基于半经验生物光学模型的鄱阳湖水质定量反演

作者： 周希畅  来源：武汉大学 年份：2009 文献类型 ：学位论文 关键词： 底部反射  鄱阳湖  水体固有光学特性 

描述：鄱阳湖对于鸟类的保护有着重要的生态价值。但是，采砂已经很大程度的伤害了当地的水文条件。因此，监测水的混浊度的工作是很重要的。本文旨在用遥感的方法和对于浅水湖适用的半经验生物光学模型来建立鄱阳湖详细水体固有光学特性库和量化水的含沙量。 GSM模型在本文中被应用，通过实地测量的水面遥感反射率来获取水体固有光学特性，然后运用实地采集并在实验室测量的悬浮泥沙和叶绿素a含量来计算详细水体固有光学特性。考虑到本模型使用了非线性回归的方法，模型输出物的不确定性也被获取了。然后，底部反射被加入到模型之中来研究底部反射的影响。在对MERIS影像进行预处理之后，模型的反演算法被应用到影像之中以获得鄱阳湖悬浮泥沙含量的图。 在获取的水体固有光学特性和测量的悬浮泥沙含量之间建立了一个很强的关系（R2=0.85）。对叶绿素a来说，这个关系（R2=0.68）不如悬浮泥沙。这个计算出来的详细水体固有光学特性然后就被另外一半的采样点进行了评价。获取的水体固有光学特性同其一起，可以给出悬浮泥沙和叶绿素a含量的结果。加入底部反射由于对水体物质含量的较弱关系，并没有改善模型的结果。在对悬浮泥沙的评价中，两个模型，没有加入和加入了底部反射的，哪一个拥有较小的误差是不明显的。GSM模型和线性回归得到的详细水体固有光学特性被应用到影像中来获取悬浮泥沙含量图。用这种方法得到的含量图是不可用的，因为在湖区只有少量的像素点仍然保存下来。BEAM中的神经网络方法被用来获取含量图。这幅含量图也暗示了在采砂经常发生的区域，悬浮泥沙含量略高一些。 有很多个因素都有可能导致不合适的加入底部反射的方法，包括底部光谱的获取和底部深度的测量等。基本的原因是在模型中加入的波段的限制性。因此也需要更深入的研究。此外，也需要时间序列的影像来研究水的混浊度的变化。

全文：鄱阳湖对于鸟类的保护有着重要的生态价值。但是，采砂已经很大程度的伤害了当地的水文条件。因此，监测水的混浊度的工作是很重要的。本文旨在用遥感的方法和对于浅水湖适用的半经验生物光学模型来建立鄱阳湖详细水体固有光学特性库和量化水的含沙量。 GSM模型在本文中被应用，通过实地测量的水面遥感反射率来获取水体固有光学特性，然后运用实地采集并在实验室测量的悬浮泥沙和叶绿素a含量来计算详细水体固有光学特性。考虑到本模型使用了非线性回归的方法，模型输出物的不确定性也被获取了。然后，底部反射被加入到模型之中来研究底部反射的影响。在对MERIS影像进行预处理之后，模型的反演算法被应用到影像之中以获得鄱阳湖悬浮泥沙含量的图。 在获取的水体固有光学特性和测量的悬浮泥沙含量之间建立了一个很强的关系（R2=0.85）。对叶绿素a来说，这个关系（R2=0.68）不如悬浮泥沙。这个计算出来的详细水体固有光学特性然后就被另外一半的采样点进行了评价。获取的水体固有光学特性同其一起，可以给出悬浮泥沙和叶绿素a含量的结果。加入底部反射由于对水体物质含量的较弱关系，并没有改善模型的结果。在对悬浮泥沙的评价中，两个模型，没有加入和加入了底部反射的，哪一个拥有较小的误差是不明显的。GSM模型和线性回归得到的详细水体固有光学特性被应用到影像中来获取悬浮泥沙含量图。用这种方法得到的含量图是不可用的，因为在湖区只有少量的像素点仍然保存下来。BEAM中的神经网络方法被用来获取含量图。这幅含量图也暗示了在采砂经常发生的区域，悬浮泥沙含量略高一些。 有很多个因素都有可能导致不合适的加入底部反射的方法，包括底部光谱的获取和底部深度的测量等。基本的原因是在模型中加入的波段的限制性。因此也需要更深入的研究。此外，也需要时间序列的影像来研究水的混浊度的变化。

