混合藻类高光谱特征及其叶绿素a分离定量模型

Journal of Lake Sciences(2010)

引用 24|浏览5
暂无评分
摘要
利用地物高光谱遥感技术,在室内进行小球藻、聚球藻及其混合藻高光谱测量.得到这3组藻的反射光谱特征,同时进行叶绿素a(Chl.a)浓度测量.利用Matlab软件中的神经网络工具箱对得到的高光谱数据进行了曲线拟合.并用拟合结果和光谱测量实际结果分别建立了两种单一藻类的定量模型单一小球藻Chl.a最优的定量模型为用反射率实际值建立的小球藻单波段反射率模型Chl.a=1×10~7(R_(687))~2-37016R_(687)+53.64.单一聚球藻Chl.a最优的定量模型为利用反射率实际值建立的聚球藻两波段模型Chl.a=853 15×[R~(-1)(669)-R~(-1)(730)]×R(730)+505.78.在对两种单一藻类定量模型研究的基础上分别用单波段反射率分离模型、三波段分离模型和两波段分离模型对由小球藻和聚球藻组成的混合藻进行了Chl.a浓度分离.其中单波段反射率分离模型和两波段分离模型得到了较好的分离结果,单波段反射率分离模型结果要优于两波段分离模型结果.利用神经网络模型拟合值构建的模型要优于直接用反射率测量值构建的模型,而三波段分离模型的分离结果不理想,不适用于本研究.
更多
查看译文
关键词
single band,Synechococcus sp.,neural network,Chlorella vulgaris,three bands spectral ratio,two bands spectral ratio,Chlorophyll-a,hyperspectral
AI 理解论文
溯源树
样例
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要