珠江口二类水体水色三要素的优化反演

根据2003年1月份珠江口实测资料获得了适合该海域的相关参数,建立了适用于该海域的二类水体水色三要素优化反演模型,同步优化反演得到了与2003年1月25～26日实测站点相对应的2003年1月29日的SeaWiFs图像像元点的水色三要素,反演与实测水色三要素的平均相对误差分别为：叶绿素14．9％,悬浮泥沙12．1％,黄色物质13．6％。研究结果说明本研究建立的优化反演模型比较适用于珠江口二类水体水色三要素的反演,且具有较高的反演精度。     

珠江口二类水体水色三要素的优化反演

根据2003年1月珠江口实测资料获得的相关参数,建立了适用于该海域的二类水体水色三要素优化反演模型,同步优化反演得到了与2003年1月25—26日实测站点相对应的2003年1月29日的SeaWiFs图像像元点的水色三要素,反演与实测水色三要素的平均相对误差分别为:叶绿素14.9%,悬浮泥沙12.1%,黄色物质13.6%。研究结果说明本研究建立的优化反演模型比较适用于珠江口二类水体水色三要素的反演,且具有较高的反演精度。     

二类水体的MODIS数据大气校正及在渤海表层水体叶绿素浓度监测反演中的应用研究

提出一种适用于中国近岸二类水体的大气校正方法,解决了水色遥感软件SEADAS由于无法计算近岸的二类水体离水辐射率而简单地将其设为0的问题。应用该方法计算出的离水辐射率反演了渤海表层水体的叶绿素浓度,并选取近岸同期监测点的实测值对反演结果进行验证。通过对比反演值与实测值,多数相对误差值均较小于10%,证明了反演结果较为准确,同时反演的叶绿素浓度的空间分布也符合冬季渤海的水团和环流状况。这说明应用改进后的大气校正方法能够很好地用于渤海表层水体的叶绿素浓度反演。     

基于神经网络和TM图像的大连湾海域悬浮物质量浓度的反演

水体中的悬浮物是评价海洋水质的重要指标之一。采用卫星遥感方法可以获得大范围连续的悬浮物质量浓度。以1999年5月10日大连湾海上现场-卫星同步实验数据为基础,采用神经网络模型技术模拟了陆地卫星TM传感器中心波长分别为485,560和660nm3个波段的辐射亮度值与在该海域现场获取的悬浮物质量浓度之间的传递机理。以TM图像的3个可见光波段作为输入的神经网络模型的相关系数达0．79,在反演海水表层悬浮物质量浓度方面比传统的统计分析方法表现要好。这说明神经网络方法在模拟非线性关系进行遥感反演方面更具应用前景。     

黄海、东海水体总吸收系数光谱特性及其统计反演模式研究

利用现场实测的表观光学量和固有光学量数据,得到了我国黄海、东海近岸二类水体多个波段的总吸收系数的统计反演模式。此反演模式采用412/555、490/555两个波段遥感反射比比值的二项式,得到波长412、440、488、510、532、555nm处的总吸收系数,其反演值和实测值的平均相对误差不大于25.8%,相关系数R2达到了0.75到0.85。水体总吸收系数几种统计模型的误差敏感性分析表明,反演模式对±5%的遥感反射比输入误差导致结果增加误差最大为24.0%,因此反演模式是可用的。同时给出了412、488、510、532、555nm各波段的总吸收系数同波段440nm的总吸收系数之间的关系。结果表明,在400—600nm波段范围内,每一个波段的总吸收系数与440nm波段的总吸收系数的相关性均较高,相关系数R2都超过了0.99。通过对拟合直线的斜率与波长进行回归,得到斜率和波长的关系,其相关系数R2为0.99,这样利用本文中建立的各波段总吸收系数关系模型,可以从一个已知波段的总吸收系数反演出任何另外一个波段的总吸收系数,这就在水色反演与应用中大大减少了未知因子的个数。     

应用遗传算法评估HY-1A CCD反演二类水体组分的能力

应用一种基于遗传算法的二类水体水色反演算法,评估了HY-1A CCD反演水体组分浓度的能力.算法采用了三组分(叶绿素、悬浮物质和黄色物质)海水光学模型作为前向模型,以二进制编码遗传算法作为优化方法.通过多次反演试验,讨论了遗传算法参数对反演结果的影响;通过构造不同目标函数,讨论了目标函数对反演结果的影响;通过波段平均前后的数据模拟反演,分析了HY-1A CCD的波段平均对水色反演的影响;分析了该水色优化反演算法的浓度范围适用性;最后分析了该算法对输入数据误差的敏感性.模拟反演表明,HY-1A CCD可以用于进行二类水体水色反演,特别是在悬浮物质反演方面,该传感器优势明显.     

二类水体表观光学特性的测量与分析--剖面法方法研究

光学剖面法是测量水体表观光学参数的首选方法.文章在简要介绍剖面测量基本原理的基础上,分析了剖面法的误差来源,提出了减少误差的措施.同时,针对我国近岸水体的特点,重点介绍了三种改进的剖面法数据处理方法,应用效果良好.     

