基于TM影像植被指数的耕地地力状况反演研究

建立基于TM遥感影像植被指数的耕地地力反演模型,为区域耕地资源管理及可持续利用提供科学依据.选择耕地地力相似的山东郯城县和东平县,利用耕地地力实地调查分析和TM遥感数据,通过相关分析筛选对郯城耕地地力有较好反映的植被指数,通过回归分析建立耕地地力-植被指数模型,以郯城县数据建模,东平县数据进行反演和验证.结果显示,增强型植被指数(EVI)与耕地地力评价结果有最显著的正相关性,相关系数达到0.82.以EVI 为自变量建立的二次方程式模型拟合效果最好,决定性系数达到0.69.采用决定性系数(R²)、均方根误差(RMSE)、精密度和准确度4 个指标对模型的反演结果和原始评价结果之间的符合度进行统计检验,EVI 的二次方程式模型准确度最高,为95.84%,RMSE和精密度最小,分别为5.21 和0.04,为耕地地力最佳反演模型.对比分析东平县耕地地力反演图和常规耕地地力评价图,模型反演的各耕地地力等级与实际耕地地力评价等级具有较好的空间分布一致性.将耕地地力归并为高、中和低3 个等级,高中低等级面积比例差异均在3.3%以内,符合研究区实际,反演效果较好.研究证明了基于定量遥感手段进行耕地地力估测的可行性,为耕地资源的监测利用提供了有效手段.     

基于TM影像的乌梁素海叶绿素a浓度反演

首先选取预处理后乌梁素海TM影像的单波段及波段组合与实测叶绿素a浓度进行分析,发现相关性很低。然后,结合乌梁素海的水利条件和自身特点,把湖区分为两个区,发现波段组合(TM1+TM2+TM4)/TM3和TM4/TM3与叶绿素a浓度有较高的相关性。最后,选取误差较低的波段组合(TM1+TM2+TM4)/TM3建立线性模型,实时、快速地反演乌梁素海湖区叶绿素a浓度,与实地情况吻合,为乌梁素海"黄苔"预警提供理论依据。     

人工神经网络在电法勘探数据反演中的应用研究综述

首先对神经网络算法的基本原理进行简述,梳理目前电法勘探反演中常用的神经网络方法,评述人工神经网络算法在电法勘探资料解释中的应用效果,并进行各主流神经网络方法优缺点的对比分析;最后探讨了非线性组合反演方法的优势,并展望了电法勘探数据非线性反演的发展趋势,为选择不同算法进行电法勘探数据反演提供借鉴。其中,BP神经网络具有高度的自学习和自适应能力;遗传算法易与其他算法结合;卷积神经网络可以实现权值共享;粒子群算法收敛速度快。每种方法各具特色,神经网络组合反演,可优势互补,增强反演效果,提升计算效率。     

光学复杂水体中水色参数反演的不确定性评价

湖泊水色遥感为大范围、长时序监测湖泊水质提供了可能性,遥感反射率对构建水环境参数反演模型具有重要意义。该研究以太湖和乌梁素海为研究区,结合Landsat-8 OLI数据及已有的算法对透明度、悬浮物、藻华等参数进行验证,比较了不同级别反射率产品(大气顶部反射率(TOA)、经瑞利校正后的反射率(R_rc)、地表反射率(SR))在参数反演中的不确定性。结果表明：(1)浑浊水体反射率高于清澈水体,TOA在可见光波段反射率明显提升,R_rc和SR更符合水体光谱曲线特征,且R_rc稳定性优于SR;(2)透明度模型SDD_Song在乌梁素海的效果优于太湖,SDD_Zhang模型则相反,SPM_Cao模型在2个湖泊的精度均高于SPM_Wen模型,FAI_Rrc和FAI_SR结果具有一致性;(3)不同级别的反射率产品误差表现为TOArcrc     

湖泊水环境高空间遥感影像污染点源信息提取研究

传统的污染点源信息提取技术存在权重因子各指标取值范围广、提取精准度不准确、植被覆盖率检测效果差等问题,为此,采用高空间遥感影像对湖泊水环境污染点源信息提取进行研究.针对信息的选择和预处理,需要先获取污染点源信息,并利用多项式对遥感影像图中的畸形几何进行修正;通过利用TM影像技术分析波段组合和单独使用波段的分类效果;根据影像中不同的隶属度,构建水体规则,分析水体差异指数,由此提高信息提取的精度,进而完成污染点源信息的提取.通过选取验证区域,进行实验,实验结果表明,使用该技术能够缩小权重因子各指标取值范围,并提高污染点源信息提取的精准度与植被覆盖率检测的效率,实用性较强.     

