论文部分内容阅读
本文在国家高技术计划863课题“模块化二类水体相关遥感信息提取技术”的支撑下,主要针对中国黄、东海区,提出二类水体水色大气修正和水色三要素反演的神经网络模型,分析了模型在实际卫星数据处理中的适用性及其不足之处,并给出进一步的改进方向。论文的工作包括: (1)首先对黄东海区的水体光学特性做了简要分析和介绍,叶绿素吸收光谱在整个海区尚未获得普遍可用的模型,总颗粒物吸收也存在类似情况;黄色物质的吸收光谱和颗粒物后向散射模型已经得到初步可用的结果。 (2)基于现场遥感反射率水色三要素浓度反演的神经网络(NN)模型取得较好结果。三要素浓度同时反演NN模型的平均相对误差分别为叶绿素44.4%,总悬浮物40.5%,黄色物质48.8%。三要素单独反演NN模型的平均相对误差分别为叶绿素32.5%,总悬浮物29.4%,黄色物质32.5%。尤其值得指出的是,仅需555和670波段的遥感反射率就足以反映出近岸水体的总悬浮物信息。此外,较清洁水体(水色号6-9)的叶绿素浓度反演误差仅为16.2%,精度明显高于考虑所有站位的情况(水色号6-21),表明水色反演模式是与水体的复杂性有关的。 (3)利用现场实测光谱和中等精度气溶胶模式模拟经Rayleigh散射校正后的卫星信号,并据此建立反演大气气溶胶参数的NN模型,从而获得海面离水辐射信号。真实卫星数据的反演结果与现场实测的光谱形状有很好的吻合,但绝对量有20%左右的误差。这种差异在客观上是难以消除的。受现场试验和卫星数据匹配的限制,更进一步的定量检验有一定难度。因此建议在做水色要素反演算法时,最好以光谱比值的形式作为输入。 (4)由上述模拟卫星信号直接反演三要素浓度的NN模型,总悬浮物反演一般都能取得比较合理的结果,但在低浑浊水体区可能有些偏高;黄色物质反演在江苏浅滩和长江口区域的结果较为合理,但在低浑浊水体区算法失效;叶绿素浓度的反演结果较差,仅在江苏浅滩区域有部分较为合理的结果。表明该模式在各类浑浊水体区域的适用性还有待进一步研究。 论文最后给出进一步工作的主要目标和改进方向。