基于半经验生物光学模型的鄱阳湖水质定量反演

作者： 周希畅  来源：武汉大学 年份：2009 文献类型 ：学位论文 关键词： 底部反射  鄱阳湖  水体固有光学特性 

描述：鄱阳湖对于鸟类的保护有着重要的生态价值。但是，采砂已经很大程度的伤害了当地的水文条件。因此，监测水的混浊度的工作是很重要的。本文旨在用遥感的方法和对于浅水湖适用的半经验生物光学模型来建立鄱阳湖详细水体固有光学特性库和量化水的含沙量。 GSM模型在本文中被应用，通过实地测量的水面遥感反射率来获取水体固有光学特性，然后运用实地采集并在实验室测量的悬浮泥沙和叶绿素a含量来计算详细水体固有光学特性。考虑到本模型使用了非线性回归的方法，模型输出物的不确定性也被获取了。然后，底部反射被加入到模型之中来研究底部反射的影响。在对MERIS影像进行预处理之后，模型的反演算法被应用到影像之中以获得鄱阳湖悬浮泥沙含量的图。 在获取的水体固有光学特性和测量的悬浮泥沙含量之间建立了一个很强的关系（R2=0.85）。对叶绿素a来说，这个关系（R2=0.68）不如悬浮泥沙。这个计算出来的详细水体固有光学特性然后就被另外一半的采样点进行了评价。获取的水体固有光学特性同其一起，可以给出悬浮泥沙和叶绿素a含量的结果。加入底部反射由于对水体物质含量的较弱关系，并没有改善模型的结果。在对悬浮泥沙的评价中，两个模型，没有加入和加入了底部反射的，哪一个拥有较小的误差是不明显的。GSM模型和线性回归得到的详细水体固有光学特性被应用到影像中来获取悬浮泥沙含量图。用这种方法得到的含量图是不可用的，因为在湖区只有少量的像素点仍然保存下来。BEAM中的神经网络方法被用来获取含量图。这幅含量图也暗示了在采砂经常发生的区域，悬浮泥沙含量略高一些。 有很多个因素都有可能导致不合适的加入底部反射的方法，包括底部光谱的获取和底部深度的测量等。基本的原因是在模型中加入的波段的限制性。因此也需要更深入的研究。此外，也需要时间序列的影像来研究水的混浊度的变化。

全文：鄱阳湖对于鸟类的保护有着重要的生态价值。但是，采砂已经很大程度的伤害了当地的水文条件。因此，监测水的混浊度的工作是很重要的。本文旨在用遥感的方法和对于浅水湖适用的半经验生物光学模型来建立鄱阳湖详细水体固有光学特性库和量化水的含沙量。 GSM模型在本文中被应用，通过实地测量的水面遥感反射率来获取水体固有光学特性，然后运用实地采集并在实验室测量的悬浮泥沙和叶绿素a含量来计算详细水体固有光学特性。考虑到本模型使用了非线性回归的方法，模型输出物的不确定性也被获取了。然后，底部反射被加入到模型之中来研究底部反射的影响。在对MERIS影像进行预处理之后，模型的反演算法被应用到影像之中以获得鄱阳湖悬浮泥沙含量的图。 在获取的水体固有光学特性和测量的悬浮泥沙含量之间建立了一个很强的关系（R2=0.85）。对叶绿素a来说，这个关系（R2=0.68）不如悬浮泥沙。这个计算出来的详细水体固有光学特性然后就被另外一半的采样点进行了评价。获取的水体固有光学特性同其一起，可以给出悬浮泥沙和叶绿素a含量的结果。加入底部反射由于对水体物质含量的较弱关系，并没有改善模型的结果。在对悬浮泥沙的评价中，两个模型，没有加入和加入了底部反射的，哪一个拥有较小的误差是不明显的。GSM模型和线性回归得到的详细水体固有光学特性被应用到影像中来获取悬浮泥沙含量图。用这种方法得到的含量图是不可用的，因为在湖区只有少量的像素点仍然保存下来。BEAM中的神经网络方法被用来获取含量图。这幅含量图也暗示了在采砂经常发生的区域，悬浮泥沙含量略高一些。 有很多个因素都有可能导致不合适的加入底部反射的方法，包括底部光谱的获取和底部深度的测量等。基本的原因是在模型中加入的波段的限制性。因此也需要更深入的研究。此外，也需要时间序列的影像来研究水的混浊度的变化。

