地表水质评价的径向基神经网络模型设计

该文以MATLAB6．5为平台介绍了神经网络工具箱中径向基函数网络的基本原理、训练算法以及实现函数，指出该实现函数具有自适应确定网络结构和无需人为确定初始权值的特性。将其应用于某市的地表水质评价，研究了训练样本集、检测样本集及其目标输出的构造、原始数据的预处理、神经网络的构建、训练、检测及结果评价整个过程，收到了良好效果，为地表水质评价中神经网络的应用与设计奠定了扎实的基础。另外，还与BP网进行了对比，BP网表现出结构和初始权值确定的人为性。     

基于信息量模型和机器学习方法的滑坡易发性评价研究——以四川理县为例

以阿坝藏族羌族自治州地质灾害频发的理县为研究区,从地形地貌、地质环境、水文条件和人类工程活动等方面选取11个影响因子,通过皮尔森相关系数研究各因子之间的相关性,从而构建滑坡易发性评价指标体系。利用信息量模型计算各影响因子的信息量值,从信息量模型得出的极低和低易发性分区中选取非滑坡样本,在此基础上将样本数据代入随机森林和径向基函数神经网络2种机器学习模型开展滑坡易发性评价,并通过接收灵敏度（Receiver Operating Characteristic,ROC）曲线进行精度验证。结果显示：随机森林模型预测出的高易发区单位面积内分布的滑坡点数量更为集中,在仅占6.666%的区域分布了74.026%的灾害点,评价结果优于径向基函数神经网络模型。ROC曲线中两模型AUC（Area Under Curve）值分别为0.893、0.874,说明随机森林模型具有更高的可靠性,比径向基函数神经网络在该区域地质灾害易发性评价中更具优势。     

基于RBFN模型的贵州省石漠化危险度评价

西南喀斯特山区石漠化已成为当地发展的重大障碍,国内诸多学者对此做了大量研究工作。本文在前人研究成果的基础上,选取影响喀斯特石漠化演化的相关指标,运用GIS技术提取各指标数据,建立RBFN模型 (Radial Basis Function Network,径向基函数网络模型),根据不同石漠化危险程度标准,选取12个市县相关数据进行训练,确定网络模型参数,进而对贵州省82个市、县 (自治州) 的喀斯特石漠化危险度进行了评价,结果显示：贵州省西南部的西南-东北沿线为喀斯特石漠化发生的极强危险区、整个西南部为强危险区,北部地区为中度危险区,而东南部地区为轻度危险区,并利用他人研究成果进行了对比验证,发现结果较为理想。     

顾及各向异性的CSRBF空间插值及其在气温场重建中的应用

在地理空间中各种地理现象实际上是一种连续变化的空间场。由于受到观测手段、工具的限制,只能从有限的地点获得有限的观测数据。为了获得连续的空间场,通常采用克吕格插值、反距离权重插值等方法进行重建。但这些方法都是各向同性的,与具有各向异性的真实地理现象分布并不相符。该文以各向同性的紧支撑径向基函数插值模型为基础,对其进行改进,使其能够顾及空间场的各向异性。其方法是利用加权主成分分析对原始数据进行方向性特征分析并进行旋转,再利用半变异函数拟合变换后坐标系下各轴向的变程值,以此为基础构建紧支撑径向基函数插值模型并进行插值,最后将插值结果逆旋转到真实地理空间。以国家气象中心提供的黄淮海平原气温数据与香港天文台提供的香港地区气温数据为例,对该文提出的顾及各向异性紧支撑径向基函数空间插值方法进行验证,并与反距离权重插值、全局径向基函数插值及顾及各向异性的普通克里格插值进行对比,实验表明该方法具有较高的精度且能够对气温场的细节进行准确的重建。     

应用人工神经网络模型研究福建省山仔水库叶绿素a动态

本文应用山仔水库2003-2006年叶绿素 a浓度、总磷浓度、总氮浓度、水温、溶解氧浓度、高锰酸盐指数、pH值7个参数监测数据对人工神经网络模型进行训练,在此基础上应用1997-2002年除叶绿素a浓度外其他6个参数监测数据,推算出1997-2002年间缺失的叶绿素a浓度,并对1997-2006年春末夏初的叶绿素a浓度动态进行分析,结果表明:山仔水库1997年建库初期,叶绿素a浓度处于较高水平,2000年以后叶绿素a浓度开始降低,近几年基本保持稳定.2003-2006年叶绿素a浓度呈季节周期性变化,春末经夏季到初秋,叶绿素a浓度持续升高,冬季下降明显,春季又开始回升;说明近几年山仔水库水体春末夏季秋初处于富营养化水平,秋末冬季处于中营养水平.本研究结果将为山仔水库的富营养化防治提供科学依据.     

