首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   3篇
  免费   1篇
综合类   3篇
评价与监测   1篇
  2019年   1篇
  2017年   2篇
  2014年   1篇
排序方式: 共有4条查询结果,搜索用时 15 毫秒
1
1.
随着遥感数据源的不断丰富,遥感技术不断提高,可以解决越来越多的水环境问题。指出了当前水生态环境管理方面的主要需求,结合目前遥感技术的发展,对国内外的水环境遥感研究进展进行综述。以湖泊富营养化监测与评估、核电站温排水遥感监测及城市黑臭水体遥感监测为案例,具体阐述遥感在水环境管理中的应用方法及成效。未来水生态环境管理发展趋势将以水污染防治为主向水污染防治和水生态修复与保护并重发展。基于此趋势,提出遥感在水生态修复的应用潜力,利于更多地方部门积极有效应用遥感技术,解决水生态环境问题。  相似文献   
2.
基于GF-1 WFV影像和BP神经网络的太湖叶绿素a反演   总被引:7,自引:0,他引:7       下载免费PDF全文
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.  相似文献   
3.
选取同天过境的Landsat5TM和HJ-1B红外相机数据,在获取3个大气参数后,结合辐射传输模型分别对大亚湾核电基地附近海域海表温度和温排水温升区的分布情况进行遥感监测,对比结果显示,环境卫星遥感监测数据与TM数据监测所得温排水在空间分布上具有较高一致性,二者反演出的绝对温度相差不超过1.1℃,相同温升等级范围内的相对温度均值也不超过0.4℃.因此,HJ-1B红外相机可满足核电站热污染的监测需求.  相似文献   
4.
本文以辽宁红沿河核电厂为研究对象,提出一种区别于传统放射性(La)的新的钟摆型(Lb)海面数据采集航线方案,同时基于对变分分析插值方法(DIVA)参数的校正,构建了温排水海面监测试验的最优化应用模式。在两种航线方案数据采集基础之上,分别采用反距离权重法(IDW)、克里金法(Kriging)、基于变分分析的插值方法进行空间拟合,分析不同结果的差异性和适用性。通过保留采样点的实测数据验证表明,Lb采集航线中的各方法误差绝对均值和均方差均低于La航线0.02左右,DIVA法误差绝对均值和均方差在Lb中均低于其他方法0.03以上;对基于遥感影像的交叉验证表明,Lb中各方法误差绝对均值在0.2~0.4之间,La在0.5~0.8之间,DIVA法在Lb中误差均值达到最小,为0.27。结果表明,钟摆型海面数据采集航线与基于变分分析插值方法相结合的模式有效的抑制了自然增温对温排水监测的影响,精度较高。  相似文献   
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号