海洋水色卫星遥感二类水体反演算法的国际研究进展

根据国际海洋水色卫星的研究发展与应用现状，回顾了国际海洋水色卫星遥感二类水体现有反演算法的基本原理和存在的优缺点，以及提高反演精度需要的技巧。指出二类水体反演算法相对一类水体算法的复杂性，要建立全球通用的反演算法还要继续研究更好的光学模型，使得各种反演算法具有实验室之外的实验应用价值。     

二类水体表观光学特性的测量与分析--水面之上法方法研究

水体光谱特性的测量与分析是海洋水色遥感的基础工作之一。水体光谱特性包括两个方面：表观光学特性和固有光学特性。现场直接获取表观光学特性有剖面法和水面之上法。在多次现场试验的基础上,主要针对二类水体从误差来源的角度来对水面之上法进行方法研究。同时,借鉴一类水体水面之上法的多种数据处理方法,对二类水体水面之上法的数据处理方法进行探讨。     

一种实用的二类水体Sea WiFS资料大气校正方法

SeaWiFS是美国NASA于1997年8月发射的“海视宽视野传感器”(sea-viewing wide-field-of-viewsensor,简称SeaWiFS[1]),专门用于海洋水色遥感,代表了当今水色遥感的最高水平.SeaWiFS提供了8个波段的辐射值(412,443,490,510,555,670,765,865nm),1～6波段波带宽度为20nm,7和8波段波带宽度为40nm.     

黄东海海区浮游植物色素吸收系数与叶绿素a浓度关系研究

浮游植物色素吸收与叶绿素a浓度关系研究是水色遥感生物-光学算法开发的重要组成部分,我们利用HD200304航次和HD200309航次的测量数据,开发了色素吸收系数的波段关系模型(αφ(λ)-αφ(675))和色素吸收系数与叶绿素a浓度关系(αφ(λ)-αφ(675))模型,并在模型开发的基础上,利用叶绿素a浓度反演典型波段的色素吸收系数,效果良好。     

基于神经网络技术的遥感水深反演模型研究

利用Landsat7 ETM+遥感影像反射率和实测水深值之间的相关性,选取了相关性较好的ETM1、ETM2、ETM3、ETM4、ETM3/ETM2等5个水深反演因子,建立了BP神经网络水深反演模型。为充分体现BP神经网络模型的优越性,利用SPSS软件建立了单波段、波段比值、多波段三种不同的线性回归模型。通过对比发现,具有很好的自适应能力和非线性映射能力的BP神经网络模型在处理遥感水深反演问题上比传统的线性模型效果更好。     

基于ADCP反演渤海湾悬浮体浓度年变化

基于座底ADCP实测回波强度信号,结合短期实测悬浮体质量浓度,反演长时间序列悬浮体质量浓度,定量分析了渤海湾近一年悬浮体质量浓度变化特征及其影响因素。结果表明：受风浪影响,该区悬浮体质量浓度具有明显季节性变化特征,风浪作用强烈的季节其悬浮体浓度表现为相对高值。悬浮体净输运同样具明显季节性变化,秋冬强风浪作用下,悬浮体的净输运量明显增加;而在不同季节,月净输运方向具有不同的主输运方向。悬浮体质量浓度日变化受潮流控制明显,长周期变化则主要与风场的变化有关。潮流涨急过程与风致大浪过程均可引起沉积物再悬浮,导致悬浮体浓度明显增高。     

黄、东海二类水体春季表观光谱特性与表层悬浮体浓度反演模式

利用Savitzky-Golay滤波信号处理方法,分析了南黄海、北东海2003年春季水色遥感试验所取得的遥感反射率和表层悬浮体取样数据,以期探讨该海区近岸二类水体表观光谱及其导数光谱特性,及遥感反射率及其导数与水体表层总悬浮颗粒物浓度(TSS)和悬浮泥沙浓度(SS)的关系。结果表明,遥感反射率及其一阶导数均适于水体总悬浮颗粒物浓度与悬浮泥沙浓度反演,但其更高阶导数通常会抑制悬浮泥沙的作用则不建议采用;遥感反射率及其一阶导数与ln(TSS)、ln(SS)的相关性较其与TSS和SS更为显著。基于相关分析所筛选出的较优波段,建立了南黄海、北东海水域春季总悬浮颗粒物浓度与悬浮泥沙浓度统计反演模式。     

悬浮泥沙浓度遥感反演模型研究

对实验室固定粒径的悬浮泥沙水体的反射率光谱特征进行了分析,选取反射率的敏感波段,建立了遥感反射率和悬浮泥沙浓度的遥感反演模型;同时,又利用野外现场实测的光谱反射率和悬浮泥沙中值粒径,建立受粒径影响的悬浮泥沙浓度反演模型。结果表明,主成分模型的反演效果最好,其次是幂指数模型,而线性模型的反演效果较差。     

基于BP神经网络的湖南镇水库叶绿素a浓度预测模型的研究

以湖南镇水库2006-2007年间的监测资料为基础,利用插值和主成分分析法,运用BP人工神经网络方法构建预测模型,探求叶绿素a浓度与总氮、总磷、溶解氧等5项环境因子之间的关系,选出最佳预测模型,并对模型进行敏感度分析.结果显示:(1)BP神经网络模型对叶绿素a浓度预测值与实测值之间拟合程度良好,相关系数达到了0.95,...     

