基于神经网络方法的高光谱遥感浅海水深反演

利用人工神经网络方法进行了高光谱遥感反演浅海水深的初步研究.在产生模拟数据时,为保证模拟数据的合理性,引入了根据水体和海底特性来划分光学浅水和光学深水的方法,并初步研究了利用光谱徽分技术进行光学浅水和光学深水区分的有效性.在人工神经网络建模过程中,采用主成分分析的方法对网络的输入数据进行预处理,显著提高了网络的学习速度.建立的人工神经网络模型和基于非线性最优化方法的反演算法与实测数据的反演结果相比较,人工神经网络模型的反演精度明显高于非线性最优化反演算法.     

HJ-1A/1B星CCD传感器数据在黄东海浒苔监测中的应用

基于浒苔光谱特性和归一化植被指数,利用HJ-1A/1B星CCD传感器数据对黄东海浒苔进行监测。监测结果表明HJ-1A/1B星CCD传感器,可以提供比MODIS更多的精细信息,如提供重点海域的浒苔分布范围、覆盖范围、变化状况等信息。     

光谱微分技术在高光谱遥感浅海海底底质中的应用初探

采用光谱微分技术进行了高光谱遥感反演浅海海底底质的初步研究。首先,利用半分析海洋辐射传递模型模拟不同海底底质的光学浅水高光谱遥感反射比数据集;然后,利用光谱微分技术建立海底底质识别算法;最后利用水槽模拟数据来验证。结果表明本文建立的反演算法可以应用于泥砂类和植物类底质的区分。