首页|基于高光谱的小型湖库总氮反演模型研究

基于高光谱的小型湖库总氮反演模型研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
我国小型湖库数量多,分布广,承担的服务功能多样,故构建针对小型湖库的水质及水生态监测体系有重要的科学价值.利用实时获取的高光谱数据,运用归一化、波段比值和波段差值解析敏感波段,建立多元线性回归模型和BP神经网络模型反演西南科技大学中心湖(小型人工湖)总氮浓度,并分析模型的精度与适用性.结果显示,采用波段比值运算解析获取敏感波段,并将其作为输入层的神经网络模型拟合精度最高(均方根误差为0.05 mg/L,平均绝对误差为0.03 mg/L,平均相对误差为4.7%).结果表明,高光谱遥感的连续光谱结合BP神经网络的非线性拟合能力可较好地反演总氮浓度.研究结果有助于为小型湖库高光谱水质反演及监测预警提供理论和技术参考.
Preliminary Study on Total Nitrogen Inversion Model of Small Lake Based on Hyperspectral Data

small lakes and reservoirsinversion of TN concentrationhyperspectralneural network modelsensitive band analysis

唐阳、杨远坤、封小倩、谌书、王彬、宋怀庆

展开 >

西南科技大学 环境与资源学院,四川 绵阳 621010

小型湖库 总氮浓度反演 高光谱 神经网络模型 敏感波段解析

四川省重点研发计划四川省重点研发计划四川省重大专项

2020YFS03062021YFS02892018SZDZX0026

2023

10.19797/j.cnki.1000-0852.20220166

水文
水利部水文局 水利部水利信息中心

水文

CSTPCDCSCD北大核心
影响因子：0.742
ISSN：1000-0852
年,卷(期)：2023.43(5)
  • 4