论文部分内容阅读
作为水色三要素之一的叶绿素是表征和评价水体富营养化程度的重要参考指标,同时叶绿素a在衡量浮游植物的生物量、估算海洋初级生产力、赤潮预警、探测和判断海洋渔场等方面有着广泛的实际应用。因此,从生态、社会、经济三方面来衡量,对海洋中叶绿素a浓度进行监测和反演都具有十分显著的价值和意义。
本文基于OLCI遥感影像数据和浮标实测叶绿素a浓度数据,开展了福建近岸海域叶绿素a浓度遥感反演研究,主要研究成果和结论如下:(1)对比了FLAASH、QUAC、C2RCC三种大气校正方法在OLCI影像数据中的适用性情况,通过相关性分析发现,C2RCC大气校正后得到的各波段遥感反射率与叶绿素a浓度的相关性最高,并且在b21波段处的相关性系数最大,为0.601,同时,经FLAASH和QUAC大气校正得到的各波段遥感反射率与叶绿素a浓度的相关性具有一致性,且均呈负相关。综合比较,本文采用C2RCC算法对影像进行大气校正;(2)分别采用XGBoost、CatBoost和随机森林三种机器学习方法构建了叶绿素a浓度反演模型。并根据实测值与估测值之间的决定系数(R2)、均方根误差(RMSE)和平均绝对百分比误差(MAPE)对模型反演结果进行比较,结果显示,XGBoost模型的R2、MAPE、RMSE在三种模型中均表现最优,分别为0.93、18.78%、0.67μg·L-1。同时发现同一模型在不同叶绿素a浓度范围中的表现有差异。(3)对叶绿素a浓度时空分布进行分析发现,时相上,2020年福建省近岸海域7月份整体叶绿素a浓度要低于6月份。空间上呈现出人类活动密集的沿岸海域以及江河入海口处叶绿素a浓度高,远岸海域叶绿素a浓度低的趋势,且大部分海域叶绿素a浓度集中在0.1~3μg·L-1范围内。
本文基于OLCI遥感影像数据和浮标实测叶绿素a浓度数据,开展了福建近岸海域叶绿素a浓度遥感反演研究,主要研究成果和结论如下:(1)对比了FLAASH、QUAC、C2RCC三种大气校正方法在OLCI影像数据中的适用性情况,通过相关性分析发现,C2RCC大气校正后得到的各波段遥感反射率与叶绿素a浓度的相关性最高,并且在b21波段处的相关性系数最大,为0.601,同时,经FLAASH和QUAC大气校正得到的各波段遥感反射率与叶绿素a浓度的相关性具有一致性,且均呈负相关。综合比较,本文采用C2RCC算法对影像进行大气校正;(2)分别采用XGBoost、CatBoost和随机森林三种机器学习方法构建了叶绿素a浓度反演模型。并根据实测值与估测值之间的决定系数(R2)、均方根误差(RMSE)和平均绝对百分比误差(MAPE)对模型反演结果进行比较,结果显示,XGBoost模型的R2、MAPE、RMSE在三种模型中均表现最优,分别为0.93、18.78%、0.67μg·L-1。同时发现同一模型在不同叶绿素a浓度范围中的表现有差异。(3)对叶绿素a浓度时空分布进行分析发现,时相上,2020年福建省近岸海域7月份整体叶绿素a浓度要低于6月份。空间上呈现出人类活动密集的沿岸海域以及江河入海口处叶绿素a浓度高,远岸海域叶绿素a浓度低的趋势,且大部分海域叶绿素a浓度集中在0.1~3μg·L-1范围内。