简介：为了掌握洪湖水质未来的变化情况以及预防污染事件的发生,建立了一个BP神经网络水质指标预测模型。利用洪湖1990~2014年的水质指标实测数据作为学习样本,选取了pH、溶解氧（DO）、铵态氮（NH4＋—N）、硝态氮（NO3-—N）、总氮（TN）、总磷（TP）6项指标作为预测参数,建立了BP神经网络模型,并运用该模型对洪湖水质指标进行了预测,同时引入一元线性回归模型与GM（1,1）灰色预测模型与该模型进行对比。结果表明,BP神经网络模型预测的水质指标的相关性系数都在0.998以上,平均相对误差都控制在2.5%以内,对单个指标的预测相对误差也都小于9%,明显优于一元线性回归模型和灰色预测模型;BP神经网络模型预测精度较高,预测速度快,能够相对准确地预测大部分水质指标,可以有效地应用于洪湖以及其它水域水质指标的预测和水质趋势的预警预报系统中。

简介：以扎龙湿地龙泡子为研究对象,利用58个实测水深数据和季相最接近的QuickBird数据,建立湖泊水深的反演模型。探索性地建立了单波段和多波段组合的线性（多元）回归模型、指数模型、二次多项式模型、微分模型和对数模型等;通过对比模型的决定系数R2,比较模型精度;线性模型、对数模型、指数模型和幂指数模型的R2小于0.5,而二次多项式模型和多元线性回归模型的R2大于0.5,精度相对较高;筛选出拟合度较高的模型,用20个实测验证样本,采用相对误差和均方根误差进行模型精度评价;最后,利用精度较高的模型,进行龙泡子水深反演计算。水深反演结果表明,用选出的模型反演得到的龙泡子水深基本一致,为170～200cm,即使有稀疏的水草覆盖,依然可以表现出水深渐变的趋势。以蓝、绿、红和近红外波段多光谱遥感反射率为自变量,建立的线性湖泡水深反演模型y=123.990-3.332B1＋183.859B2-237.133B3-37.143B4（y为水深;B1、B2、B3和B4分别为蓝、绿、红和近红外波段的水体反射率）,能较好地反演扎龙湿地湖泡的水深。