朱云芳
- 作品数：2 被引量：79H指数：2
- 供职机构：中国矿业大学（北京）地球科学与测绘工程学院更多>>
- 发文基金：国家自然科学基金国家科技重大专项更多>>
- 相关领域：环境科学与工程更多>>
- 基于GF-1 WFV影像和BP神经网络的太湖叶绿素a反演被引量：53
- 2017年
- 叶绿素a浓度是可直接遥感反演的重要水质参数之一,常用来评价湖泊水体的富营养化程度.太湖是典型的二类水体,光学性质复杂,应用一类水体线性反演模式拟合较为片面且难以找到最佳拟合模型.BP神经网络模型具有模拟复杂非线性问题的功能.为研究高分一号卫星16m多光谱相机WFV4结合BP神经网络进行太湖叶绿素a浓度监测的可行性,实验利用GF-1 WFV4影像和实时的地面采样数据,建立了BP神经网络模型,同时采用波段比值经验模型进行对比.经精度检验,BP神经网络模型预测值与实测值之间的可决系数R2高达0.9680,而波段比值模型的R2为0.9541,且均方根误差RMSE由波段比值模型的18.7915降低为BP神经网络模型的7.6068,平均相对误差e也由波段比值模型的19.16%降低为BP神经网络模型的6.75%.结果证明,GF-1 WFV4影像应用BP神经网络模型反演太湖叶绿素a浓度较波段比值模型精度有所提高.将经过水体掩膜的GF-1 WFV4影像用于训练好的BP神经网络反演太湖叶绿素a浓度分布,结果显示,叶绿素a高浓度区集中分布在湖心区北部、竺山湾、梅梁湾区域,与之前的研究一致.本文研究结果验证了采用BP神经网络模型对GF-1 WFV4影像进行太湖叶绿素a浓度反演的可行性.
- 朱云芳朱利李家国陈宜金张永红侯海倩鞠星张雅洲
- 关键词：叶绿素A浓度BP神经网络太湖
- 太原市黑臭水体遥感识别与地面验证被引量：26
- 2019年
- 城市黑臭水体整治是城市水环境治理的一项重要工作。本文通过构建黑臭水体遥感识别模型,解决城市黑臭水体整治过程中黑臭水体的识别问题,实现城市黑臭水体空间分布快速定位与排查。通过分析黑臭水体形成机理和试验数据,从光谱特征上构建反映水体清洁程度的光谱指数(WCI),从图像特征上构建水体颜色、次生环境、河道淤塞、岸边带垃圾堆放等解译标志,综合光谱指数和解译标志共同进行黑臭水体遥感识别。利用该方法对太原市建成区内黑臭水体空间分布进行排查识别,共得到疑似黑臭河段14条,长度为52.530 km。经验证,除去断流影响外,遥感识别黑臭水体点位精度为92.86%,遥感识别黑臭河段长度精度为78.19%。在精度验证基础之上,进一步分析了黑臭水体遥感识别光谱指数和各项解译标志在黑臭识别中所占的权重,其中光谱指数和水体颜色二者权重最大,分别占29.60%和27.10%,是构成遥感识别黑臭水体的主要特征标志。通过两时相影像识别结果比对表明,WCI指数能够明显反应黑臭水体变化特征。因此,利用本文方法进行城市黑臭水体遥感识别具有很高的精度,在城市水环境整治过程中具有重要的应用价值。
- 李佳琦李佳琦朱利朱利戴华阳戴华阳
- 关键词：黑臭水体解译标志