广东省典型湖泊叶绿素浓度垂向变化模型及影响机制

叶绿素浓度垂向变化影响遥感反演精度和富营养化评价。湖泊水体叶绿素浓度影响因子众多,其垂向变化规律仍是当前的研究难点。以广东省3个典型湖泊的叶绿素浓度、营养盐浓度、藻种及粒径结构等数据,分析了叶绿素浓度垂向变化规律与影响机制,并用不同函数来拟合建模。结果表明：各水体不同时期拟合函数各异,需要分时间、分区域讨论;浅水区域（或浅水湖泊）叶绿素浓度自上而下先减后增,用傅立叶变换拟合效果佳;深水区域的规律是自上而下递减明显,用高斯函数拟合效果较好。浅水区域,光照和水温对垂向浓度的影响在本研究中体现不明显,但营养盐及底泥对其影响较明显;深水区域的垂向浓度变化是藻种、水温、营养盐等因子共同作用的结果。     

应用人工神经网络模型研究福建省山仔水库叶绿素a动态

本文应用山仔水库2003-2006年叶绿素a浓度、总磷浓度、总氮浓度、水温、溶解氧浓度、高锰酸盐指数、pH值7个参数监测数据对人工神经网络模型进行训练,在此基础上应用1997-2002年除叶绿素a浓度外其他6个参数监测数据,推算出1997-2002年间缺失的叶绿素a浓度,并对1997-2006年春末夏初的叶绿素a浓度动态进行分析,结果表明:山仔水库1997年建库初期,叶绿素a浓度处于较高水平,2000年以后叶绿素a浓度开始降低,近几年基本保持稳定.2003-2006年叶绿素a浓度呈季节周期性变化,春末经夏季到初秋,叶绿素a浓度持续升高,冬季下降明显,春季又开始回升;说明近几年山仔水库水体春末夏季秋初处于富营养化水平,秋末冬季处于中营养水平.本研究结果将为山仔水库的富营养化防治提供科学依据.     

基于改进的逐点交叉验证的RBF形态参数优化方法及其空间插值实验

径向基函数(Radial Basis Function,RBF)是一种确定性的多维空间插值模型,可以有效逼近任意维度的空间数据。RBF插值模型中,基函数形态参数直接影响插值精度。为了快速求解最佳形态参数,获取准确的插值结果,该文采用改进的逐点交叉验证(Improved Leave One Out Cross Validation,ILOOCV)方法求取最优形态参数,首先从形态参数取值区间内选定初始形态参数α,然后从n个已知点中顺序选出一个点,使用剩下的n-1个已知点构建RBF插值模型,计算被取出点处真实值与插值结果的误差,循环n次,累计交叉验证误差,再依次从形态参数取值区间选取下一个值,重复操作,建立形态参数α与累计交叉验证误差之间的函数映射关系,最后通过最小化交叉验证误差来获取最佳形态参数。以我国东北地区气象观测数据进行实验,对ILOOCV方法进行验证,结果表明ILOOCV方法选取最佳形态参数使其插值结果比较精确,是一种可行的RBF形态参数优化方法。     

基于多层紧支撑径向基函数的DEM插值方法

采用多层紧支撑径向基函数对离散数据内插生成DEM。首先对采样数据进行预处理,在原始数据上删除最小距离点对上的点,每次删除后将剩下的数据点存储并作为下一次删除操作的数据源,重复删除操作至点数为给定的初值;然后在已存储的数据集中选取均匀度较大的m个子集作为插值的数据源,分别进行紧支撑径向基函数插值,将上一层的误差作为下一层的插值属性值,求解插值矩阵系数。将规则格网点作为插值点通过插值矩阵内插生成DEM,并且与各种径向基函数插值方法进行比较。实验分析表明,基于多层紧支撑径向基函数的DEM具有较高的插值精度,可作为一种DEM插值方法。     

基于自适应紧支撑径向基函数的点云三维建模

激光扫描仪(Laser'Scanner,LS)获得的点云数据由海量全离散的矢量坐标点构成.由于点云数据没有明显的形体信息和拓扑关系信息,考虑数据本身蕴含的丰富信息,采用改进后的自适应紧支撑径向基函数(AdaptiveCS-RBF)算法对点云数据进行曲面重建.在介绍紧支撑径向基函数数学模型的基础上,采用激光扫描获得同济大学孔子头像点云数据进行实例建模,通过比较不同建模参数获得的模型,分析该方法的应用效果.     

