本文關(guān)鍵詞：基于深度殘差網(wǎng)絡(luò)的高光譜遙感數(shù)據(jù)霾監(jiān)測(cè)　出處：《光學(xué)學(xué)報(bào)》2017年11期 　論文類型：期刊論文

  更多相關(guān)文章： 遙感 大氣污染監(jiān)測(cè) 霾監(jiān)測(cè) 深度殘差網(wǎng)絡(luò) 高光譜遙感 深度學(xué)習(xí) 機(jī)器學(xué)習(xí)

【摘要】：霾監(jiān)測(cè)是環(huán)境治理中的關(guān)鍵技術(shù)之一。目前地面觀測(cè)站進(jìn)行霾監(jiān)測(cè)的耗費(fèi)較大,基于多光譜遙感的霾識(shí)別精度較低。將深度學(xué)習(xí)用于高光譜遙感數(shù)據(jù)的霾監(jiān)測(cè),提出一種基于深度殘差網(wǎng)絡(luò)的高光譜霾監(jiān)測(cè)方法,利用深度網(wǎng)絡(luò)提取霾光譜曲線特征,再使用殘差學(xué)習(xí)等方法降低網(wǎng)絡(luò)訓(xùn)練難度,得到了霾監(jiān)測(cè)模型。蘇州地區(qū)Hyperion高光譜數(shù)據(jù)集上的實(shí)驗(yàn)表明,與其他遙感霾監(jiān)測(cè)方法相比,所提方法的霾識(shí)別精度更高。
[Abstract]:Haze monitoring is one of the key technologies in environmental control. At present, it is very expensive for ground observation stations to monitor haze, and the accuracy of haze recognition based on multispectral remote sensing is low. The depth learning is applied to the haze monitoring of hyperspectral remote sensing data. A method of hyperspectral haze monitoring based on deep residual network is proposed. The feature of haze spectral curve is extracted by depth network, and the difficulty of network training is reduced by residual learning. The experimental results on Hyperion hyperspectral data set in Suzhou area show that the proposed method has higher accuracy than other remote sensing haze detection methods.
【作者單位】： 上海交通大學(xué)航空航天學(xué)院;上海衛(wèi)星工程研究所十五室;上海市氣象科學(xué)研究所衛(wèi)星遙感應(yīng)用技術(shù)研究室;
【基金】：國家自然科學(xué)基金(U1406404) 上海市軍民結(jié)合項(xiàng)目(滬經(jīng)信軍[2014年]495號(hào))
【分類號(hào)】：TP79;X87
【正文快照】： 霾是指大量極細(xì)微的干塵粒等均勻地漂浮在空中,使水平能見度小于10km的空氣普遍渾濁現(xiàn)象[1]。當(dāng)前,我國的大氣污染越發(fā)嚴(yán)重。在中國氣象行業(yè)標(biāo)準(zhǔn)《霾的觀測(cè)和預(yù)報(bào)等級(jí)》中將霾的預(yù)報(bào)等級(jí)進(jìn)行了定義。大氣霾污染已經(jīng)成為了亟待解決的重大環(huán)境問題之一[2],而霾的監(jiān)測(cè)是霾污染治

【相似文獻(xiàn)】

相關(guān)期刊論文 前2條

1 楊煜;李云梅;王橋;王彥飛;金鑫;尹斌;張紅;;基于環(huán)境一號(hào)衛(wèi)星高光譜遙感數(shù)據(jù)的巢湖水體葉綠素a濃度反演[J];湖泊科學(xué);2010年04期

2 安如;劉影影;曲春梅;Quaye-Ballard JA;梁欣;徐曉峰;王U，

本文編號(hào)：1423119