基于串联深度神经网络的Chl-a浓度短期预报方法研究

以浙江海洋保护区2019年5月生态浮标监测数据为基础,对叶绿素a(Chl-a)与各理化因子进行Pearson相关性分析,发现研究海域的Chl-a与溶解氧和pH呈显著正相关(P=0.01),与硝氮和磷酸盐呈显著负相关(P=0.05)。在此基础上,建立了一种串联深度神经网络(DNN)的Chl-a短期预报模型,该模型以5层神经网络为基本单元,采用前后串联方式构建了拥有6个隐层的DNN。实验结果显示:DNN模型能够较为准确地预测Chl-a浓度短期变化趋势,24 h和48 h预报结果的RMSE分别为1.25μg/L和2.43μg/L,MAE分别为1.03μg/L和1.99μg/L,相比于浅层网络预测精度更高。     

2004年春季长江河口水体与沉积物表层的叶绿素a浓度分布

2004年5月7日至12日在31°~31.8°N、122.5°E以西到海水上溯至0盐度的长江河口进行14个站位叶绿素a浓度的现场观测,其中N1~N3、M1~M3、S1~S3和R6这10个观测站用3条渔船在4天内进行潮周期的涨憩、落急、落憩、涨急、涨憩5个潮时的准同步周日采样观测;对S2、S3、R2、R3、M3、N2和N3这7个位于长江入海口门站位进行表层泥样的叶绿素a浓度观测。结果表明,观测海区表层海水叶绿素a浓度为0.230~11.500μg/dm3,平均值为(1.514±1.712)μg/dm3,高值出现在观测海区东北部的长江冲淡水稀释区,表层海水叶绿素a浓度平面分布从该区的东北部向西南方向逐渐降低,离岸越近叶绿素a浓度越低,低值出现在长江口门内和测区西南部的广阔浑水区域;底层叶绿素a浓度为0.291~2.620μg/dm3,平均值为(1.186±0.531)μg/dm3,其变化幅度与平均浓度均明显低于表层。在涨憩、落急、落憩、涨急和涨憩5个潮周期中水柱平均叶绿素a浓度为1.198~1.910μg/dm3,涨憩和落急潮时,叶绿素a浓度自表层向底层逐渐下降;落憩和涨急潮时,表层的平均叶绿素a浓度略低于中层和底层。2004年春季观测海区叶绿素a浓度与往年夏季和秋季的观测结果相近,但明显高于冬季。表层沉积物叶绿素a浓度为(0.089±0.052)μg/g(湿重),仅占其上方水体平均叶绿素a浓度的极少部分,两者具有良好的相关性。     

基于多种神经网络的风暴潮增水预测方法的比较分析

简要介绍了利用BP神经网络、小波神经网络、递归神经网络进行风暴潮增水值预测的原理。选取广东省珠江口以南的阳江站2017年风暴潮增水数据进行测试。结果表明,三种神经网络方法针对阳江地区风暴潮增水的预测均具有可靠性和实用性。以当前增水值为输入量的单因子模型更能反映真实风暴潮增水趋势,而从增水极值预测的准确性来看,以台风风力、气压、风向等相关参数为输入量的多因子模型优于单因子模型。BP神经网络更适用于多因子长时间预测,小波神经网络在单因子短时间预测上准确性更高,递归神经网络预测值与实测值相关性更强。在工程运用中,需根据地域时空特点、数据资料的丰富度与预测值评估指标选择合适的方法。     

基于深度神经网络的海表盐度反演

海表盐度（Sea Surface Salinity,SSS）是研究海洋对全球气候影响的重要参量,欧洲航天局（European Space Agency,ESA）设计研发的SMOS(Soil Moisture and Ocean Salinity)是专用于探测海水盐度的卫星之一。受射频干扰（Radio Frequency Interference, RFI）等因素的影响,SMOS卫星盐度产品的精度难以达到预期效果。为了提高SMOS卫星海表盐度产品精度,本文提出一种基于深度神经网络的海表盐度反演算法。以太平洋中部海域（150°E～180°,5°～30°N）为研究区域,利用Argo浮标实测盐度数据为参考真值,将SMOS卫星L1C、L2级产品与Argo盐度数据进行时空匹配。并根据海洋遥感和辐射传输理论,选取亮温（Brightness Temperature,TB）、海表温度（Sea Surface Temperature,SST）、降雨率（Rain Rate,RR）、波高（Significant Wave Height,SWH）、纬向风速（Zonal Wind Speed,ZWS）、经向风速（...