基于HJ CCD影像的鄱阳湖总悬浮物浓度反演与时空化研究

作者： 张伟  来源：武汉大学 年份：2012 文献类型 ：学位论文 关键词： 1A/1B  HJ  水色遥感  总悬浮物浓度  鄱阳湖 

描述：获取地表信息的技术手段,在一定程度上能够解决水体监测野外观测不便、数据获取困难等问题。本文以时间序列的HJ-1A/1B卫星CCD传感器数据为数据源,以鄱阳湖水体总悬浮物浓度变化遥感监测为目标,开展模型

全文：获取地表信息的技术手段,在一定程度上能够解决水体监测野外观测不便、数据获取困难等问题。本文以时间序列的HJ-1A/1B卫星CCD传感器数据为数据源,以鄱阳湖水体总悬浮物浓度变化遥感监测为目标,开展模型

基于HJ CCD影像的鄱阳湖总悬浮物浓度反演与时空化研究

作者： 张伟  来源：武汉大学 年份：2012 文献类型 ：学位论文 关键词： 1A/1B  HJ  水色遥感  总悬浮物浓度  鄱阳湖 

描述：获取地表信息的技术手段,在一定程度上能够解决水体监测野外观测不便、数据获取困难等问题。本文以时间序列的HJ-1A/1B卫星CCD传感器数据为数据源,以鄱阳湖水体总悬浮物浓度变化遥感监测为目标,开展模型

全文：获取地表信息的技术手段,在一定程度上能够解决水体监测野外观测不便、数据获取困难等问题。本文以时间序列的HJ-1A/1B卫星CCD传感器数据为数据源,以鄱阳湖水体总悬浮物浓度变化遥感监测为目标,开展模型

基于HJ CCD影像的鄱阳湖总悬浮物浓度反演与时空化研究

作者： 张伟  来源：武汉大学 年份：2012 文献类型 ：学位论文 关键词： 1A/1B  HJ  水色遥感  总悬浮物浓度  鄱阳湖 

描述：获取地表信息的技术手段,在一定程度上能够解决水体监测野外观测不便、数据获取困难等问题。本文以时间序列的HJ-1A/1B卫星CCD传感器数据为数据源,以鄱阳湖水体总悬浮物浓度变化遥感监测为目标,开展模型

全文：获取地表信息的技术手段,在一定程度上能够解决水体监测野外观测不便、数据获取困难等问题。本文以时间序列的HJ-1A/1B卫星CCD传感器数据为数据源,以鄱阳湖水体总悬浮物浓度变化遥感监测为目标,开展模型

