水稻冠层光谱反射特性的动态变化研究

通过对早稻整个生长期内冠层反射光谱特性动态变化的系统研究表明:①在整个水稻生长期内,水稻冠层反射光谱的比值植被指数(RVI)值呈有规律的变化,在抽穗前,随移栽后天数增加,RVI值也逐渐增大,至抽穗前达到最大值;而抽穗后,则随着移栽后天数的增加,RVI值逐渐下降,至收割前降至最低值;②积温与RVI之间存在着较密切的关系,通过对不同生育期积温与RVI之间进行的线性回归分析表明,在抽穗前,积温与RVI值之间呈极显著正相关;而抽穗后,积温与RVI之间呈极显著的负相关。在遥感估产中,这种水稻冠层反射光谱特性的变化对于校正生育期的估产偏差和提高估产精度可能有重要意义。     

一个植被双向反射模式的反演控制试验

利用地面遥感观测数据,对一个浑浊介质假定下的植被双向反射模式,增加了对太阳漫射辐射因素处理,在可见光波段上,进行了系列模式反演试验。这些试验有助于完善植被双向反射模式中物理过程的描述,了解模式反演过程的控制和选择合适遥感观测数据进行模式反演。分析试验结果发现：（１） 对 Ｌ Ａ Ｉ进行初值预估有利于获得较好的植被双向反射模式反演结果。（２） 加入植被对太阳漫射辐射的反射过程描述,可以使植被双向反射模式的反演结果更加合理。（３） 使用在太阳天顶角不太大（ ＜ ４５°） 和太阳方位角偏离１８０°不多（ ＜ ４５°） 观测条件下得到的遥感数据,可以使植被双向反射模式的反演结果较好。（４） 在３１°—６１°的太阳天顶角范围和１３６°—２５８°的太阳方位角范围内,多角度观测使太阳天顶角和方位角因素对 Ｌ Ａ Ｉ反演结果的影响不显著。（５） 当太阳漫射辐射的份额不大时,对 Ｌ Ａ Ｉ反演结果的影响不显著。如果只针对 Ｌ Ａ Ｉ,那么对反演植被双向反射模式所应用的地面遥感数据可以不进行大气校正处理,这样的结果虽然是从对地面遥感数据的处理中获得的,仍然对卫星遥感的观测时段选择和卫星遥感数据的选取和分析有一定的价值。     

BP神经网络辅助的GNSS反射信号土壤湿度反演

针对如何快速准确地估算区域尺度上的土壤湿度问题,该文首先从高质量GPS接收机接收的信噪比观测值中,提取L2C反射信号的振幅和相位作为输入,并采用Noah陆面模型计算土壤湿度值作为期望值,构建基于BP神经网络算法的GNSS卫星反射信号土壤湿度反演模型。实验结果表明:基于BP神经网络算法的GNSS卫星反射信号土壤湿度反演方法获取的土壤湿度结果与土壤湿度参考值误差较小,线性回归的决定系数R2为0.909 1,均方根误差为0.028 7;进一步与线性回归统计模型比较发现,利用BP神经网络模型定量估测土壤湿度明显优于线性回归统计模型,证明了该方法的可靠性。     

遥感植被双向反射光谱的理论研究与应用展望

本文首先分析了传统的垂直测量方法在定量遥感中的局限性及多角度倾斜光谱在估算地物三维空间结构等方面的优越性。通过总结近年来国际上在植被双向反射领域所取得的主要成果,对计算植被双向反射系数的四类物理模型进行了简要评述。然后,从模式的选取、地物方向谱的结构及最佳的多角度资料的获取、观测波段的选择和模式的数学反演等方面出发,详细地讨论了利用上述理论模型实现植被结构参数的定量估算、再生资源的定量遥感的主要过程,以及使多角度遥感的潜在优势得以真正实现的可能途径。     

转换GPS高程的神经网络模型试验研究

简要介绍了神经网络BP算法的基本结构和数学公式，并提出了转换GPS高程的神经网络模型-经改进五层BP网络结构。通过某工程实例，对五层BP网络结构的具体模型结构（如输入输出层设计，隐含层最佳节点数的选取等）进行了一些试验研究，得到了一些有工程实用价值的结论。     

