基于PSO-RBF神经网络模型反演闽江下游水体悬浮物浓度

doi:10.11873/j.issn.1004-0323.2018.5.0900

遥感技术与应用

2018, Vol. 33

Issue (5): 900-907 DOI: 10.11873/j.issn.1004-0323.2018.5.0900

模型与反演

基于PSO-RBF神经网络模型反演闽江下游水体悬浮物浓度

谢旭,陈芸芝

(福州大学地理空间信息技术国家地方联合工程研究中心空间数据挖掘与信息共享教育部重点实验室，福建福州 350116)

Retrieval of Total Suspended Matter in the Lower of Minjiang River based on PSO-RBF

Xie Xu，Chen Yunzhi

(National Engineering Research Center of Geospatial Information Technology Key Laboratory of Spatial Data Mining & Information Sharing，Ministry of Education，Fuzhou 350116，China)

全文: PDF

摘要：

总悬浮物浓度是水环境重要参数之一，二类水体光谱特征复杂，光谱特征与悬浮物浓度之间关系不能用简单的线性模型来表示。利用2017年7月12日~13日2 d间对闽江40点位进行水质采样和光谱测量，结合光谱响应函数模拟GF-1 WFV1各波段遥感反射率，分析遥感因子与总悬浮物浓度相关性。利用相关系数较高的波段及组合b3、b3/b2和b3/b1，构建PSO-RBF和传统RBF神经网络总悬浮物浓度反演模型，同时建立以b3/b2为自变量的经验比值模型。结果表明：与传统RBF神经网络和经验模型相比，PSO\|RBF神经网络模型效果更佳，R²=0.890，RMSE=3.01 mg·L^-1。基于训练好的PSO-RBF模型，应用GF-1 WFV1遥感影像对闽江下游水体总悬浮物浓度进行反演，影像反演的总悬浮物浓度RMSE=3.65 mg·L^-1，MRE=14.11%，遥感影像反演结果精度明显高于克里金空间插值结果。分析其空间分布特征，从上游方向往下游方向呈现增加趋势，马尾至闽江入海口河段总悬浮物浓度增加明显。

关键词： 悬浮物浓度; 遥感反射率; 闽江; 粒子群; 神经网络

Abstract: Total suspended matter (TSM) is one of the important parameters of water environment.As the spectral characteristics of the Case-II water are complicated，so it is not suitable to represent the relationship between spectral characteristics andTSM by simple linear models.In this paper，the test data，which is acquired by water quality sampling and spectral measurement of 40 points from July 12 -13，2017，together with GF-1 WFV1 bands reflectance data are used to analysis the correlation between remote sensing factors and TSM.Taking advantage of high correlation coefficients between bands，such as b3，b3/b2 and b3/b1，we construct PSO-RBF and RBF neural network model to inverse TSM.At the same time，a empirical b3/b2 ratio model is also proposed.The result shows that PSO-RBF neural network model’s performance is better than traditional RBF neural network and the empirical model，whose R²=0.890，RMSE=3.01 mg/L.On this basis，the GF-1 WFV1 remote sensing image is used to inverse TSM of Minjiang River，which is calculated by the well-trained PSO-RBF model.Furthermore，the spatial distribution characteristics of TSM is also studied.The result of TSM inversion comes to RMSE=3.65 mg·L^-1，MRE=14.11% respectively，and remote sensing image retrieval results accuracy was significantly higher than that of Kriging interpolation results，and there is

Key words: Total suspended matter Remote sensing reflectance Mingjiang river Particle Swarm Optimization Neural network

收稿日期: 2017-12-18 出版日期: 2019-03-01

ZTFLH:

TP 79

基金资助: 国家自然科学基金项目（41401488），国家重点研发计划课题（2017YFB0504203），海西政务大数据应用协同创新中心资助。

作者简介: 谢旭（1992-），男，福建龙岩人，硕士研究生，主要从事生态环境遥感研究。Email：xie94398@foxmail.com。

	服务
	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	谢旭
	陈芸芝

引用本文:

谢旭, 陈芸芝. 基于PSO-RBF神经网络模型反演闽江下游水体悬浮物浓度[J]. 遥感技术与应用, 2018, 33(5): 900-907.