鄱阳湖湿地植被的多源影像数据融合制图

作者： 纪卓娅  来源：武汉大学 年份：2009 文献类型 ：学位论文 关键词： Brovey变换  影像融合  植物群落  IHS变换 

描述：全球湿地资源由于人类的活动正以惊人的速度减少。比起高花费的野外调查，随着遥感科学以及地理信息系统的发展，基于监测植物群落的湿地管理变得更加有效率。然而，光学遥感不总是能够正确地区分出湿地植物群落。而且，湿地典型的潮湿性气候大大的降低了光学影像的质量并进一步减少了其在原本在发展中国家就难以获得的数量。作为一种解决方法，本文研究了光学影像与雷达影像的融合。这两种不同来源的影像数据中有着相互补充的信息。本文的目的就是研究两种不同的融合技术亮度，色相合饱和度（IHS）变换以及Brovey变换在区分确定湿地植物群落是否可行。 在影像数据融合之前，分别对光学影像ALOS以及ENVISAT雷达影像中的湿地植物群落（苔草，荻和狗牙根）进行最大释然法的监督分类。尽管有一些分类错误，ALOS影像的分类结果基本能够区分这三种植物群落（总体精度达到88.7%，kappa统计值达到0.86）。ALOS分类图中这三种植物群落围绕着湖呈现带状分布，但是难以看出苔草和荻哪一种更接近湖泊。在图中沙地非常清晰可见。虽然水体被归类的很准确，ENVISAT雷达影像的分类图几乎不能分辨出这三种植物群落的区别（总体精度75%，kappa0.66）。大部分的沙地都被错误的分类到水体类。用两种技术融合之后的影像分类都更加成功。在两幅融合分类图中，沙地和水体被完全的区分开来。在Brovey融合分类结果图中（总体精度达93.4%，kappa0.91），荻群落被绘制的比较分散而不是形成带状。但是苔草是最接近湖泊，跟着是荻和狗牙根的分布次序还是非常明显的。在IHS融合分类结果图中这三种植物群落被区分的非常好（总体精度94.4%，kappa0.93）。 不同传感器来源的影响融合，充分利用了相互补充的信息内容可以成功的对湿地植物群落进行制图。这种便宜而且高效监测湿地资源的方法的潜力是显而易见的。

全文：全球湿地资源由于人类的活动正以惊人的速度减少。比起高花费的野外调查，随着遥感科学以及地理信息系统的发展，基于监测植物群落的湿地管理变得更加有效率。然而，光学遥感不总是能够正确地区分出湿地植物群落。而且，湿地典型的潮湿性气候大大的降低了光学影像的质量并进一步减少了其在原本在发展中国家就难以获得的数量。作为一种解决方法，本文研究了光学影像与雷达影像的融合。这两种不同来源的影像数据中有着相互补充的信息。本文的目的就是研究两种不同的融合技术亮度，色相合饱和度（IHS）变换以及Brovey变换在区分确定湿地植物群落是否可行。 在影像数据融合之前，分别对光学影像ALOS以及ENVISAT雷达影像中的湿地植物群落（苔草，荻和狗牙根）进行最大释然法的监督分类。尽管有一些分类错误，ALOS影像的分类结果基本能够区分这三种植物群落（总体精度达到88.7%，kappa统计值达到0.86）。ALOS分类图中这三种植物群落围绕着湖呈现带状分布，但是难以看出苔草和荻哪一种更接近湖泊。在图中沙地非常清晰可见。虽然水体被归类的很准确，ENVISAT雷达影像的分类图几乎不能分辨出这三种植物群落的区别（总体精度75%，kappa0.66）。大部分的沙地都被错误的分类到水体类。用两种技术融合之后的影像分类都更加成功。在两幅融合分类图中，沙地和水体被完全的区分开来。在Brovey融合分类结果图中（总体精度达93.4%，kappa0.91），荻群落被绘制的比较分散而不是形成带状。但是苔草是最接近湖泊，跟着是荻和狗牙根的分布次序还是非常明显的。在IHS融合分类结果图中这三种植物群落被区分的非常好（总体精度94.4%，kappa0.93）。 不同传感器来源的影响融合，充分利用了相互补充的信息内容可以成功的对湿地植物群落进行制图。这种便宜而且高效监测湿地资源的方法的潜力是显而易见的。

基于MODIS影像的鄱阳湖悬浮泥沙浓度反演：支持向量机和回归模型比较

作者： 侯秀秀  来源：武汉大学 年份：2010 文献类型 ：学位论文 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 

