【作者】 侯秀秀
【关键词】 回归模型 支持向量机 遥感定量反演 核函数 悬浮泥沙浓度
【导师姓名】邬国锋
【学位名称】硕士
【学位年度】2010
【授予单位】武汉大学
【分类号】 P208
【录入时间】2017-05-14
【全文传递】获取全文
【摘要】随着地理信息科学和计算科学等的不断发展，采用遥感手段对水质参数进行定量反演这一研究逐渐被提上日程并取得一系列进展。鄱阳湖是一个复杂庞大的动态生态系统，其悬浮泥沙含量作为一项基本的水质参数对水体光学性质及水动力作用都有重要影响。因此，对鄱阳湖水体悬浮泥沙浓度的反演研究对湖泊生态功能研究以及人类活动监测极具重要意义。 本论文以鄱阳湖悬浮泥沙浓度定量遥感反演为例，首先介绍了悬浮泥沙浓度定量遥感反演的研究背景和意义，从定量遥感反演模型、遥感数据以及支持向量机应用等方面概述了国内外在水体水质以及悬浮泥沙浓度定量反演方面的研究现状；其次，论述了悬浮泥沙浓度遥感定量反演的反演模型，阐述了支持向量机理论，尤其是是支持向量回归理论的基本原理以及在回归模型建立方面的应用。第三，在理论研究的基础上，运用支持向量机方法和传统的统计回归建模方法分别建立悬浮泥沙浓度反演模型，并用独立的数据进行模型的检验，进而进行方法的比较。结果显示：利用30个样本建立的10个支持向量机模型和3类33个统计回归模型中，拟合度最高的是以可见光红、蓝、绿、近红外4个波段反射率的遥感悬浮泥沙指数变换为输入量，基于nu-SVM模型建立的支持向量回归模型，其R2≈0.95，模型的均方根误差为RMSE≈11.68mg/L，而最好的传统方法建立的模型是以可见光红、蓝、绿、近红外4个波段反射率线性组合为自变量建立的指数模型SSC=0.28947*exp(34.18970*Red_250-8.93235*Infrared_250+7.78678*Blue_500+1.41766*Green_500)其R2≈0.93，RMSE≈11.56mg/L。但利用独立数据进行模型检验发现，SVM模型预测值有较大的偏差，而传统方法的验证结果精度相对较高。因此我们认为：尽管SVM在很多应用中取得了成功，但我们测试的SVM模型较传统方法相比并未获得理想的结果。...
【全文】随着地理信息科学和计算科学等的不断发展，采用遥感手段对水质参数进行定量反演这一研究逐渐被提上日程并取得一系列进展。鄱阳湖是一个复杂庞大的动态生态系统，其悬浮泥沙含量作为一项基本的水质参数对水体光学性质及水动力作用都有重要影响。因此，对鄱阳湖水体悬浮泥沙浓度的反演研究对湖泊生态功能研究以及人类活动监测极具重要意义。 本论文以鄱阳湖悬浮泥沙浓度定量遥感反演为例，首先介绍了悬浮泥沙浓度定量遥感反演的研究背景和意义，从定量遥感反演模型、遥感数据以及支持向量机应用等方面概述了国内外在水体水质以及悬浮泥沙浓度定量反演方面的研究现状；其次，论述了悬浮泥沙浓度遥感定量反演的反演模型，阐述了支持向量机理论，尤其是是支持向量回归理论的基本原理以及在回归模型建立方面的应用。第三，在理论研究的基础上，运用支持向量机方法和传统的统计回归建模方法分别建立悬浮泥沙浓度反演模型，并用独立的数据进行模型的检验，进而进行方法的比较。结果显示：利用30个样本建立的10个支持向量机模型和3类33个统计回归模型中，拟合度最高的是以可见光红、蓝、绿、近红外4个波段反射率的遥感悬浮泥沙指数变换为输入量，基于nu-SVM模型建立的支持向量回归模型，其R2≈0.95，模型的均方根误差为RMSE≈11.68mg/L，而最好的传统方法建立的模型是以可见光红、蓝、绿、近红外4个波段反射率线性组合为自变量建立的指数模型SSC=0.28947*exp(34.18970*Red_250-8.93235*Infrared_250+7.78678*Blue_500+1.41766*Green_500)其R2≈0.93，RMSE≈11.56mg/L。但利用独立数据进行模型检验发现，SVM模型预测值有较大的偏差，而传统方法的验证结果精度相对较高。因此我们认为：尽管SVM在很多应用中取得了成功，但我们测试的SVM模型较传统方法相比并未获得理想的结果。