利用MODIS图像反演水色三要素的方法研究

论文摘要

叶绿素a、悬浮泥沙和黄色物质是反映水体水质的三个重要参数,对海洋环境和水体的富营养化有着重要的作用。水色遥感是依据水体的光谱特征,经过大气校正,并依据生物光学特性来反演水质参数的一种方法。国内外学者通常把水体划分为I类水体和II类水体,目前,I类水体的水色反演方法已经很成熟,而II类水体由于受其本身水体的复杂性和地域性的影响,很难得到通用的反演算法来反演II类水体三要素的含量。因此,对II类水体反演算法的研究已成为热门课题。论文在珠江口区域现场实测的水体反射率、叶绿素a、悬浮泥沙和黄色物质浓度的基础上,依据MODIS图像不同水色通道的遥感反射率组合,研究利用神经网络方法反演叶绿素a、悬浮泥沙和黄色物质的浓度,并利用多对实测数据对建立的水色三分量模型进行检验。通过检验表明,利用BP (Back Propagation)神经网络方法建立的单独反演方法,叶绿素a反演的相对误差为28.59%,相关系数为0.987,悬浮泥沙含量反演的相对误差为27.34%,相关系数为0.931,黄色物质反演的相对误差为26.72%,相关系数为0.831;利用BP神经网络方法建立的同时反演水色三要素方法,叶绿素a平均相对误差为35.52%,相关系数为0.982,悬浮泥沙平均相对误差为34.07%,相关系数为0.877,黄色物质平均相对误差为34.19%,相关系数为0.689;利用GRNN(广义回归神经网络)方法建立的反演悬浮泥沙含量方法,其平均相对误差为17.01%,相关系数为0.965。最后结合MODIS图像,通过对MODIS图像进行预处理和大气校正得到水体的真实反射率,将反射率代入反演模式,得到叶绿素a、悬浮泥沙和黄色物质浓度图。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 水色遥感的意义
• 1.2 国内外研究现状
• 1.2.1 基于经验统计的方法
• 1.2.2 基于辐射传输模式的方法
• 1.2.3 基于卫星图像的方法
• 1.2.4 其它方法
• 1.3 本文的主要工作及意义
• 第二章 人工神经网络
• 2.1 人工神经网络的主要功能和特点
• 2.2 BP 神经网络模型
• 2.2.1 模型的基本结构
• 2.2.2 模型的建立步骤
• 2.2.3 模型的改进
• 2.2.4 模型训练的优化
• 2.3 RBF 神经网络模型
• 2.3.1 基本结构
• 2.3.2 学习过程
• 第三章 反演方法
• 3.1 研究区概况
• 3.2 数据分析
• 3.3 BP 神经网络方法
• 3.3.1 建立步骤
• 3.3.2 样本测试
• 3.4 广义回归神经网络方法
• 3.4.1 方法建立
• 3.4.2 样本测试
• 第四章 利用MODIS 图像提取水色三要素的浓度
• 4.1 MODIS 图像
• 4.2 MODIS 图像预处理
• 4.2.1 几何校正和定标
• 4.2.2 云检测
• 4.2.3 海陆分离和II 类水识别
• 4.2.4 大气校正
• 4.3 水色三要素浓度的提取
• 4.4 成因分析
• 第五章 结论与展望
• 5.1 结论
• 5.2 展望
• 参考文献
• 致谢
• 附录：攻读学位期间参与的项目及发表的论文