环厦门海域水色变化的多光谱多时相遥感分析

采用基于影像光谱信息建立的水质遥感模型对环厦门海域1989～2003年间的水色变化进行了分析.通过对水体及其所含物质的物理光学性质分析,水质遥感模型的建立可以不依赖于和卫星同步的水质采样数据建立水质遥感.这使得遥感对水色分析的应用更容易,而且还可以利用大量卫星存档数据来进行水质的历史变化分析.使用基于可见光和近红外波段反射率创建的模型研究了离水信号和水中物质(悬浮物和浮游植物)的关系.提出了一套可用于Landsat TM/ETM 和SPOT 5影像的水专题处理流程,并用于揭示所研究海域中悬浮物和叶绿素浓度的时空变化规律.研究表明,利用基于影像光谱的水质遥感模型,可以快速有效地揭示长时间范围内水色的时空变化.总的看来,环厦门海域的悬浮物浓度在所研究的时期内,有显著的增加,叶绿素的浓度在局部也有明显的升高.最明显的是,高悬浮物浓度的海域面积所占的比例从1989年的0.2%上升到2003年的10.2%.综合分析表明,九龙江河口所带来的巨量悬浮物是该海域最主要的陆源排海物和污染源,过度的水产养殖是另一个主要的污染因子.     

遥感方法应用于湖泊富营养化评价的研究

利用武汉东湖各子湖多年可靠的地面监测资料和1999年9月Landsat—7的TM各波段的卫星遥感数据,建立了各子湖的营养状态指数与TM各波段图像上灰度值之间的关系模型：一元线性模型、多元回归模型。运用这些模型对武汉各湖泊进行富营养化评价。同时基于地面监测资料,用日本学者相崎守弘提出的修正富营养化指数法对武汉主要湖泊的富营养化程度进行评价。结果显示,武汉湖泊多处于中富营养状态,遥感评价结果与地面监测结果基本一致。指出利用遥感方法进行湖泊水体富营养化监测评价是可行的、有效的、利用该方法可进行大范围的湖泊富营养化调查评价。     

基于GOCI影像的太湖水体漫衰减系数遥感反演

漫衰减系数是水体光学中的一个重要参数.采用2006~2009年的太湖野外实测数据,分析了太湖水体漫衰减系数光谱特性及其影响因子,在此基础上,结合GOCI传感器数据,分别构建漫衰减系数经验模型和半分析模型,寻找适合GOCI影像的太湖漫衰减系数反演模型,并分析太湖水体漫衰减系数的时空变化特征.结果表明:1太湖水体漫衰减系数主要受非色素颗粒物吸收主导,以GOCI第4、5、7波段构建的多元线性模型反演漫衰减系数,效果最好;2太湖水体漫衰减系数值域主要分布在0~15 m-1,大体可以分为3个等级,低值区:0~4 m-1,中值区:4~8 m-1,高值区:8~15 m-1,部分高值区高于15 m-1;3太湖水体漫衰减系数存在一定时空差异性,从空间上来说,太湖水体漫衰减系数呈现一定的梯度性,从东部到西部逐渐变高;从时间上来说,早上太湖漫衰减系数相对较高,从上午到下午,大体上呈现逐渐降低的趋势.     

海域水质模型参数动态反演方法研究初探

海域水质模型长周期数值模拟中,模型参数全时段统一赋值的方法忽略了参数随时间动态变化的物理特性,降低了模型的可靠性,增加了海域水质模型验证工作的难度.本文建立了将数据驱动模型和水质模型有机结合的参数动态反演的新方法:以水质模型多参数设计工况的数值模拟,构建海域内部观测点污染物浓度响应解集,并将解集划分为若干时段;应用基于人工神经网络的数据驱动模型归纳建立观测点每一时段内污染物浓度同多个模型参数之间的非线性关系;将实测资料带入关系中,进行模型参数随时间变化的动态反演.以渤海海域水质模型为例,采用“孪生”实验验证参数动态反演新方法的可行性,结果表明该方法是有效的,能够保证模拟周期内较高的数值精度,提高了模型的准确性.     

基于多光谱遥感影像的富川县表层土壤有机质含量反演

土壤有机质是影响土壤光谱特性的一个重要因素。本文以富川县为研究区,探索分析土壤有机质与LandsatTM影像光谱DN值之间的回归关系。结果表明土壤有机质与波段3、5、7呈极显著负相关,与波段4呈极显著正相关,与波段比值(b5-b7)/b7的回归方程决定系数为0. 631,且回归方程和回归系数经统计检验为极显著,表明回归方程较为合理。通过建立土壤有机质和光谱反射率之间的关联性可以估测有机质含量,为农业土壤施肥及生产管理提供参考。     

神经网络模型在环境现状评价中应用研究

人工神经网络技术具有很强的非线性映射能力和并行性、自适应、容错性及自学能力,已广泛应用于包括环境在内的多学科领域。文章将人工神经网络技术应用于环境影响评价中,通过案例研究用人工神经网络解决环境评价中的问题。以山西吕梁地区环境影响评价为案例,选择人工神经网络中的BP网络,径向基网络和自组织竞争网络等三种网络模型对其进行环境影响现状评价,并对评价结果作对比分析,通过网络设计、网络训练和模拟,结果说明BP神经网络模拟结果比其它两种方法更贴近环境质量现状。同时对不同参数选取得到的结果进行分析,并经过网络参数的不断调整提高评价结果的精度,总结出各种神经网络模型在环境评价应用过程中参数的选取方法。尝试用神经网络解决环境评价中的问题,使环境工作中的方法技术更科学。     

