论文部分内容阅读
遥感水质监测相比传统水质监测方法具有速度快、范围广、低成本等优势的特点,通过遥感技术能够更好地监测研究区域水质参数的时空变化。悬浮物浓度是重要的水质参数之一,常用来评价水质的好坏。本文以闽江下游为研究区域,实测光谱数据、水质信息数据、2015年~2017年高分1号WFV传感器影像及Landsat8影像为数据源,应用PSO-RBF神经网络模型对悬浮物浓度进行遥感估算与分析。主要研究内容及结论有:(1)闽江下游悬浮物浓度反演模型构建与分析。利用实测光谱模拟GF-1 WFV及Landsat8传感器的波段设置,通过对实测悬浮物浓度与光谱数据进行Pearson相关性分析,高光谱用于反演悬浮物浓度敏感波段及组合为R468、R656和R656/R468,高分1号用于反演悬浮物浓度敏感波段及组合为b3、b3/b2和b3/b1,Landsat8用于反演悬浮物浓度敏感波段及组合为b4、b4/b3和b4/b2。利用敏感波段及组合分别建立高光谱、GF-1 WFV和Landsat8的数理统计模型、BP神经网络模型和PSO-RBF神经网络模型,从建模精度及误差分析来看,同种传感器不同悬浮物浓度反演模型中PSO-RBF神经网络模型为最优反演模型。(2)闽江下游悬浮物浓度反演结果与分析。基于训练好的PSO-RBF神经网络模型和BP神经网络模型,应用GF-1 WFV和Landsat8遥感影像对闽江下游水体总悬浮物浓度进行反演。结果显示,同步遥感影像反演结果中PSO-RBF神经网络模型优于BP神经网络模型,利用遥感影像反演结果精度明显高于克里金插值方法;闽江下游的悬浮物浓度的空间分布,总体表现为西低东高,悬浮物浓度高值集中在马尾至入海口一段,低值集中在研究区的上游;2015年至2017年,闽江下游悬浮浓度总体表现出相对稳定的状态;夏季悬浮物浓度反演模型运用到秋季的遥感影像进行定量反演,结果表明秋季的RMSE是夏季同步影像反演结果RMSE的3倍,平均相对误差相差近6倍。(3)闽江下游悬浮物浓度空间变异分析。利用空间自相关方法和空间异质性方法,进行闽江下游悬浮物浓度空间变异分析。结果显示,Moran’s I系数均大于0.5,z值都大于2.58,P值均小于0.01;变程最低为13550m,其它都大于20000米,D分维数较高,在1.31~1.85之间,C0/C0+C比值均小于25%,最大的也仅为20%,最小的为0.1%,C/C0+C比值均大于0.84。这说明闽江悬浮物浓度存在显著的空间正相关性,区域异质性变化都是由区域自相关引起的。