基于BP-神经网络的区域下垫面遥感图像解译方法及其应用——以上海市太浦河两翼地区为例

城市化的发展改变了城市下垫面的条件,从而对水环境产生了多种影响.为保证水文、水动力等数学模型的预测精度,需要对区域下垫面的遥感图像进行遥感解译分析,利用解译好的数据及时对水文、水动力实时预报模型进行更新.BP-神经网络技术简单实用,收敛速度快,可以在一定程度上消除传统的遥感影像分类带来的模糊性和不确定性,保证遥感图像解译的分类精度.以上海市太浦河两翼地区为例,将该区域的影像图分为绿地、房屋、水体、农田、旱地、道路等六大地物类型,结合BP-神经网络算法确定各个类别的空间分布,并统计出各类地物的面积分别为48.85km2、19.98km2、60.13km2、71.14km2、3.28km2、7.13km2,为后续水利设计相关工作提供技术支撑.