利用神经网络反演海水叶绿素浓度

被引：22

作者：

詹海刚

施平

陈楚群

机构：

[1] 中国科学院南海海洋研究所! 广州

[2] 中国水产科学研究院南海水产研究所! 广州

[3] 中国科学院南海海洋研究所!广州

来源：

科学通报 | 2000年 / 17期

关键词：

神经网络; 叶绿素浓度; 遥感反射率; 反演; 二类海水;

D O I：

暂无

中图分类号：

P714 [调查及观测方法];

学科分类号：

0816 ;

摘要：

利用美国国家航空与航天局SeaBAM小组收集的海水叶绿素浓度和辐射同步实测资料, 建立由遥感反射率反演海水叶绿素的神经网络模型, 并与SeaBAM统计算法的计算结果进行比较. 神经网络模型的反演值在叶绿素浓度略小于0.03 mg/m3的很小范围内有些偏高, 在叶绿素浓度的其他区间精度较高, 在二类海水区域则明显好于SeaBAM统计算法. 总体而言, 神经网络模型的反演结果优于SeaBAM统计算法.

引用

页码：1879 / 1884

页数：6

共 4 条

[1] The use of Neural Networks for the estimation of oceanic constituents based on the MERIS instrument [J].

Buckton, D ;

O'Mongain, E ;

Danaher, S .

INTERNATIONAL JOURNAL OF REMOTE SENSING, 1999, 20 (09) :1841-1851

[2] A neural network model for estimating sea surface chlorophyll and sediments from thematic mapper imagery [J].

Keiner, LE ;

Yan, XH .

REMOTE SENSING OF ENVIRONMENT, 1998, 66 (02) :153-165

[3] Potential and limitations of information extraction on the terrestrial biosphere from satellite remote sensing [J].

Verstraete, MM ;

Pinty, B ;

Myneni, RB .

REMOTE SENSING OF ENVIRONMENT, 1996, 58 (02) :201-214

[4]

A semianalytic radiance model of ocean color .2 Gordon H R,Brown O B,Evans R H,et al. J Geophys Res . 1988

← 1 →