论文部分内容阅读
利用TM(ETM)数据与准实时地面采样数据,建立太湖叶绿素浓度反演模型。结果表明,TM3/(TM1+TM4)与叶绿素A浓度的相关性最好,并以此建立了太湖叶绿素A浓度线性反演模型,但反演精度并不高,因此,建立了一个两层BP神经网络模型反演太湖的叶绿素A浓度,结果表明,神经网络模型的反演精度远高于线性反演模型,16个测试样本表明,神经网络模型反演的相对误差小于30%的有15个点,占总测试样本93.75%,而线性反演模型反演相对误差在30%以下的仅有3个点,这表明对于太湖这样一个光谱特征复杂的二类水体,可