基于广义回归神经网络反演悬浮泥沙含量的定量遥感方法

大气与环境光学学报 ›› 2010, Vol. 5 ›› Issue (4): 305-310.

基于广义回归神经网络反演悬浮泥沙含量的定量遥感方法

李健1，麻金继2，吉玮1

(1 安徽师范大学国土资源与旅游学院, 安徽芜湖 241003；
2 安徽师范大学物理与电子信息学院, 安徽芜湖 241000)

收稿日期:2010-04-12 修回日期:2010-05-17 出版日期:2010-07-28 发布日期:2010-07-21
通讯作者: 李健（1986—），男，江苏仪征人，研究生。主要从事遥感与GIS应用方面的研究. E-mail:ljahnu@163.com
作者简介:李健（1986—），男，江苏仪征人，研究生。主要从事遥感与GIS应用方面的研究.
基金资助:
国家自然科学基金(40701132)、安徽省自然科学基金(070412042) 、安徽师范大学博士启动基金联合资助

Using General Regression Neural Network to Retrieve Suspend Matter Concentration

LI Jian1, MA Jin-ji 2, JI Wei1

(1 College of Territorial Resources and Tourism, Anhui Normal University, Wuhu 241003, China;
2 College of Physics and Electronic Information; Anhui Normal University, Wuhu 24100, China)

Received:2010-04-12 Revised:2010-05-17 Published:2010-07-28 Online:2010-07-21

摘要/Abstract

摘要：

利用2003年1月和2004年1月所获得的珠江口实测遥感反射率和悬浮泥沙浓度数据，根据MODIS专门的水色通道，建立了基于实测遥感反射率的广义回归神经网络（GRNN）模型来反演悬浮泥沙含量，并利用MODIS图像获取悬浮泥沙的浓度图。研究结果表明：GRNN模型计算方法简单，选取MODIS 8~15通道的遥感反射率组合作为输入时，模型的反演精度较为理想，平均相对误差为17.01%，相关系数为0.965。

关键词: 海洋光学, 悬浮泥沙, MODIS, 遥感反射率, 广义回归神经网络

Abstract:

The measured data was obtained from the ocean color experiments in Pearl River Esturay in January, 2003 and January, 2004. General regression neural network model (GRNN) is established to retrieve the suspended matter concentration from remote sensing reflectance. At last, the concentration of suspend matter is derived based on moderate-resolution imaging spectroradiometer data. The result demonstrates that GRNN can get better prediction with a simple algorithm, and the model of using bands of 8~15 is better than other models, the averaged relative error is 17.01% and the correction coefficient is 0.965.

Key words: ocean optics, suspended matter, moderate-resolution imaging spectroradiometer, remote sensing reflectance, general regression neural network

中图分类号:

P733.3

李健麻金继吉玮. 基于广义回归神经网络反演悬浮泥沙含量的定量遥感方法[J]. 大气与环境光学学报, 2010, 5(4): 305-310.

LI Jian, MA Jin-Ji, JI Wei. Using General Regression Neural Network to Retrieve Suspend Matter Concentration[J]. Journal of Atmospheric and Environmental Optics, 2010, 5(4): 305-310.

参考文献

[1] Richard L M, Brent A M. Using MODIS Terra 250 m imagery to map concentrations of total suspended matter in coastal waters [J]. Remote Sensing of Environment, 2004, 93(1-2): 259-266.
[2] Wang Fang, Li guosheng. Two parameters retrieval models of suspended sediment concentration of Bohai Sea based on MODIS data [J]. Geographical Research, 2007, 26(6): 1186-1196(in Chinese).
王芳, 李国胜. 海洋悬浮泥沙二元特征参数MODIS遥感反演模型研究 [J]. 地理研究, 2007, 26(6):1186-1196.
[3] Liu fenfen, Chen chuqun, Tang shilin, et al. A piecewise algorithm for retrieval of suspended sediment concentration based on in situ spectral data by MERIS in Zhujiang River estuary [J]. Journal of Tropical Oceanography, 2009, 28(1): 9-14(in Chinese).
刘汾汾, 陈楚群, 唐世林, 等. 基于现场光谱数据的珠江口MERIS悬浮泥沙分段算法 [J]. 热带海洋学报, 2009, 28(1): 9-14.
[4] Mao zhihua, Huang haiqing, Zhu qiankun, et al. The atmospheric correction algorithm of SeaWiFS data in China seas [J]. Oceanologia Etlimnologia Sinica, 2001, 32(6): 58l-587(in Chinese).
毛志华, 黄海清, 朱乾坤, 等. 我国海区SeaWiFS资料大气校正 [J]. 海洋与湖沼, 2001, 32(6): 58l-587. [5] Liu liangming, Zhang hongmei. The application of MODIS imagery to mapping concentrations of suspended sediments in coastal waters [J]. Remote Sensing for Land & Resources, 2006, (2): 42-45(in Chinese).
刘良明, 张红梅. 基于MODIS数据的悬浮泥沙定量遥感方法 [J]. 国土资源遥感, 2006, (2): 42-45.
[6] Meters L A K, Smith M O, Adams J B. Estimating suspended sediment concentration in surface waters of the Amazon river wetlands from Landsat images [J]. Remote Sensing Environment, 1993, 43(3): 281-301.
[7] Feisi Technology Products Center. The Theory of Neural Network and MATLAB7 Application [M]. Beijing: Publishing House of Electronics Industry, 2005(in Chinese).
飞思科技产品研发中心.神经网络理论与MATLAB7实现 [M]. 北京: 电子工业出版社, 2005.
[8] Wang jiacheng, Yang Shizhi, Ma jinji, et al. Automatic could detection applied to MODIS image in the southeast of China [J]. Geomatics and Information Science of Wuhan University, 2006, 31(3): 270-273(in Chinese).
王家成, 杨世植, 麻金继, 等. 东南沿海MODIS图像自动云检测的实现 [J]. 武汉大学学报(信息科学版), 2006, 31(3): 270-273.
[9] Ma Jinji, Chen hao, Jiang xinhua. A method to identify case Ⅰ and case Ⅱ waters based on the MODIS images [J]. Journal of Atmospheric and Environmental Optics, 2009, 4(3): 201-205(in Chinese).
麻金继, 陈浩, 江新华. 基于MODIS图像Ⅰ类水和Ⅱ类水的识别方法研究 [J]. 大气与环境光学学报, 2009, 4(3): 201-205(in Chinese).
[10] Ma Jinji, Yang Shizhi, Wang Xianbing, et al. Atmospheric correction: computing atmospheric diffuse transmittance [J]. Atmospheric Research, 2006, 80(1): 1-14.

