光谱学与光谱分析
光譜學與光譜分析
광보학여광보분석
SPECTROSCOPY AND SPECTRAL ANALYSIS
2013年
7期
1927-1931
,共5页
高光谱%融雪期%雪深%ANN-BP
高光譜%融雪期%雪深%ANN-BP
고광보%융설기%설심%ANN-BP
Hyperspectral%Melt period%Snow depth%ANN-BP
积雪在干旱区的水分平衡中发挥着极为重要的作用,积雪深度的监测主要依靠地面站点观测和遥感反演等技术,高光谱遥感为快速、大面积监测积雪的物理特性提供了可能.通过对融雪期不同厚度积雪表面的反射光谱以及积雪深度数据的观测,进而对二者进行相关性分析；采用相关性较高同时也是特征吸收谷的波段数据建立单波段雪深回归模型；采用呈显著相关的波段进行逐步回归,选用贡献率最高的波段作为神经网络模型的输入变量进行积雪深度的反演研究.结果表明:在天山北坡中段的军塘湖流域地区,1022,1241和1492 nm附近是积雪的特征吸收谷；相比单波段反演雪深模型的估算精度(R2 =0.53),BP神经网络模型具有更高的雪深反演水平,当隐含层节点数为4时,R2为0.86,RMSE为0.67,表明神经网络模型可以显著提高高光谱数据反演积雪深度的能力.
積雪在榦旱區的水分平衡中髮揮著極為重要的作用,積雪深度的鑑測主要依靠地麵站點觀測和遙感反縯等技術,高光譜遙感為快速、大麵積鑑測積雪的物理特性提供瞭可能.通過對融雪期不同厚度積雪錶麵的反射光譜以及積雪深度數據的觀測,進而對二者進行相關性分析；採用相關性較高同時也是特徵吸收穀的波段數據建立單波段雪深迴歸模型；採用呈顯著相關的波段進行逐步迴歸,選用貢獻率最高的波段作為神經網絡模型的輸入變量進行積雪深度的反縯研究.結果錶明:在天山北坡中段的軍塘湖流域地區,1022,1241和1492 nm附近是積雪的特徵吸收穀；相比單波段反縯雪深模型的估算精度(R2 =0.53),BP神經網絡模型具有更高的雪深反縯水平,噹隱含層節點數為4時,R2為0.86,RMSE為0.67,錶明神經網絡模型可以顯著提高高光譜數據反縯積雪深度的能力.
적설재간한구적수분평형중발휘착겁위중요적작용,적설심도적감측주요의고지면참점관측화요감반연등기술,고광보요감위쾌속、대면적감측적설적물리특성제공료가능.통과대융설기불동후도적설표면적반사광보이급적설심도수거적관측,진이대이자진행상관성분석；채용상관성교고동시야시특정흡수곡적파단수거건립단파단설심회귀모형；채용정현저상관적파단진행축보회귀,선용공헌솔최고적파단작위신경망락모형적수입변량진행적설심도적반연연구.결과표명:재천산북파중단적군당호류역지구,1022,1241화1492 nm부근시적설적특정흡수곡；상비단파단반연설심모형적고산정도(R2 =0.53),BP신경망락모형구유경고적설심반연수평,당은함층절점수위4시,R2위0.86,RMSE위0.67,표명신경망락모형가이현저제고고광보수거반연적설심도적능력.
