水质污染问题已经成为我国环保领域的重要课题,它直接影响到人类的生存与发展。水质监测与评价为水环境水资源管理和污染控制的主要手段之一,是进行水质治理和水资源开发利用的前期工作,为水资源的保护和综合应用提供原则性的方案和依据。 本文基于多源传感器地面监测数据,高分辨率、多光谱遥感卫星图像数据,以Matlab为平台,从信息融合的角度,引入支持向量机(SVM)理论与方法,并首次将该方法应用到水质监测与评价中,分析其可行性、有效性。主要研究内容及结论如下: (1)以地面监测数据为对象,设计并构建了基于地面监测数据的SVM水质状况识别模型,分析长江口水质状况,并与单因子评价方法,BP神经网络方法和基于D-S理论的方法进行比较,说明在水质状况识别问题上,运用支持向量机方法进行水质评价是可行的,且具有更好的分类能力。 (2)将每月水质参数平均浓度值的监测看成一个时间序列预测问题,建立了基于地面监测数据的SVM水质监测信息融合处理模型,对太湖流域的水质参数高锰酸盐指数月平均浓度进行监测,并与基于RBF神经网络的预测模型作了比较,结果说明,支持向量机应用于水质监测是可行的,为间接水质监测提供了一种行之有效的方法。 (3)利用空中监测和地面监测信息的关联性,分别构建了基于遥感图像与地面信息的SVM水质监测信息融合处理模型和状况识别评价模型,通过从遥感图像提取的平均灰度值反演地面水质参数的指标值和水质类别,实现利用遥感图像对地面监测数据的补充,以获取更多的水质信息,从而进行更好的水质评价。