利用高光谱数据估算太湖水体CDOM浓度的神经网络模型.pdfVIP

第 34 卷 第 7 期 武 汉 大 学 学 报 ·信 息 科 学 版 Vol . 34 No . 7 2009 年 7 月 Geomatics and Information Science of Wuhan U niver sit y J uly 2009 文章编号 :167 18860 (2009) 07085 105 文献标志码 :A 利用高光谱数据估算太湖水体 CDOM 浓度的神经网络模型 1 1 1 1 孙德勇 　李云梅 　王 　桥 　乐成峰 ( 1 　南京师范大学虚拟地理环境教育部重点实验室 ,南京市文苑路 1 号 ,2 10046) 摘 　要 :利用2007112 1 14 d 时间对太湖 74 个样点进行了水质取样分析和波谱实测 。在分析 水体固有光学特性的基础上 ,确定了 CDOM 浓度遥感反射比的敏感波段 ,建立了湖泊水体 CDOM 浓度反演 的神经网络模型 。结果表明 ,隐含层节点数为 10 的神经网络模型在各神经网络模型中效果最佳 。利用验证 样本对神经网络模型和其他算法模型进行误差分析 ,发现神经网络模型更适用于湖泊水体 。 关键词 :遥感反射比;CDOM ;神经网络模型 ;太湖 中图法分类号 :P237 . 9 ( ( 2 ) ( ) 　　有色可溶性有机物 chro mop horic di ssolved R = 0. 63 , n = 577 2 ( ( ) ( ) ) or ganic mat t er , CDOM) ,又称黄质 ,是溶解性有 式中,X = lg Rrs 490 / Rrs 590 , 此模型的平均相 机物的重要组成部分 ,普遍存在于海洋 、湖泊和河 对误差为 4 % ,相对误差的标准差为 32 % 。诸学者 流中。CDOM 的化学组成比较复杂 ,主要包括腐 对不同区域的研究结果有所不同,且多数研究是基 质酸 、芳烃聚合物 、碳水化合物 、酚等物质 , 目前尚 于波段组合建立的经验模型 ,缺少对水体固有光 无法确定其浓度 , 常用 355 nm 、375 nm 、440 nm 学特性的分析 ,这无疑将降低模型的通用性 。 等波长处的吸收系数表示其浓度[ 1 ,2 ] , 吸收系数 本文以太湖为实验区 ,野外实测了水体的高 越大 ,对应的 CDOM 浓度就越高 。CDOM 作为 光谱数据和固有光学量数据 。在分析水体各组分 重要水质参数之一 ,许多学者对其进行过遥感反 固有光学特性的基础上 ,确定了 CDOM 遥感反射 演研究 。美国国家航天局的 MOD IS 传感器在 0 . 比的敏感波段 ,建立了湖泊水体 CDOM 浓度反演 μ 的神经网络模型 。同时 ,利用验证