首页 > 水生生物学报 > 基于麻雀搜索算法优化BP神经网络的叶绿素a浓度反演:以小江为例

基于麻雀搜索算法优化BP神经网络的叶绿素a浓度反演:以小江为例

OPTIMIZATION OF BP NEURAL NETWORK FOR CHLOROPHYLL-A CONCENTRATION INVERSION BASED ON SPARROW SEARCH ALGORITHM:A CASE STUDY OF XIAOJIANG

二维码有效期 120s

摘要针对传统反向传播(Back Propagation,BP)神经网络在叶绿素a浓度反演中对初始值敏感、容易陷入局部最优的问题,文章提出基于麻雀搜索算法(Sparrow Search Algorithm,SSA)优化SSA-BP反演模型.结合大疆RTK300无人机搭载AFX-10高光谱相机的遥感数据与小江回水区同步地面采样数据,构建新型反演模型.结果显示:(1)Savitzky-Golay(SG)平滑显著优化光谱数据质量,使SSA-BP模型决定系数(R2)提升至0.98;(2)相较于传统BP神经网络,SSA-BP模型反演精度全面提升,其中渠马水域平均绝对误差(MAE)降低了59.14%,均方根误差(RMSEP)降低了60.78%,相对百分比差异(RPD)提高了57.32%;(3)SSA-BP模型克服了传统BP模型在低浓度区域(R2从0.94降至0.76)的性能衰减,在不同叶绿素a浓度梯度下均保持稳定高精度,R2最高达到0.98.研究证实SSA-BP模型显著提升无人机高光谱遥感反演叶绿素a的精度与适应性,为内陆水体生态环境监测提供可靠技术手段.

作者潘炜 ^[1] 米武娟 ^[2] 段思宇 ^[3] 张羽珩 ^[2] 黄宇波 ^[4] 田楚铭 ^[2] 景晓萱 ^[1] 朱宇轩 ^[2] 毕永红 ^[2] 李渊 ^[3] 学术成果认领

作者单位太原科技大学环境与资源学院,太原 030024;中国科学院水生生物研究所,武汉 430072 ^[1] 中国科学院水生生物研究所,武汉 430072 ^[2] 太原科技大学环境与资源学院,太原 030024 ^[3] 中国长江三峡集团有限公司流域枢纽运行管理中心,宜昌 443133 ^[4]

关键词麻雀搜索算法 BP神经网络回水区叶绿素a浓度高光谱 Sparrow search algorithm BP neural network Backwater area Chlorophyll a concentration Hyperspectral

分类号 S932.7 TP802

栏目名称

智慧渔业与盐碱生态渔业

DOI 10.3724/1000-3207.2025.2024.0484

发布时间 2025-07-28（万方平台首次上网日期，不代表论文的发表时间）