基于红边位置的台湾相思树叶片叶绿素含量估测模型研究

在BRDF测试系统环境下利用ASD便携式野外光谱仪采集台湾相思树叶片光谱,并用UV2450-分光光度计对观测叶片进行叶绿素含量测定．对光谱数据采用不同算法获得红边位置变量,并与叶绿素含量进行拟合,构建用于估测台湾相思树叶片叶绿素含量的模型．结果表明,各种算法获得的红边位置变量用于构建模型估测叶绿素含量是可行的,其中,采用5次多项武拟合算法精度最高．经平滑处理后的一阶导数法精度坎之．     

基于红边位置的台湾相思树叶片叶绿素含量估测模型研究

在BRDF测试系统环境下利用ASD便携式野外光谱仪采集台湾相思树叶片光谱,并用UV2450-分光光度计对观测叶片进行叶绿素含量测定．对光谱数据采用不同算法获得红边位置变量,并与叶绿素含量进行拟合,构建用于估测台湾相思树叶片叶绿素含量的模型．结果表明,各种算法获得的红边位置变量用于构建模型估测叶绿素含量是可行的,其中,采...     

Experimental calibration of lake-sediment spectral reflectance to chlorophyll a concentrations: methodology and paleolimnological validation

Chlorophyll a preserved in lake sediments reflects, in part, past primary production. This study assesses the spectral properties of sedimentary chlorophyll a using visible-near infrared reflectance (VNIR) spectroscopy, with the objective of establishing a new, non-destructive paleolimnological proxy. Reflectance spectra were determined from a dilution series (n = 10) involving incremental additions of pulverized modern algae to a lake sediment matrix of low organic content. This enabled an assessment of the development of sediment reflectance spectra in relation to different sediment chlorophyll a concentrations, and subsequent regression of spectral features against measured concentrations of chlorophyll a and derivatives obtained by high performance liquid chromatography (HPLC). The experiment demonstrates that ubiquitous troughs in sediment reflectance near 675 nm are attributable to chlorophyll a and derivative compounds. A significant correlation (r ² = 0.98, P < 0.01) was obtained between the area of the reflectance trough in the 650–700 nm interval and summed concentrations of chlorophyll a, all derivative isomers, and degradational pheopigments. A simple linear inference model derived from this experiment was applied to a down-core sequence of VNIR spectra from a productive prairie lake (Alberta, Canada), where it produced inferred sediment chlorophyll a concentrations in concordance with HPLC measurements. Although a larger training set is desirable to further refine the inference model, the analyses reported here demonstrate that reflectance spectroscopy provides a rapid, semi-quantitative method for assessing the chlorophyll a content of lake sediments.     

人工智能计算技术在新疆干旱区典型绿洲土壤盐分预测中的应用

针对新疆渭干河-库车河三角洲绿洲土壤盐分动态监测中存在的方法问题,首先用灰色关联度模型分析影响形成土壤盐渍化的各因子,并确定其与土壤盐分之间的关联度,然后将人工智能计算技术引入土壤盐分的预测中,经过多次调整网络结构和参数,建立了预测表层土壤盐分的BP神经网络模型和RBF神经网络模型。结果表明：以潜在蒸散量、地下水埋深、地下水矿化度、土壤电导率、总溶解固体、pH值、坡度和土地利用类型8个因素为输入因子,以土壤含盐量为输出因子的BP网络模型和RBF网络模型可有效模拟土壤盐分与其影响因子之间的内在复杂关系,并且有较高的精度。BP网络模型预测误差略低于RBF神经网络。本研究可为分析和预测土壤盐渍化动态规律提供一种有效可行的新途径,是对传统土壤盐分动态研究的补充。     

水分胁迫条件下棉花生理变化及其高光谱响应分析

利用ASD地物光谱仪,测定水分胁迫条件下棉花不同生育时期内叶片的光谱反射率,应用微分技术处理棉花的反射光谱,并结合棉花叶面积指数(LAI)、叶绿素(a b)含量(Chlt)、叶片全氮(TN)含量等生物参数进行分析,研究棉花水分胁迫情况下的高光谱特征,结果表明,一阶微分光谱720nm波段的数值与LAI的正相关(R=0．7656);750nm处一阶微分值与叶绿素含量呈显著正相关关系(R=0．7774);微分光谱690nm～740nm数值积分面积与TN含量呈正相关(R=0．7669),采用比值反射率对反射光谱1300nm～1500nm波段范围内最小值与棉花叶片的含水量作相关分析,达到极显著水平(R^2=0．8298),验证了一阶微分光谱数据与棉花的生理参数有很好的相关性,可见光和近红外波段光谱反射率能够反映出棉花生长发育的动态特征;证明了棉花的花铃期是高光谱遥感对棉花长势和生理参数定量诊断的最佳时期。本研究通过建立一系列线性光谱模型对棉花生理参数进行估测,为基于高光谱数据的棉花生长模型和棉花长势的遥感监测提供了理论依据。     

