南海北部香港海域海水盐度遥感反演模型

论文摘要

海洋表层盐度是描述海洋物理状态的一个重要参量,研究其分布和变化规律对了解海洋自身特性以及海洋在海-气这一复杂系统中的作用有着重要意义。论文从海表盐度遥感反演机理出发,充分考虑近岸海域的复杂状况及环境影响要素,利用BP神经网络等数学分析方法提取和集成盐度波谱特征敏感信息,从而建立海洋表面盐度遥感反演模型,并探讨了不同季节盐度遥感反演模型的适用情况及调整。论文的主要工作和成果如下:1、以环境复杂多变的近岸海域为研究区域,分析其盐度的潜在影响因子,并就其在盐度遥感探测过程所起的作用与贡献进行筛选与权重分级,选取高敏感因子作为反演模型的输入参数,优化盐度遥感反演模型的结构与精度。结果发现,盐度影响因子温度和总氮含量与盐度的变化密切相关,其相关系数分别达到0.69、0.79,尤其是总氮,在春夏秋三季与盐度相关性更高,相关系数均在0.86以上,并利用对总氮敏感的ETM蓝光波段对盐度进行遥感反演,所得结果比较理想。这表明总氮与盐度密切相关,在光学遥感研究中完全可以用总氮含量来反映近岸海域海水的盐度,为盐度的遥感监测提出了另一方向。2、盐度影响因子复杂多样,单一因子反演无法满足对盐度反演应用的精度要求,以BP神经网络作为提取和集成盐度胁迫弱信息的方法,以论文筛选出来的盐度影响权重因子叶绿素a、总氮、悬浮颗粒物以及海温为输入参数,对应盐度值进行建模,结果发现:以4-12-2-1、4-12-3-1为模型内部结构,以“transig, transig, logsig”为每一隐含层的功能函数,得出的BP参数与盐度拟合程度较高,相关系数达到0.8以上;并利用对输入参数敏感的ETM b1、b3、b4、b3/b1以及由b6求出的海洋表面温度为输入参数,得到的光学遥感反演BP参数与盐度相关系数达到0.83以上,并由此建立的盐度反演模型的精度可到达0.9psu以上。由于近岸海洋及其环境要素比想象中更加复杂多变,未知因素繁多,海洋物理参量之间也互相联系制约,改变海水的有效介电常数进而影响海表盐度反演精度,并且对盐度影响因子的光学研究还不够完善,需要我们对盐度遥感的研究。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 研究背景
• 1.2 国内外研究现状
• 1.3 研究内容、目的及意义
• 1.3.1 研究目的与意义
• 1.3.2 研究内容
• 1.3.3 研究创新点与难题
• 1.4 论文组织
• 2 海洋盐度遥感反演机理
• 2.1 海水盐度定义与测定
• 2.2 海水辐射基础
• 2.3 海水盐度遥感机理
• 3 海洋盐度敏感因子筛选与权重分析
• 3.1 海洋盐度宏观影响因子
• 3.1.1 气候
• 3.1.2 洋流
• 3.1.3 入海径流量
• 3.1.4 结冰与融冰效应
• 3.1.5 海域的开阔程度
• 3.2 海洋盐度微波遥感反演影响因子
• 3.2.1 粗糙度
• 3.2.2 泡沫
• 3.2.3 温度
• 3.3 海洋盐度光学遥感反演影响因子
• 3.3.1 悬浮颗粒物
• 3.3.2 浮游植物量
• 3.3.3 黄色物质
• 3.4 海洋盐度敏感因子筛选与权重分级
• 3.4.1 海洋盐度敏感影响因子筛选
• 3.4.2 海洋盐度敏感影响因子的分级
• 3.5 海洋盐度遥感测定干扰因子
• 3.5.1 太空辐射
• 3.5.2 大气作用
• 4 海洋盐度遥感反演模型
• 4.1 数据与材料准备
• 4.2 盐度遥感影响因子对ETM 波段的敏感性分析
• 4.2.1 温度
• 4.2.2 悬浮颗粒物
• 4.2.3 浮游植物量
• 4.2.4 黄色物质
• 4.3 基于一级影响因子的海洋盐度单因子反演模型
• 4.3.1 温度
• 4.3.2 总氮
• 4.4 基于 BP 神经网络的海洋盐度反演模型
• 4.4.1 BP 神经网络的基本原理
• 4.4.2 BP 神经网络盐度反演模型
• 5 总结与展望
• 5.1 总结
• 5.2 展望
• 致谢
• 参考文献
• 附录