基于RBF神经网络的鄱阳湖表层水体总悬浮颗粒物.pdfVIP

生态环境学报 2011, 19(12): 2948-2952 Ecology and Environmental Sciences E-mail: editor@ 基于 RBF 神经网络的鄱阳湖表层水体 总悬浮颗粒物浓度遥感反演 1,2 1 3* 江辉 ，周文斌 ，刘小真 1. 南昌大学教育部鄱阳湖湖泊生态与生物资源利用重点实验室，环境科学与工程学院，江西 南昌 330031 ； 2. 南昌工程学院，江西 南昌 330099 ；3. 南昌航空大学环境毒理研究室，江西 南昌 330063 ； 摘要：为进一步提高湖泊总悬浮颗粒物浓度遥感反演的准确性，引进适应复杂非线性映射的RBF 神经网络模型，以鄱阳湖 通江湖体为例进行了实证分析,根据实测水体悬浮颗粒物浓度和MODIS 遥感数据，对遥感数据进行预处理，建立了RBF 神 经网络悬浮颗粒物浓度反演模型，神经元个数为8 个，误差性能目标值为0.001 ，对悬浮颗粒物浓度进行反演。研究结果表 明, 验证样本相关系数R2=0.956 8 ，均方根误差RMSE=0.54 。利用神经网络模型反演水悬浮颗粒物浓度是有效的，其反演结 果优于非线性回归模型的结果。 关键词：总悬浮颗粒物；鄱阳湖；神经网络；遥感 中图分类号：X524 文献标志码：A 文章编号：1674-5906 （2010 ）12-2948-05 鄱阳湖是我国第一大淡水湖，鄱阳湖湿地是国 模型对遥感敏感波段和波段组合的反射率与水质 际六大重要湿地之一，它是一个吞吐型、季节性的 指标进行相关分析，对于湖泊水体的环境复杂对象 浅淡水湖，高水湖相，低水河相，有“高水是湖， 来说，影响因素多，难以找到最佳的拟合模型，或 低水似河”、“洪水一片，枯水一线”的独特景观。根 者说拟合模型较为片面，而神经网络能够避免这种 据湖口站的历年最高水位22.59 m(吴淞高程)时，湖 问题的出现，它是一种输入与输出高度非线性映 2 8 ３ 体面积为4 500 km ，相应容积为340×10 m ，根据 射，通过对作用函数的多次复合，实现系统输入与 湖口站的历年最低水位5.90 m(吴淞高程)时，其相 输出之间的高度非线性映射关系，无需建立系统的 应湖体面积仅约146 km２，两者的湖体面积相差极 数学方程，具有较好的自适应性和学习功能，学者 大。湖底平坦，湖水不深，平均为6.4 m。湿地资源 认为神经网络模型比较适合于湖泊水体的水质指 表现出明显的季节性特征，4—9月高水位时，湖滩 标反演[6]。特别是径向基函数网络(RBF网络)[7]结构 草洲被洪水淹没，沦为湖底；10月至翌年3月枯水 简单、非线性逼近能力强、收敛速度快和推广能力 时期，洲滩显露。总悬浮颗粒物(TSS)质量浓度是湖 强等较多优点，与BP神经网络模型相比具有更加稳 泊水质参数监测中的重要指标，是决定水质清浊的 定和更加快的收敛速度等优势。RBF 网络结合遥感 一个主要因素，它影响水体感观，降低水体透明度 技术应用到监测水质的研究领域中，能够取得较好 和富氧条件，直接影响水体的生态环境。鄱阳湖水 的反演效果。 体受水流流速、底泥物质和气候条件等的影响，悬 1 采样与分析 浮颗粒物的变化速度快，传统的定点取样的方法， 2009年7月23—29 日，采样期间天气睛朗，少 费用高、取样难度大，也难以反映整个湖泊实时动 云，由于鄱阳湖水位抬升、长江高水位顶托影响， 态的变化。近年来，水色遥感监测从成熟的海洋水 全湖流速较小，平均为0.16 m·s-1 ，因此短时间内水 体研究开始