文献类型：期刊文章

作　　者：刘一鸣[1] 张磊[2] 周梅[1,3,4] 梁建[5] 王妍[1] 孙力[1,3] 李庆利[1,3,4]

LIU Yi-Ming;ZHANG Lei;ZHOU Mei;LIANG Jian;WANG Yan;SUN Li;LI Qing-Li(Shanghai Key Laboratory of Multidimensional Information Processing,East China Normal University,Shanghai 200241,China;Beijing Tracking and communication Technology Institute,Beijing 100094,China;Engineering Center of SHMEC for Space Information and GNSS,Shanghai 200241,China;Engineering Research Center of Nanophotonics&Advanced Instrument,Ministry of Education,East China Normal University,Shanghai 200241,China;Nantong Academy of Intelligent Sensing,Nantong 226000,China)

机构地区：[1]华东师范大学上海市多维度信息处理重点实验室,上海200241 [2]北京跟踪与通信技术研究所,北京100094 [3]华东师范大学空间信息与定位导航上海高校工程研究中心,上海200241 [4]华东师范大学纳光电集成与先进装备教育部工程研究中心,上海200241 [5]南通智能感知研究院,江苏南通226000

出　　处：《红外与毫米波学报》

基　　金：Supported by the National Natural Science Foundation of China(61975056,61901173);the Shanghai Natural Science Foundation(19ZR1416000);the Science and Technology Commission of Shanghai Municipality(20440713100,19511120100,18DZ2270800)。

年　　份：2022

卷　　号：41

期　　号：1

起止页码：323-336

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、DOAJ、EI、IC、JST、RCCSE、SCIE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：悬浮泥沙浓度是水体监测中极为重要的指标。本论文基于神经网络具有弥补传统经验算法固有误差的潜力,设计并开发了基于人工神经网络的神经网络校正器来对经验反演结果进行二次校正。为了防止在小数据集的情况下出现过拟合问题,采用了特殊设计的正则化项。基于高分五号高光谱遥感数据以及在长江口和沿海水域同时收集的悬浮泥沙浓度实地测量结果,研究了4种基线经验模型,并评估了使用神经网络校正器后的精度。在每个基线模型上都测试了神经网络校正器模型的两个典型应用,包括基线模型校正和时间校正。在这两种应用中,结果均表明,经校正的D′Sa模型具有最高的准确性。通过使用基线模型校正,均方根误差从0.1495 g/L降低至0.1436 g/L,平均绝对百分比误差从0.7821降低至0.7580,决定系数从0.6805升高至0.6926。实施时间校正后,平均绝对百分比误差从0.8657降低至0.7817,决定系数从0.6688升高至0.7155。最后,基于神经网络校正器校正后精度最高的模型处理了整幅高分五号高光谱图像。本论文结果为各种经验反演算法提供了一种通用的二次校正方法,以最大程度地减少基线模型的固有误差,并且保证了反演精度。

关 键 词：神经网络校正器  机器学习  高光谱  高分五号卫星  水质  悬浮泥沙浓度

分 类 号：TN215]