描述：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。

鄱阳湖湿地植被的多源影像数据融合制图

作者： 纪卓娅  来源：武汉大学 年份：2009 文献类型 ：学位论文 关键词： Brovey变换  影像融合  植物群落  IHS变换 

描述：全球湿地资源由于人类的活动正以惊人的速度减少。比起高花费的野外调查，随着遥感科学以及地理信息系统的发展，基于监测植物群落的湿地管理变得更加有效率。然而，光学遥感不总是能够正确地区分出湿地植物群落。而且，湿地典型的潮湿性气候大大的降低了光学影像的质量并进一步减少了其在原本在发展中国家就难以获得的数量。作为一种解决方法，本文研究了光学影像与雷达影像的融合。这两种不同来源的影像数据中有着相互补充的信息。本文的目的就是研究两种不同的融合技术亮度，色相合饱和度（IHS）变换以及Brovey变换在区分确定湿地植物群落是否可行。 在影像数据融合之前，分别对光学影像ALOS以及ENVISAT雷达影像中的湿地植物群落（苔草，荻和狗牙根）进行最大释然法的监督分类。尽管有一些分类错误，ALOS影像的分类结果基本能够区分这三种植物群落（总体精度达到88.7%，kappa统计值达到0.86）。ALOS分类图中这三种植物群落围绕着湖呈现带状分布，但是难以看出苔草和荻哪一种更接近湖泊。在图中沙地非常清晰可见。虽然水体被归类的很准确，ENVISAT雷达影像的分类图几乎不能分辨出这三种植物群落的区别（总体精度75%，kappa0.66）。大部分的沙地都被错误的分类到水体类。用两种技术融合之后的影像分类都更加成功。在两幅融合分类图中，沙地和水体被完全的区分开来。在Brovey融合分类结果图中（总体精度达93.4%，kappa0.91），荻群落被绘制的比较分散而不是形成带状。但是苔草是最接近湖泊，跟着是荻和狗牙根的分布次序还是非常明显的。在IHS融合分类结果图中这三种植物群落被区分的非常好（总体精度94.4%，kappa0.93）。 不同传感器来源的影响融合，充分利用了相互补充的信息内容可以成功的对湿地植物群落进行制图。这种便宜而且高效监测湿地资源的方法的潜力是显而易见的。

全文：全球湿地资源由于人类的活动正以惊人的速度减少。比起高花费的野外调查，随着遥感科学以及地理信息系统的发展，基于监测植物群落的湿地管理变得更加有效率。然而，光学遥感不总是能够正确地区分出湿地植物群落。而且，湿地典型的潮湿性气候大大的降低了光学影像的质量并进一步减少了其在原本在发展中国家就难以获得的数量。作为一种解决方法，本文研究了光学影像与雷达影像的融合。这两种不同来源的影像数据中有着相互补充的信息。本文的目的就是研究两种不同的融合技术亮度，色相合饱和度（IHS）变换以及Brovey变换在区分确定湿地植物群落是否可行。 在影像数据融合之前，分别对光学影像ALOS以及ENVISAT雷达影像中的湿地植物群落（苔草，荻和狗牙根）进行最大释然法的监督分类。尽管有一些分类错误，ALOS影像的分类结果基本能够区分这三种植物群落（总体精度达到88.7%，kappa统计值达到0.86）。ALOS分类图中这三种植物群落围绕着湖呈现带状分布，但是难以看出苔草和荻哪一种更接近湖泊。在图中沙地非常清晰可见。虽然水体被归类的很准确，ENVISAT雷达影像的分类图几乎不能分辨出这三种植物群落的区别（总体精度75%，kappa0.66）。大部分的沙地都被错误的分类到水体类。用两种技术融合之后的影像分类都更加成功。在两幅融合分类图中，沙地和水体被完全的区分开来。在Brovey融合分类结果图中（总体精度达93.4%，kappa0.91），荻群落被绘制的比较分散而不是形成带状。但是苔草是最接近湖泊，跟着是荻和狗牙根的分布次序还是非常明显的。在IHS融合分类结果图中这三种植物群落被区分的非常好（总体精度94.4%，kappa0.93）。 不同传感器来源的影响融合，充分利用了相互补充的信息内容可以成功的对湿地植物群落进行制图。这种便宜而且高效监测湿地资源的方法的潜力是显而易见的。