基于ANN分类的农田遥感动态监测模型研究

保护基本农田是我国农业可持续发展的基础和前提,动态监测基本农田在时间和空间上的变化能够为农业开发政策的制定,农业经济发展的规划与管理提供有效的辅助决策手段。论文利用人工神经网络的BP算法实现了对两个时期的遥感影像进行基本农田类型的分类提取,在保证精度的前提下,探索了一条把单要素监测和多要素监测相结合的遥感动态监测模型,并详细描述了模型实现的算法与步骤。最后利用该模型对实验区进行了监测,并对监测结果进行了分析,结果表明模型很好地评估了研究区基本农田的数量和发展潜力,定性、定量、定位地揭示了研究区基本农田类型在时空上的变化规律。     

污水处理中人工神经网络应用研究的探讨

针对污水处理系统的时变性、非线性、复杂性和不确定性的特点,提出应用人工神经网络技术对其控制,实现污水处理系统自动控制。简述了目前广泛应用于废水处理的神经网络以及建模原理。结合国内外研究动态,分析了人工神经网络在污水处理领域取得的成果,结果表明:在污水处理中引入神经网络智能控制是一种提高处理效率、降低运行成本的有效方法,国内在污水处理的神经网络智能控制的研究与国外有较大的差距,国内的研究及应用还处在发展阶段,应当加强。并对神经网络待解决的问题和发展趋势作了讨论。     

人工神经网络在大气环境质量评价中的应用

针对大气环境中的数据监测与模式识别问题,应用人工神经网络理论,在自然环境大气腐蚀试验网站建立大气环境质量B-P网络评价模型。江津试验站成功地应用了该模型。通过1996-2000年大气环境质量评价结果表明,人工神经网络用于大气环境质量评价的方法是一种新方法,也是一种可行的方法。     

人工神经网络模型和公路复垦土地适宜性评价

提出了人工神经网络用于公路临时用地复垦土地适宜性评价，利用该模型对京大高速公路山西段复垦山西段复垦土地进行了适宜性评价，探讨了人工神经网络在土地复垦适宜性评价时的特点和注意问题。     

达里诺尔湖溶解性有机质荧光特征与人工神经网络非线性响应研究

研究湖泊水体DOM（溶解性有机质）特征及其与复合环境要素的响应关系,对水生态系统保护及生物地球化学循环研究具有重要意义.以内蒙古达里诺尔湖（简称“达里湖”）为研究区,利用紫外-可见光谱技术（UV-vis）和人工神经网络模型（ANN）方法,开展达里湖水体DOM特征识别及其水质响应关系的研究.结果表明:①达里湖水环境污染程度较为严重,水体呈富营养化趋势.DOM吸收系数〔α（355）〕表明,夏季湖体DOM浓度较高.②建立了α（355）与达里湖水体ρ（TN）、ρ（TP）、pH和ρ（Chla）的人工神经网络模型,该模型验证期和测试期决定系数（R2）分别为0.78和0.84,该模型具有较好的DOM模拟和预测能力.③人工神经网络模型参数敏感性分析结果表明,α（355）对ρ（Chla）变化最敏感,敏感性水平为31.95%;其次为pH和ρ（TN）,α（355）对二者变化的敏感性水平分别为28.53%和25.54%;α（355）对ρ（TP）变化敏感性最低,敏感性水平为8.16%.研究显示,达里湖DOM对富营养化的发生具有较显著的表征影响,人工神经网络模型可为富营养化预测提供科学参考.      

湖泊水质富营养化评价的模糊神经网络方法

为了探索人工神经网络用于湖泊营养化评价的可能性,提出了基于多准则学习的模糊神经网络湖泊水质营养化评价模型。该模型应用于我国五大主要湖泊水质营养化的评价结果表明,模糊神经网络用于湖泊水质营养化评价,具有简便、实用、客观性和广泛的通用性。      

基于BP神经网络的道路交通环境影响综合评价模型

根据影响道路交通环境的各单项评价指标及其分级标准．利用随机分布理论生成足够多用于神经网络建模的样本数据。应用非线性模拟性很强的BP神经网络技术对道路交通环境质量进行综合评价，克服了物元分析等综合评价方法存在的不确定性和受人为因素影响等缺陷，提高了综合评价的客观性和合理性。评价实例表明：文中提出的生成训练样本和用BP神经网络建立道路交通环境质量的综合评价模型是合理的和可行的。     

利用复介电常数和BP人工神经网络进行浓度预测的研究

制备了一定含水率不同浓度的CuCl2的PVA样品,用微波矢量网络分析仪和微波传感器测量S11参数,计算得到相对复介电常数。以样品相对复介电常数的实部、虚部及对应频率作为输入,以CuCl2溶液的浓度作为输出,建立BP人工神经网络模型。用训练样本集对网络训练后,检验样本的预测结果与实际值最大误差为0.97%。结果表明,利用复介电常数和BP人工神经网络进行浓度预测是一种很好的方法,进而为环境监测提供了方法依据。