| 水体透明度遥感反演算法研究进展 |
| |
| 作者姓名： | 赵春燕 禹定峰 周燕 杨雷 高皜 姚慧平 |
| |
| 作者单位： | 齐鲁工业大学(山东省科学院)山东省科学院海洋仪器仪表研究所,山东 青岛 266100;中国石油大学(华东)海洋与空间信息学院,山东 青岛 266580 |
| |
| 基金项目： | 国家自然科学基金项目(42106172);山东省重点研发计划(2019GHY112017);山东省自然科学基金(ZR2021QD135);山东省科学院海洋仪器仪表研究所基金项目(HYPY202107);教育部产学合作协同育人项目(202102245036,202101044002);科教产融合创新试点工程项目(2022PY041,2022GH004) |
| |
| 摘 要： | 水体透明度(Secchi Disk depth,SDD)是水环境监测的重要参数,遥感技术对于监测水体透明度具有重要的应用前景。本文旨在分类和比较当前用于监测水体透明度的算法,并提出未来研究的方向,以推动水环境监测技术的进一步发展。文章对目前检索水体透明度的算法进行分类和比较。其中,经验算法、半分析算法和机器学习算法是目前研究的主要方向。通过分析算法特性和优缺点,提出未来研究的重点和方向。经验算法基于透明度与光谱数据、叶绿素a浓度等的相关性,半分析算法基于水下能见度理论,机器学习算法则基于更优的数据特征学习能力。不同算法具有各自的适用范围和限制。未来的研究应该着重于整合多源遥感数据,改进QAA (quasi-analytical-algorithm),深入分析光学参数与水体透明度的关系,将机器学习算法应用到水体透明度模型的建立中,以建立具有高精度、适用性广的反演模型。
|
| 关 键 词： | 透明度 遥感技术 经验算法 半分析算法 QAA 机器学习 |
| 收稿时间： | 2022-09-02 |
| 修稿时间： | 2023-01-15 |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《海洋科学》浏览原始摘要信息 |
|
点击此处可从《海洋科学》下载全文 |
|
