基于PCA和BP的水体Chl-a含量高光谱反演方法.pdfVIP

第33卷第 8期 人 民 黄 河 V01．33。No．8 2011年 8月 YELLOW RIVER Aug．，2011 【水资源 ·水环境 】 基于PCA和BP的水体 Chl—a含量高光谱反演方法 吕良军，梁 童 (黄河水利职业技术学院，河南开封475001) 摘 要：利用主成分分析法对高光谱数据进行降维，将主成分得分作为输入，将水体20个采样点的叶绿素a(Chl-a)含量 实测数据作为输出，对BP神经网络进行训练学习，实现压缩光谱数据与Chl—a含量的自适应非线性映射，并利用另外l0 个采样点数据对网络进行验证，结果表明预测值与实测值差距较小。 关 键 词：主成分分析；BP神经网络；高光谱 ；叶绿素a 中图分类号：X832 文献标识码：A doi：10．3969／j．issn．1000-1379．2011．08．025 MethodofHyperspectralInversionforW aterChl-aContentBasedonPCA andBP LVLiang-jun，IdANGTong (YellowRiverConservancyTechnicalInsth~e，Kaifeng475001，China) Abstract：Dimensionalityofhypempeetrum datawasreducedbyusingPCA．TheprincipalcomponentSCO~Swereusedasinput．andthemeasured dataforChl—acontentoftwentywatersamplingpointswereusedasoutput．TheBPNeuralNetworksweretrainedandstudied．Adaptivenonlinear mappingOncompressedspectraldataandChl—acontentwasrealized．Itwasverifiedbyusingtheother10samplingpointsdataonnetwork，andthe resultsshow thatthegapbetweenforecastvalueandactualvalueissmal1． Keywords：principal componentanalysis；BP neural newtork；hypempeetrum；Chl-a 水体叶绿素(Chlorophyl1)含量是衡量浮游生物分布、水体 内陆水体的一般特征：在420—450nm和850～900nm波长范 初级生产力和富营养化的基本指标。利用遥感方法监测水质 围内，受到叶绿素的吸收作用影响，水体的反射率较低；670nm 参数具有监测范围广、速度快、成本低和便于进行长期动态监 附近出现一个小的吸收峰，但不明显；550～580am范围出现明 测的优势。基于实测光谱估测水体叶绿素浓度的方法有单波 显反射峰。550am和690nm附近出现的反射峰是含藻类水体 段估测法 、波段比值估算法 、光谱微分估测法等 一J。笔者利 最显著的光谱特征，反射峰的位置和高度是Chl—a含量的指 用某水库高光谱遥感数据，提出了基于主成分分析法(PCA)和 示。由水体光谱反射率曲线可见该水库 Chl—a浓度与光谱反 神经网络(BP)的水体叶绿素a(Chl-a)含量反演方法，提高了 射率存在相关性。 Chl—a含量反演精度。 1 数 据 本研究所使用的数据包括某水库 3O个采样点的Chl-a含