本文選題：遙感 + 潮灘地形��； 參考：《地理與地理信息科學(xué)》2016年02期

【摘要】：潮灘地形資料的獲取是開發(fā)利用潮間帶資源的第一步。以納潮盆地為實(shí)驗(yàn)對象,從遙感影像面狀信息入手,提取并組合影像中的信息,采用遙感與BP人工神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法,構(gòu)建遙感光譜信息、地貌特征與潮灘高程信息之間的關(guān)系模型。結(jié)果表明:在遙感光譜信息基礎(chǔ)上,引入納潮盆地縱、橫剖面地貌特征因子的神經(jīng)網(wǎng)絡(luò)模擬效果更好;將潮灘灘面與潮水溝分別進(jìn)行網(wǎng)絡(luò)建模,生成地形,平均絕對誤差達(dá)0.299m,這說明,神經(jīng)網(wǎng)絡(luò)在模擬高程起伏較大的區(qū)域時(shí)精度較低,適當(dāng)降低神經(jīng)網(wǎng)絡(luò)輸入數(shù)據(jù)的復(fù)雜度有利于改善網(wǎng)絡(luò)的模擬精度。
[Abstract]:The acquisition of topographic data of tidal flat is the first step to develop and utilize the resources of intertidal zone. Taking the Nao-Chao Basin as the experimental object, the remote sensing spectral information is constructed by combining remote sensing with BP artificial neural network, starting with the surface information of remote sensing image, extracting and combining the information in the image. The relationship model between geomorphologic features and tidal beach elevation information. The results show that on the basis of remote sensing spectral information, the neural network simulation effect of geomorphologic characteristic factors of vertical and cross-section of tidal basin is better, and the tidal flat and tidal channel are modeled separately to generate topography. The average absolute error is 0.299 m, which shows that the accuracy of neural network is low when simulating the region with large height fluctuation, and it is helpful to improve the simulation accuracy by reducing the complexity of input data of neural network.
【作者單位】： 河海大學(xué)地球科學(xué)與工程學(xué)院;河海大學(xué)水文水資源學(xué)院;河海大學(xué)港口海岸與近海工程學(xué)院;
【基金】：國家海洋公益性行業(yè)科研專項(xiàng)資助項(xiàng)目(201005006) 江蘇省基礎(chǔ)研究計(jì)劃(自然科學(xué)基金)資助項(xiàng)目(BK2012414) 國家科技支撐計(jì)劃項(xiàng)目(2012BAB03B01)
【分類號(hào)】：P737.1;P715.7

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 熊楨,鄭蘭芬,童慶禧;分層神經(jīng)網(wǎng)絡(luò)分類算法[J];測繪學(xué)報(bào);2000年03期

2 詹云軍;黃解軍;吳艷艷;;基于神經(jīng)網(wǎng)絡(luò)與元胞自動(dòng)機(jī)的城市擴(kuò)展模擬[J];武漢理工大學(xué)學(xué)報(bào);2009年01期

3 趙波,邊馥苓;基于知識(shí)的神經(jīng)網(wǎng)絡(luò)及其在智能空間決策支持系統(tǒng)中的應(yīng)用[J];測繪工程;2000年03期

4 趙珂;;SINS/GPS的神經(jīng)網(wǎng)絡(luò)狀態(tài)估計(jì)[J];科技信息;2009年10期

5 王翰釗;;基于神經(jīng)網(wǎng)絡(luò)推理的GIS信息預(yù)測方法[J];管理工程師;2013年03期

6 駱正山,王小完;基于神經(jīng)網(wǎng)絡(luò)的礦巖邊界自動(dòng)圈定的研究[J];微電子學(xué)與計(jì)算機(jī);2005年06期

7 胡明星;GIS和神經(jīng)網(wǎng)絡(luò)在城市發(fā)展規(guī)劃中的應(yīng)用[J];四川測繪;2001年02期

8 黎夏,葉嘉安;基于神經(jīng)網(wǎng)絡(luò)的元胞自動(dòng)機(jī)及模擬復(fù)雜土地利用系統(tǒng)[J];地理研究;2005年01期

9 楊云,張子敬;地圖數(shù)字注記識(shí)別的神經(jīng)網(wǎng)絡(luò)方法[J];解放軍測繪學(xué)院學(xué)報(bào);1997年01期

10 吳簡彤,王利存,原金升,張樹俠;GPS誤差模型參數(shù)估計(jì)的Hopfield神經(jīng)網(wǎng)絡(luò)方法[J];中國慣性技術(shù)學(xué)報(bào);1998年04期

相關(guān)會(huì)議論文 前4條

1 劉麗娜;陳彥;王秀麗;童玲;;土壤室內(nèi)散射測量與參數(shù)的神經(jīng)網(wǎng)絡(luò)反演[A];遙感定量反演算法研討會(huì)摘要集[C];2010年

2 張平;董吉文;;基于神經(jīng)網(wǎng)絡(luò)的GIS技術(shù)研究現(xiàn)狀[A];2005通信理論與技術(shù)新進(jìn)展——第十屆全國青年通信學(xué)術(shù)會(huì)議論文集[C];2005年

3 閆利會(huì);周忠發(fā);喻琴;;基于神經(jīng)網(wǎng)絡(luò)和通感光譜特征的石漠化分類方法——以貴州省畢節(jié)市鴨池石橋小流域?yàn)槔齕A];現(xiàn)代地理科學(xué)與貴州社會(huì)經(jīng)濟(jì)[C];2009年

4 姚煥炯;徐朝樹;李波;;基于神經(jīng)網(wǎng)絡(luò)的激光掃描數(shù)據(jù)擬合[A];中國測繪學(xué)會(huì)九屆四次理事會(huì)暨2008年學(xué)術(shù)年會(huì)論文集[C];2008年

，

本文編號(hào)：1856969