基于BP神经网络模型的太湖悬浮物浓度遥感定量提取研究

构建了含有一个隐含层的两层BP神经网络反演模型，以TM数据的前4个波段的反射率作为输入，以悬浮物浓度值作为输出，成功反演了太湖水体的悬浮物浓度。     

一个植被双向反映模式的反演控制试验

利用地面遥感观测数据,对一个浑浊介质假定下的植被双向反射模式,增加了对太阳漫射辐射因素处理,在可见光波段上,进行了系列模式反演试验。这些试验有助于完善植被双向反射模式中物理过程的描述,了解模式反演过程的控制和选择合适遥感观测数据进行模式反演。分析试验结果发现：（１）对ＬＡＩ进行衩值预估有利于获得较好的植被双向反射模式反演结果。（２）加入植被对太阳漫射辐射的反射过程描述,可以使植被双向反射模式的反演     

基于直射辐射遥感图象的地物双向反射特性研究(英文)

该文讨论了一种在ＧＩＳ支持下利用直射辐射遥感图象研究地物双向反射特性的原理和方法。其主要依据是象元地面的坡度和坡向的不同，同时改变了象元地面与太阳之间、象元地面与卫星传感器之间的相对位置，并且造成了同类象元太阳直射辐射遥感分量的差异。而正是这种差异体现了该类地物双向反射特性。在ＧＩＳ的支持下利用卫星直射辐射遥感数字图象，研究卫片象元同类地物的这种差异的规律以及它们与对应坡面上的太阳位置、卫星位置的关系，便可进行该类地物的双向反射特性研究。     

基于BP神经网络模型的基坑变形监测分析研究

基坑施工是各类大型地面及地下建筑的重要基础和前提,而随着基坑规模的不断扩大以及施工环境的日益复杂,对基坑各参数的监测和预测显得越来越重要。本文针对基坑变形预测的高精度要求,详细阐述了基坑变形的数据采集要求和预测机理,建立基于粒子群优化算法的改进BP神经网络预测模型,该模型与原始BP神经网络预测模型相比,在收敛速度和目标误差控制方面都实现了明显提升。同时,经过施工现场的实验检验,PSO-BP神经网络预测在预测精度方面,其相对误差和平均绝对百分比误差也明显降低,说明该优化模型有效提升了运算速度、预测精度,能够为安全施工提供有效支持,具备推广应用的价值。     

利用神经网络方法提取水稻种植面积—以湖北省双季早稻为例

在利用NOAA数据提取水稻种植面积的过程中，由于其地面分辨率较低，存在大量混合像元问题，使得提取精度不够理想，该文基于神经网络方法即可以提供多源数据的输入，又不受数据分布假设限制的特点，从NOAA图像演算最能反应朋稻分布信息的绿度指数（NDVI）和日夜温差值，将其重采样，然后加入对水稻生产区域有重要影响的土壤类型，土地利用类型及高程分布等信息，以TM图像作为准直值进行分类，获得较为理想的湖北省双季早稻种植面积。     

一种改进激活函数的人工神经网络及其应用

提出了人工神经元的一种新颖的多参数可调激活函数,推导出相应的BP学习算法。在人工神经网络用于除草剂化合物活性预测的研究中,和传统BP算法的对比试验显示,本文的改进BP网络具有更快的收敛速度和更高的精度。     

基于BP神经网络的GPS导航算法

GPS导航解算中常用最小二乘算法。随着高动态用户需求精度的不断提高，且由于线性化忽略高次项，初始值精度低以及差分后剩余或放大误差的存在。导航解精度很难满足高动态用户的需求。为此，本文基于BP神经网络的非线性逼近性能。给出了基于BP神经网络的GPS导航算法。实测数据计算结果表明该算法能够真实地反映载体运动轨迹，其导航解的精度和可靠性有明显的提高。     

高速公路路基沉降预测的神经网络模型

软土地基的沉降控制是保证高速公路建设质量的一个关键技术.论文主要介绍了一个对高速公路路基沉降进行预测的神经网络模型.对神经网络的BP算法进行了改进,提高了BP算法的学习收敛速度和网络性能的稳定性.神经网络法预测路基沉降的难点之一是合适的训练样本构造问题,论文提出了新颖独特的“训练样本”构造方法,且应用效果良好.利用路基沉降量实测资料直接建模,采用BP网络计算的改进算法,可较为准确地预测大约4个月之后的沉降量,预测值与实测值吻合较好.     