鄱阳湖湿地植被的多源影像数据融合制图

作者： 纪卓娅  来源：武汉大学 年份：2009 文献类型 ：学位论文 关键词： Brovey变换  影像融合  植物群落  IHS变换 

描述：全球湿地资源由于人类的活动正以惊人的速度减少。比起高花费的野外调查，随着遥感科学以及地理信息系统的发展，基于监测植物群落的湿地管理变得更加有效率。然而，光学遥感不总是能够正确地区分出湿地植物群落。而且，湿地典型的潮湿性气候大大的降低了光学影像的质量并进一步减少了其在原本在发展中国家就难以获得的数量。作为一种解决方法，本文研究了光学影像与雷达影像的融合。这两种不同来源的影像数据中有着相互补充的信息。本文的目的就是研究两种不同的融合技术亮度，色相合饱和度（IHS）变换以及Brovey变换在区分确定湿地植物群落是否可行。 在影像数据融合之前，分别对光学影像ALOS以及ENVISAT雷达影像中的湿地植物群落（苔草，荻和狗牙根）进行最大释然法的监督分类。尽管有一些分类错误，ALOS影像的分类结果基本能够区分这三种植物群落（总体精度达到88.7%，kappa统计值达到0.86）。ALOS分类图中这三种植物群落围绕着湖呈现带状分布，但是难以看出苔草和荻哪一种更接近湖泊。在图中沙地非常清晰可见。虽然水体被归类的很准确，ENVISAT雷达影像的分类图几乎不能分辨出这三种植物群落的区别（总体精度75%，kappa0.66）。大部分的沙地都被错误的分类到水体类。用两种技术融合之后的影像分类都更加成功。在两幅融合分类图中，沙地和水体被完全的区分开来。在Brovey融合分类结果图中（总体精度达93.4%，kappa0.91），荻群落被绘制的比较分散而不是形成带状。但是苔草是最接近湖泊，跟着是荻和狗牙根的分布次序还是非常明显的。在IHS融合分类结果图中这三种植物群落被区分的非常好（总体精度94.4%，kappa0.93）。 不同传感器来源的影响融合，充分利用了相互补充的信息内容可以成功的对湿地植物群落进行制图。这种便宜而且高效监测湿地资源的方法的潜力是显而易见的。

全文：全球湿地资源由于人类的活动正以惊人的速度减少。比起高花费的野外调查，随着遥感科学以及地理信息系统的发展，基于监测植物群落的湿地管理变得更加有效率。然而，光学遥感不总是能够正确地区分出湿地植物群落。而且，湿地典型的潮湿性气候大大的降低了光学影像的质量并进一步减少了其在原本在发展中国家就难以获得的数量。作为一种解决方法，本文研究了光学影像与雷达影像的融合。这两种不同来源的影像数据中有着相互补充的信息。本文的目的就是研究两种不同的融合技术亮度，色相合饱和度（IHS）变换以及Brovey变换在区分确定湿地植物群落是否可行。 在影像数据融合之前，分别对光学影像ALOS以及ENVISAT雷达影像中的湿地植物群落（苔草，荻和狗牙根）进行最大释然法的监督分类。尽管有一些分类错误，ALOS影像的分类结果基本能够区分这三种植物群落（总体精度达到88.7%，kappa统计值达到0.86）。ALOS分类图中这三种植物群落围绕着湖呈现带状分布，但是难以看出苔草和荻哪一种更接近湖泊。在图中沙地非常清晰可见。虽然水体被归类的很准确，ENVISAT雷达影像的分类图几乎不能分辨出这三种植物群落的区别（总体精度75%，kappa0.66）。大部分的沙地都被错误的分类到水体类。用两种技术融合之后的影像分类都更加成功。在两幅融合分类图中，沙地和水体被完全的区分开来。在Brovey融合分类结果图中（总体精度达93.4%，kappa0.91），荻群落被绘制的比较分散而不是形成带状。但是苔草是最接近湖泊，跟着是荻和狗牙根的分布次序还是非常明显的。在IHS融合分类结果图中这三种植物群落被区分的非常好（总体精度94.4%，kappa0.93）。 不同传感器来源的影响融合，充分利用了相互补充的信息内容可以成功的对湿地植物群落进行制图。这种便宜而且高效监测湿地资源的方法的潜力是显而易见的。

基于MODIS影像的鄱阳湖悬浮泥沙浓度反演：支持向量机和回归模型比较

作者： 侯秀秀  来源：武汉大学 年份：2010 文献类型 ：学位论文 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 

描述：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。