支持向量机在太湖叶绿素a非线性反演中的应用

• 作者: 刘建萍 孔繁翔 张玉超 钱新 钱瑜
• 来源期刊: 中国环境科学
• 学科: 地球科学
• 关键词: 支持向量机 叶绿素a MODIS 太湖
• 年，卷（期）: 2009,（1）
• 页码范围: 78-83
• 页数: 6页
• 分类号: X524
• 字数: 4060字
• 语种: 中文
• DOI: 10.3321/j.issn:1000-6923.2009.01.016

摘要

根据湖泊监测的特点.采用支持向量机(sVM)方法,反演太湖叶绿素a的浓度分布.将2005年8月太湖29个现场水质监测点数据分为训练测试样本集和验证样本集,利用训练测试样本集以及与其时间同步的MODIS遥感影像,分别构建了4种SVM模型.对比分析表明,直接以波段反射率以及水深信息构成输入向量的SVM模型预测效果最好.利用训练测试样本构建了线性同归模型、主成分分析模型(PCA)以及神经网络模型(ANN),并利用验证数据比较了上述3种模型与SVM模型的预测结果.结果表明ANN模型和SVM模型预测能力明显优于另外2种模型,其中 SVM 模型对低值和高值均有较好的预测精度,平均相对误差仅为15.91%,预测精度比ANN模型提高了10%.利用SVM 模型和 ANN 模型分别反演了2005年8月15日太湖叶绿素a浓度分布,比较了2种模型反演结果的异同,分析了太湖叶绿素a分布特征及其成因.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	钱新	南京大学环境学院污染控制与资源化研究国家重点实验室	85	988	18.0	26.0
2	钱瑜	南京大学环境学院污染控制与资源化研究国家重点实验室	54	536	15.0	21.0
3	孔繁翔	中国科学院南京地理与湖泊研究所	83	2479	27.0	47.0
4	张玉超	南京大学环境学院污染控制与资源化研究国家重点实验室	24	339	12.0	18.0
5	刘建萍	南京大学环境学院污染控制与资源化研究国家重点实验室	14	122	6.0	11.0