基于L-M算法的BP神经网络分类器

以TM图像为例,讨论了基于Levenberg-Marquardt(L-M)算法的BP神经网络分类器及其在遥感图像分类中的应用。LM算法是梯度下降法与高斯牛顿法的结合,由于利用了近似的二阶导数信息,LM算法比梯度法快。就训练次数及准确度而言,LM算法明显优于变学习率法的BP算法。     

土壤中镉、铜伤害对水稻光谱特性的影响

本文讨论了水稻受重金属镉和铜污染伤害后的光谱反射特性的变化,为遥感监测污染提供基本依据。使用高分辨率光谱辐射计在自然状态下实地测量了受污染的水稻光谱特性,比采集叶片在室内测量更接近于实际情况,便于结合遥感图像进行定性和定量分析研究。 结果表明,镉和铜拌土生长的水稻在分蘖期受到的影响最明显,无论是在生理上还是在反射光谱方面变化都比较显著。因此,对水稻受重金属污染的遥感监测最佳时间为分蘖期,有效波段为0.54—0.58,0.64—0.69,0.74—0.80微米。综合对水稻光谱的各种分析方法,如波形分析,微分光谱,绿度指数和主成分变换等技术,水稻在分蘖期,对高浓度的监测效果较好,而对低浓度效果不甚明显。     

基于多次散射的植被-土壤二向反射模型

运算过于复杂是目前多数植被二向反射模型存在的一个突出问题。对冠层的各次散射、透射和地面土壤反射分别进行分析和考虑 ,建立各次反射光谱分量与叶面积指数的函数关系。在Verstraete (1 986 )的物理模型的基础上加上多次散射和土壤反射的分量 ,建立了基于多次散射的植被 土壤二向反射模型 ,并证明仅考虑前三次散射即可满足一般精度要求。该模型克服了原模型的不足 ,并可根据叶面积指数等参量直接计算二向反射率 ,避免了运算量巨大的叠代运算 ,故便于应用。实验证明 ,该模型具有较高的精度     

基于BP神经网络和拓扑参数的道路网选取研究

道路网选取是自动制图综合的重点和难点之一,运用智能化方法实现选取是当前研究的热点。BP神经网络具有强大的非线性映射能力,可以模仿人脑机能,通过对样本的学习和训练实现自动选取;结合拓扑参数,可以使选取结果很好地保持原道路网的连通性和整体结构特征。因此,提出一种基于BP神经网络和拓扑参数的道路网选取方法。首先选择训练样本并计算其拓扑参数;然后设计BP神经网络的结构,利用训练样本进行训练,找出最佳网络结构;最后选取不同特征的道路网进行实验,将选取结果与专家选取的结果进行对比分析,评价了该方法的优势与不足,并指出了下一步的改进方向。     

GPS高程拟合中神经网络法的基本思想

高程问题一直是困扰GPS的问题之一,而不同的GPS高程拟合方法都有其适用条件,并且精度不等。本文在对人工神经网络的基本原理、神经元模型、网络结构、数据结构和训练方式等研究的基础上,给出一种新的算法(新BP算法)。以“阜新控制网改造工程”作为一个具体实例,使用Matlab语言来完成GPS高程的拟合,并与其他方法作了比较,最后给出有益的结论。     

基于神经网络的变形预报方法研究

对BP,RBF,Elman 3种神经网络模型进行了简要概括,将其应用于实际工程案例中,经过多角度综合分析,验证了3种模型进行变形预报的可行性,同时得出对实际工程具有指导性意义的结论。