利用人工神经网络方法获取海表面空气温度

• 作者: 何宜军 崔迎春 辛立国 马立杰 黄海军
• 来源期刊: 高技术通讯
• 学科: 地球科学
• 关键词: 遥感反演数据 海表面空气温度 人工神经网络 多次线性回归(MLR)
• 年，卷（期）: 2006,（8）
• 所属期刊栏目: 资源环境技术
• 页码范围: 870-875
• 页数: 6页
• 分类号: P4
• 字数: 4277字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-0470.2006.08.018

摘要

探讨了将遥感反演数据与人工神经网络(ANN)模型结合来获取日平均海表面空气温度(Ta)的方法.研究表明:(1)ANN方法所获取Ta与船测Ta之间的平均偏差主要分布于-1～1℃之间,均方根误差主要分布于0～1℃之间;(2)ANN方法所获取Ta与船测Ta之间的总的均方根误差(相关系数)为0.9584℃(0.97);多次线性回归(MLR)方法所获取Ta与船测Ta之间的总的均方根误差(相关系数)为1.578℃(0.89);(3)在整个研究区域内,用ANN方法获取Ta时的平均偏差和均方根误差大多数比用MLR方法获取Ta时的平均偏差和均方根误差小,在黄、东海,用MLR方法获取Ta时比用ANN方法获取Ta时的平均偏差和均方根误差大很多(大多数均大于0.5℃,最高可达7.3℃).在获取Ta时,相对于MLR方法,ANN方法具有更好的性能和更强的区域适应性,显示出ANN方法处理非线性问题的优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何宜军	中国科学院海洋研究所	35	512	15.0	20.0
2	黄海军	中国科学院海洋研究所	74	1070	18.0	30.0
3	马立杰	中国科学院海洋研究所	17	74	6.0	8.0
7	崔迎春	中国科学院海洋研究所	10	24	4.0	4.0
16	辛立国	中国海洋大学海洋地球科学学院	2	28	2.0	2.0