[1]	施益强, 陈坰烽, 王坚, 黄宝燕, 吴君, 陈颖锋, 肖钟湧, ∗. 厦门市MODIS 气溶胶光学厚度与PM2.5 的时空特征及其相关性[J]. 大气与环境光学学报, 2020, 15(5): 334-346.
[2]	蔡新立. 基于高分一号遥感卫星的渤海湾悬浮泥沙时空分布反演[J]. 大气与环境光学学报, 2020, 15(2): 134-142.
[3]	刘状, 石晨烈, 张萌, 高志远, 祝新明, 王旭红, . 基于聚类分析的气溶胶光学厚度时间变化特征研究[J]. 大气与环境光学学报, 2019, 14(6): 411-418.
[4]	于素真1, 吴东1,2. CALIOP反演海洋颗粒物后向散射方法[J]. 大气与环境光学学报, 2019, 14(5): 367-373.
[5]	许丹丹,麻金继,魏轶男,宫明艳,李正强. 联合CloudSat-CALIPSO-MODIS进行云相态检测的新方法(英文)[J]. 大气与环境光学学报, 2018, 13(6): 462-.
[6]	鲁恩铭肖东升刘福臻 . 基于反射率统计模型填充MODIS AOD中国陆地缺值区域[J]. 大气与环境光学学报, 2018, 13(5): 378-387.
[7]	魏寒艳崔生成杨世植赵强. 基于MODIS数据的海表温度反演[J]. 大气与环境光学学报, 2018, 13(4): 277-284.
[8]	赵仕伟高晓清. 基于MODIS数据的西北地区气溶胶光学厚度和Angström波长指数的研究[J]. 大气与环境光学学报, 2017, 12(5): 321-331.
[9]	曾昭亮郭建平马大喜刘洪利吴文正桂柯娄梦筠. 基于CALIOP和MODIS数据的气溶胶时空分布特征对比分析[J]. 大气与环境光学学报, 2017, 12(3): 210-220.
[10]	张艳婷陈斌张廷瀚张芝娟张国龙管晓丹张北斗. 利用MODIS和MISR资料对APEC会议期间气溶胶时空分布特征的分析[J]. 大气与环境光学学报, 2017, 12(2): 136-147.
[11]	张玉环毛慧琴王中挺郭伟厉青李正强陈兴峰陈辉. 基于光谱与几何匹配的GOCI与MODIS交叉辐射定标[J]. 大气与环境光学学报, 2016, 11(6): 412-422.
[12]	李宜秀吴军方勇华. 利用TERRA/MODIS对FY-3A/VIRR热红外通道进行交叉定标[J]. 大气与环境光学学报, 2016, 11(3): 204-210.
[13]	魏轶男吴时超徐飞飞汪左陶圣荣麻金继. 中国区域MODIS三个版本气溶胶产品的对比研究[J]. 大气与环境光学学报, 2016, 11(3): 217-225.
[14]	高玲李俊陈林张里阳. 利用多元回归方法反演中国陆地地区AVHRR气溶胶光学厚度[J]. 大气与环境光学学报, 2015, 10(4): 286-294.
[15]	景瑞环麻金继汪超. 基于多源数据的PM2.5反演方法[J]. 大气与环境光学学报, 2015, 10(1): 51-62.