论文部分内容阅读
改革开放以来，经济飞速发展，珠江口海域环境与资源受到严重的影响，环境污染日益严重，工业与生活排污量日益增大，导致珠江口海域水质不断下降;浮游植物浓度不断升高，导致大面积的赤潮频频出现，不仅影响了附近海洋生物的生存，甚至威胁到当地居民的生活环境。叶绿素是浮游植物进行光合作用的主要色素，其浓度变化反映了水体中浮游植物的浓度、生物量及其分布状况，是反映海洋水质状况的一个重要的生物指标，同时也是海洋富营养化评价中最为重要的指标之一。本文以珠江口近岸水域中浮游植物的叶绿素浓度作为主要研究对象，基于多源遥感影像对浮游植物叶绿素浓度进行反演，采用BP人工神经网络算法，研究海洋藻类叶绿素浓度的遥感反演方法，为近岸水域生态环境监测提供依据。本文把光学遥感和雷达遥感影像相结合，建立了海洋藻类叶绿素浓度的遥感反演BP人工神经网络模型。研究工作包括：（1）基于CCD影像对浮游植物叶绿素的光谱特征进行分析，选取了CCD数据的CCD1、CCD2、CCD3波段作为特征波段；（2）对雷达影像中的后向散射系数以及利用Cloude-Pottier分解原理对经过预处理后的图像进行非相干目标分解，得到平均散射角α、散射熵H等参数，并与藻类叶绿素浓度进行相关分析，确定了HH、VV极化下的后向散射系数以及平均散射熵H作为预输入参数；（3）通过对以上六个参数进行不同的组合来建立各种模型进行分析，确定了3层BP网络模型作为本研究的最终模型，然后建立各参数组合与实测叶绿素浓度的线性模型，将得到的预测值与实测值进行拟合，与BP人工神经网络模型的精度进行比较发现BP人工神经网络模型精度最高。研究结果表明：（1）浮游植物叶绿素浓度与CCD各波段光谱反射率以及雷达影像的后向散射系数以及平均散射熵H之间有一定的相关性；（2）单独使用一种数据建立的线性模型以及BP人工神经网络模型的精度都不如将光学数据与雷达数据结合使用时的精度高。（3）BP人工神经网络模型的自适应组织能力能够很好的模拟叶绿素a浓度与遥感参数之间的复杂的非线性关系。