渤海海域叶绿素浓度反演方法的研究

渤海海域叶绿素浓度反演方法的研究

ID:30960898

大小:569.00 KB

页数:5页

时间:2019-01-04

渤海海域叶绿素浓度反演方法的研究_第1页
渤海海域叶绿素浓度反演方法的研究_第2页
渤海海域叶绿素浓度反演方法的研究_第3页
渤海海域叶绿素浓度反演方法的研究_第4页
渤海海域叶绿素浓度反演方法的研究_第5页
资源描述:

《渤海海域叶绿素浓度反演方法的研究》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、5《测绘通报》测绘科学前沿技术论坛论文集渤海海域叶绿素浓度反演方法的研究作者介绍:郑小慎,女,1973年4月生,汉族,博士,副教授,研究方向:遥感与信息处理。郑小慎,敖翔天津市海洋资源与化学重点实验室,天津科技大学,天津300457摘要:本文首先介绍了神经网络算法和叶绿素荧光算法的基本理论,然后利用这两种方法处理海洋遥感数据,反演渤海海域叶绿素浓度,并将反演结果同实测海洋叶绿素浓度进行比较。神经网络算法无法从云层覆盖区获得叶绿素浓度,而荧光算法则可以突破云层的干扰获得接近实际值的叶绿素浓度。关键词:渤海;叶绿素浓度,反演方法一、引言海洋遥感技术具有观测周期短,时间频率高的优势,可以实现大面积、

2、实时、同步、连续及密集的海洋探测,克服了传统调查方法个别点、个别区域、不同时间、不同地区的观测。海洋叶绿素浓度不仅可以体现海洋水体的光学特性,还可以进一步预测出赤潮等严重海洋灾害事件的发展趋势,因此,叶绿素浓度的监测越来越具有重要作用。结合遥感技术,利用遥感数据反演叶绿素浓度,可以避免天气等环境因素的影响,克服传统调查方法的缺点。二、叶绿素浓度反演方法2.1神经网络方法人工神经网络是对人脑的一种数学抽象和粗略的逼近和模仿,它以网状连接形式进行并行计算工作,从环境及输入中自学习获取信息来自动修改系统网络结构及连接强度,其中神经元是人工神经网络的基本处理单元,实验中使用的神经网络算法为BP神经网络

3、算法。图1为BP神经网络模型的基本框架。BP神经网络包含三层:输入层、输出层和隐含层。每层结点(神经元)通过加权相互联系与下层连接。神经网络模型的主要概念是找出合适权值相互联系——能模仿来自给定辐射值的叶绿素a浓度。图1BP神经网络模型基本框架2.2荧光峰基线算法依据荧光基线高度(FLH)与叶绿素浓度的相关性建立的统计算法即为荧光基线高度法。其通用算法依据三个波长,利用测量中心波长的荧光基线高度,应用公式(15《测绘通报》测绘科学前沿技术论坛论文集)反演海面叶绿素浓度,其中,C为海面叶绿素浓度(单位:mg/m3);FLH为荧光基线高度值(单位:mW/(cm2*sr*nm));a,b,k为系数。

4、公式(1)荧光峰基线高度的计算公式如公式(2)所示,其中λ2为中心波长,λ1,λ3为选定的基线波长;L1,L2,L3为相应波段对应的辐亮度值(单位:mW/(cm2*sr*nm))。MERIS荧光通道的设计是665、681.25和709nm。公式(2)本文根据渤海海域叶绿素浓度实测数据与FLH数据,来求解渤海海域叶绿素浓度同FLH之间的线性回归关系,以此得出渤海海域叶绿素浓度FLH算法反演公式。首先计算渤海海域遥感数据的荧光峰基线高度(FLH)。然后将渤海海域叶绿素浓度的实测数据进行分组,每组包括三个渤海海域叶绿素浓度实测数据,将这些叶绿素实测浓度、FLH数据分别代入公式(1),得到方程组,求解

5、此方程组,求得每一组k,a,b的值。最后将所有组得到的k,a,b值进行平均。求得渤海海域叶绿素浓度同FLH之间线性回归关系的参数如下:k=1.130,a=0.011,b=-0.194。将所得结果代入公式(1),得到渤海海域叶绿素浓度FLH算法反演公式:公式(3)三、渤海海域叶绿素浓度反演实验及分析3.1实验软件在渤海海域叶绿素浓度反演分析实验中,使用Beam软件对渤海海域遥感数据进行分析处理。BEAM是欧洲空间局提供的一个用于遥感数据的可视化、分析和处理的工具箱。安装BEAM后,将插件wew_water.jar导入到BEAM安装文件夹下的lib和extensions文件夹,安装插件后的BEAM

6、软件更适合于于二类水体的处理。3.2实验数据本文所选取的遥感数据为2003年9月25日欧空局的ENVISAT卫星拍摄的大气顶层辐射地理定位和校正简化分析(带状线)MERIS图像数据,所拍摄区域为中国海域,截取其中渤海海域数据作为渤海海域遥感数据。3.3实验结果及分析3.3.1神经网络反演方法实验结果(1)感兴趣区提取,截取渤海海域数据,如图2所示;(2)提取云层数据cloud;(3)由神经网络算法得到渤海海域叶绿素浓度自然对数数据water,删除数据cloud中l1_flags波段,得到的渤海海域叶绿素浓度数据波段chl,其表达式为exp(algal_25《测绘通报》测绘科学前沿技术论坛论文集

7、-cloud_prob);(1)打开数据神经网络算法反演所得的渤海海域叶绿素浓度的chl波段图像,并进行修饰处理,得到结果如图3所示。图2渤海海域数据示意图图3神经网络方法得到的渤海海域叶绿素浓度数据图像通过将神经网络算法反演所得结果同渤海海域实测浓度进行比较,求出相对误差。表1神经网络算法反演得到的渤海海域叶绿素浓度站号东经北纬叶绿素浓度实测值(mg/m3)采样日期叶绿素浓度反演值(mg/m3)

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。