(NN)模型,并将NN模型与经验统计算法的结果进行了比较.提出了两种NN算法,一种是同时反演三要素浓度,另一种是一个NN模型只反演一种成分.三要素浓度同时反演的NN模型精度不及经验统计算法,平均相对误差分别为叶绿素44.4%,总悬浮物40.5%,黄色物质48.8%.独立反演叶绿素和总悬浮物浓度的NN模型精度稍高于经验统计算法,平均相对误差分别为叶绿素32.5%,总悬浮物29.4%.NN模型的不同输入波段组合可反映出黄、东海水色三要素对不同光谱波段的灵敏度.误差敏感性分析表明,单独反演总悬浮物和黄色物质浓度的NN模型对输入信号的±5%波动不敏感,误差变化与统计算法相当.单独反演叶绿素浓度的NN模型对输入信号±5%波动的一种情况较为敏感.本文提出的NN模型是在可信的现场数据集训练下得到的可初步应用的结果.
根據2003年春季黃東海水色聯閤試驗中穫取的高質量現場數據,建立瞭由遙感反射率反縯三要素濃度的神經網絡(NN)模型,併將NN模型與經驗統計算法的結果進行瞭比較.提齣瞭兩種NN算法,一種是同時反縯三要素濃度,另一種是一箇NN模型隻反縯一種成分.三要素濃度同時反縯的NN模型精度不及經驗統計算法,平均相對誤差分彆為葉綠素44.4%,總懸浮物40.5%,黃色物質48.8%.獨立反縯葉綠素和總懸浮物濃度的NN模型精度稍高于經驗統計算法,平均相對誤差分彆為葉綠素32.5%,總懸浮物29.4%.NN模型的不同輸入波段組閤可反映齣黃、東海水色三要素對不同光譜波段的靈敏度.誤差敏感性分析錶明,單獨反縯總懸浮物和黃色物質濃度的NN模型對輸入信號的±5%波動不敏感,誤差變化與統計算法相噹.單獨反縯葉綠素濃度的NN模型對輸入信號±5%波動的一種情況較為敏感.本文提齣的NN模型是在可信的現場數據集訓練下得到的可初步應用的結果.
근거2003년춘계황동해수색연합시험중획취적고질량현장수거,건립료유요감반사솔반연삼요소농도적신경망락(NN)모형,병장NN모형여경험통계산법적결과진행료비교.제출료량충NN산법,일충시동시반연삼요소농도,령일충시일개NN모형지반연일충성분.삼요소농도동시반연적NN모형정도불급경험통계산법,평균상대오차분별위협록소44.4%,총현부물40.5%,황색물질48.8%.독립반연협록소화총현부물농도적NN모형정도초고우경험통계산법,평균상대오차분별위협록소32.5%,총현부물29.4%.NN모형적불동수입파단조합가반영출황、동해수색삼요소대불동광보파단적령민도.오차민감성분석표명,단독반연총현부물화황색물질농도적NN모형대수입신호적±5%파동불민감,오차변화여통계산법상당.단독반연협록소농도적NN모형대수입신호±5%파동적일충정황교위민감.본문제출적NN모형시재가신적현장수거집훈련하득도적가초보응용적결과.