Xie Xu, Chen Yunzhi. Retrieval of Total Suspended Matter in the Lower of Minjiang River based on PSO-RBF. Remote Sensing Technology and Application, 2018, 33(5): 900-907.

链接本文:

http://www.rsta.ac.cn/CN/10.11873/j.issn.1004-0323.2018.5.0900 或 http://www.rsta.ac.cn/CN/Y2018/V33/I5/900

[1]	谷晓天, 高小红, 马慧娟, 史飞飞, 刘雪梅, 曹晓敏. 复杂地形区土地利用/土地覆被分类机器学习方法比较研究[J]. 遥感技术与应用, 2019, 34(1): 57-67.
[2]	李淑敏, 冯权泷, 梁其椿, 张学庆. 基于深度学习的国产高分遥感影像飞机目标自动检测[J]. 遥感技术与应用, 2018, 33(6): 1095-1102.
[3]	汪子豪, 秦其明, 孙元亨. 基于BP神经网络的地表温度空间降尺度方法 [J]. 遥感技术与应用, 2018, 33(5): 793-802.
[4]	冯姣姣, 王维真, 李净, 刘雯雯. 基于BP神经网络的华东地区太阳辐射模拟及时空变化分析[J]. 遥感技术与应用, 2018, 33(5): 881-889.
[5]	刘爱林，郭宝平，李岩山 . 基于离散粒子群算法的凸多模态高光谱图像端元提取研究[J]. 遥感技术与应用, 2018, 33(2): 227-232.
[6]	侯海艳，侯金，黄春林，王昀琛. 基于人工神经网络和AMSR2多频微波亮温的北疆地区雪深反演[J]. 遥感技术与应用, 2018, 33(2): 241-251.
[7]	杨朦朦，汪汇兵，欧阳斯达，范奎奎，戚凯丽. 基于双树复小波分解的BP神经网络遥感影像分类[J]. 遥感技术与应用, 2018, 33(2): 313-320.
[8]	田德宇，张耀南，赵国辉，韩立钦. 基于卷积神经网络的遥感沙漠绿地提取方法[J]. 遥感技术与应用, 2018, 33(1): 151-157.
[9]	何海清，庞燕，陈晓勇. 面向遥感影像场景的深度卷积神经网络递归识别模型[J]. 遥感技术与应用, 2017, 32(6): 1078-1082.
[10]	陈坤堂，董晓龙，徐星欧，郎姝燕. 微波散射计反演海面风场的神经网络方法研究[J]. 遥感技术与应用, 2017, 32(4): 683-690.
[11]	胡根生，吴问天，黄文江，梁栋，黄林生. 粒子群优化的最小二乘支持向量机在小麦白粉病监测中的应用[J]. 遥感技术与应用, 2017, 32(2): 299-304.
[12]	过杰,何宜军,张彪,Vladimir Yurjevich Karaev,M.A.Panfilova,Yuriy Titchenko. 基于散射计波浪参数反演模型的改进算法实验[J]. 遥感技术与应用, 2016, 31(5): 907-911.
[13]	邢晓达,申茜,李俊生,张方方,庞治国,吕书强. 基于HJ-CCD的漫湾坝区河流悬浮物浓度遥感反演[J]. 遥感技术与应用, 2016, 31(4): 682-690.
[14]	陈瑜丽,沈芳. 长江口及邻近海域悬浮颗粒物对叶绿素a遥感反演算法的影响分析[J]. 遥感技术与应用, 2016, 31(1): 126-133.
[15]	高小红,杨扬,张威,贾伟,李金山,田成明,张艳娇,杨灵玉,何林华. 可见光—近红外光谱估算三江源区不同土壤全氮含量[J]. 遥感技术与应用, 2015, 30(5): 849-859.

Viewed

Full text

Abstract

Cited

Shared

Discussed