论文部分内容阅读
通过用采集到的二百多组莱州湾西-南岸潮滩表层沉积物反射率光谱与其相应的沉积物样品的粒度数据来建立光谱反射率与沉积物粒度之间的数学关系,通过检验模型以及验证所构建的模型的精度,来判断模型是否可以用来反演遥感数据,然后选择1995年至2017年里6期的遥感影像,利用模型反演这6期的影像,通过分析遥感影像的反演结果以及结合历史地貌资料,对反演结果进行可信度验证分析,由此分析利用神经网络模型进行潮滩粒度反演的可行性。文章主要分成六大模块,第一部分是野外光谱数据以及沉积物样品的采集及实验室分析;第二部分是野外采集的光谱数据与遥感卫星波段匹配,以相关系数为指标,筛选出相关性高的光谱反射率组合,从而构建遥感反演因子;第三部分是构建光谱数据与沉积物粒度数据的BP神经网络模型;第四部分是模型的验证;第五部分是对模型精度进行深入检验与分析;第六部分是利用模型反演遥感影像,结合野外采集的沉积物样品分析以及历史地貌资料对反演结果再进行深入论证,通过双重验证从而讨论利用神经网络反演自然表面下的潮滩粒度的可行性。本文的主要研究结论如下:(1)从模型的验证结果看,模型反演输出的四种粒度数据与真实数值总体拟合度比较的好,相关系数分别为0.83、0.89、0.87和0.79,从训练结果上看,相关系数都在0.8以上,平均粒径和砂含量综合验证结果是最好的,最差的是粘土含量。(2)从APE(平均相对误差)检验模型精度结果来看,总体模型是可以直接用于反演遥感影像的。平均粒径的反演结果最好,APE值最低,而且反演最稳定,APE平均值能够达到为9%,然而反演结果最差的是砂含量和粘土含量。通过详细剖析不同的APE值,以及异常高的APE值,发现导致APE计算结果不稳定的是少数极高PE值导致的,而极高PE值一般都是预测极小值产生的,也就是说一方面神经网络对于预测极值不敏感,另一方面预测极小值容易导致计算PE时分母过小导致PE过高,通过剔除极个别高PE值,粘土含量APE从最高106%降低到28%,砂含量APE从最高189%下降到38%。(3)从RMSD(均方根误差)与PRMSD(变异系数)检验模型精度结果来看,RMSD值的稳定告诉我们反演值与实测值的总体差距还是比较稳定的,可以确定用于反演遥感影像;通过计算PRMSD(变异系数)值验证了APE计算结果不管差别有多大在整体的平均变异上还是小并且比较稳定的,例如,砂含量和粘土含量APE的不同次数计算结果差异是非常大的,从不到30%到超过100%,但是PRMSD的计算结果的差别范围在百分之几到百分之十左右,所以PRMSD值代表了整体预测差值在整体输出实测值的比例,反映了模型整体预测的效果。(4)利用模型从分析反演的1995年、1999年、2005年、2009年、2014年及2017年粒度结果来看,总体来说可以看出每年莱州湾西-南岸沉积物存在从西至南岸方向变化规律,从西至南岸,粗颗粒物质含量越来越多,细颗粒物质含量越来越少,导致平均粒径呈现出从西至南岸变粗的趋势,这符合莱州湾潮滩沉积物粒度分布的实际规律。