论文部分内容阅读
在海洋近岸水环境中,人类活动常常导致水质下降,生物资源减少,赤潮现象频繁发生。叶绿素a是藻类细胞内的主要光合色素,叶绿素a浓度及其动态变化反映了水体中藻类植物的丰度、生物量及其变化规律,是反映海洋水体营养状况的一个客观生物学指标,在海洋富营养状态评价中也是最为重要的指标。通过卫星遥感数据对研究区建立反演模型得到叶绿素a浓度值,这对于研究整个海域的藻类分布,进而研究海洋生态系统中的初级生产力具有重要意义,已经成为赤潮监测的有效方法。本文以NSFC-GD联合基金项目为依托,以南海近岸水域中的藻类为研究对象,通过利用多源遥感图像对藻类叶绿素a进行分析,采用BP神经网络技术,研究海洋藻类叶绿素a浓度的遥感反演方法。基于野外实测数据、雷达影像和光学遥感影像数据,建立海洋藻类叶绿素a浓度的遥感反演模型,为监测海洋生态环境提供参考。本文采用BP神经网络技术,结合光学和雷达遥感建立了海洋藻类叶绿素a浓度的遥感反演模型。研究工作通过以下几个步骤实现:(1)基于TM影像对藻类叶绿素及其光谱特征进行分析,选取了TM影像的特征光谱波段:TM1、TM2、TM3、TM4;(2)从雷达遥感的角度分析了雷达参数中的后向散射系数与藻类叶绿素浓度之间的潜在相关关系,并提取了雷达特征参数—HH、VV极化下的后向散射系数;(3)通过对不同输入层节点数和隐含层节点数的分析,最终确定了适合本研究的BP神经网络模型,即以上六个参数作为模型的输入参数,隐含层节点数为6,藻类叶绿素a浓度值作为模型的输出参数;(4)构建了不同输入参数组合的线性回归模型,通过实测值与预测值的比较,分析精度,证实BP神经网络的优越性。研究结果表明:(1)当光学遥感和雷达遥感结合使用时,预测精度要比单独使用TM或SAR时高很多;(2)遥感波谱特征与叶绿素a浓度之间属于复杂的非线性问题,统计模型显得明显不足,而BP神经网络模型能取得比较好的反演效果,尤其在二类水体的叶绿素a浓度反演上具有明显的优势。