基于离子光谱特征波段反射率的土壤碱化指标反演模型

以新疆奇台地区碱化土壤为研究对象,通过分析碱化土壤实测光谱反射率曲线与八大离子、pH、碱化指标相互间的相关关系,建立基于离子光谱特征波段反射率的各碱化指标一元及多元光谱反演模型,并对其精度进行验证。结果显示:Na^+、CO_3^2-、HCO_3^-含量与光谱反射率正相关,最高点的相关系数分别为0.710、0.798、0.749,而Ca²⁺、Mg²⁺含量与光谱反射率负相关,相关系数最高均不超过-0.370,反映出前3类离子含量与光谱反射率关系更为密切。SAR(钠吸附比)和ESP(碱化度)与Na+相关系数同为0.954,TA(总碱度)、RSC(残余碳酸钠)、pH与CO_3^2-的相关系数分别为0.946、0.949和0.953,总体上Na^+和CO_3^2-含量对各碱化指标的影响更大。各碱化指标与土壤光谱反射率的相关性TA>RSC>ESP>pH>SAR;其中TA与光谱反射率的相关系数达到0.863。碱化指标TA的离子光谱特征波段反射率反演模型精度最好,其R^2为0.703,比利用实测光谱反射率建立的pH反演模型的R^2高约14%,说明前者精度更高,能更好地反映研究区内土壤的碱化程度。利用离子光谱特征波段反射率实现对土壤碱化的预测会成为今后研究的重点。     

Do spectrally inferred determinations of chlorophyll <Emphasis Type="Italic">a</Emphasis> reflect trends in lake trophic status?

Visible reflectance spectroscopy (VRS) has been used to reconstruct lake sediment chlorophyll a concentrations. Despite good concordance between inferred and measured chlorophyll a values, questions remain as to whether this spectral technique is tracking past changes in aquatic primary production, or simply recording a diagenetic signal. In this study, we critically evaluate how well VRS chlorophyll a determinations track past trends in aquatic primary production using sediment cores from several lake systems with well-known trophic histories. Our study sites include Arctic, boreal and prairie lakes that encompass a gradient of trophic states. In general, our spectrally inferred chlorophyll a values tracked past trends in lake trophic status consistent with historical measurements of production, or as inferred by independent proxies of primary production. We conclude that VRS chlorophyll a inferences indeed track histories of lake production trends and that this method is widely applicable as a rapid, inexpensive and non-destructive alternative to wet-chemical analyses of sediment chlorophyll a concentrations.     

基于TM数据的太湖叶绿素a浓度定量遥感反演方法研究

探讨利用常规卫星遥感数据Landsat/TM定量反演太湖叶绿素a(Chl-a)浓度的方法。在对Landsat/TM影像进行几何校正、辐射定标、大气校正等预处理的基础上,选择适于太湖Chl-a浓度定量反演的最佳波段或波段组合,采用半经验回归模型和混合光谱分解模型分别建立太湖Chl-a浓度定量反演模型,并对不同模型及反演结果进行对比分析。     

Quantitative retrieval of soil salt content based on measured spectral data

Choosing the Minqin Oasis, located downstream of the Shiyang River in Northwest China, as the study area, we used field-measured hyperspectral data and laboratory-measured soil salt content data to analyze the characteristics of saline soil spectral reflectance and its transformation in the area, and elucidated the relations between the soil spectral reflectance, reflectance transformation, and soil salt content. In addition, we screened sensitive wavebands. Then, a multiple linear regression model was established to predict the soil salt content based on the measured spectral data, and the accuracy of the model was verified using field-measured salinity data. The results showed that the overall shapes of the spectral curves of soils with different degrees of salinity were consistent, and the reflectance in visible and near-infrared bands for salinized soil was higher than that for non-salinized soil. After differential transformation, the correlation coefficient between the spectral reflectance and soil salt content was obviously improved. The first-order differential transformation model based on the logarithm of the reciprocal of saline soil spectral reflectance produced the highest accuracy and stability in the bands at 462 and 636 nm; the determination coefficient was 0.603, and the root mean square error was 5.407. Thus, the proposed model provides a good reference for the quantitative extraction and monitoring of regional soil salinization.     

基于支持向量机和Getis因子的高分辨率遥感图像分类

采用支持向量机对具有RGB 3个波段、分辨率为0.32 m的航空摄影图像进行实验,首次根据表示空间聚集程度的局部Getis因子完成分类。结果表明:1)当应用基于线性、多项式、径向基和Sigmoid 4种常用核函数的SVM进行分类时,基于径向基的SVM分类精度最高,总体精度超过91%。2)从原始图像计算出局部Getis因子,该指标可用于图像分类,且分类精度与局部Getis因子的步长有关;在步长小于变异函数变程的条件下,应用径向基SVM的总体分类精度达95.66%,高于直接使用原始图像RGB波段光谱信息的分类精度,因此局部Getis因子在高空间分辨率遥感图像分类中具有应用和研究价值。