论文部分内容阅读
叶绿素a浓度是反映水体富营养化最重要的指标。当前内陆二类水体的叶绿素a浓度遥感反演方法研究主要集中在普通湖泊如太湖、鄱阳湖等区域,对于三峡库区回水区这类河流型湖泊水域的研究较少。本研究以三峡库区回水区高阳湖、汉丰湖为研究区,利用GF-1 WFV遥感数据及实测数据,建立遥感反演模型,实现大面积动态反演三峡库区支流回水区叶绿素a浓度。论文的研究工作及主要结论如下:(1)利用GF-1 WFV遥感数据及实测水体叶绿素a浓度,建立波段比值回归分析模型,反演回水区叶绿素a浓度,波段比值模型公式为=0.002(5.313),x为遥感影像波段组合B4/B3的值,均方根误差RMSE为5.6739,判定系数R2为0.68672。波段比值模型的反演效果并不够理想,其原因为三峡库区回水区是二类水体,其光学性质复杂,应用一类水体线性反演模式拟合较为片面,难以获得最佳拟合效果。(2)相比于波段比值的线性回归方法,BP神经网络模型具有模拟复杂非线性问题的功能。本研究建立模型结构为4-4-1的BP神经网络模型,经相关分析后选取B4-B3、B4-B2、B4/(B2+B3)、B4/B3四个波段组合做为BP神经网络模型的4个输入神经元,设置隐含层为单层,隐含层节点数为4,以实测水体叶绿素a浓度值为输出神经元对模型进行训练。经过训练后的BP神经网络模型R2为0.8389,RMSE为3.8745。将经过水域提取的GF-1 WFV影像用于训练好的BP神经网络模型,反演2016年5月-8月三峡库区回水区叶绿素a浓度分布,反演结果良好。(3)对比两种水体叶绿素a反演模型的精度,BP神经网络模型与波段比值模型的判定系数R2分别为0.8389及0.6867;均方根误差RMSE分别为3.8745及5.6739;平均相对误差e分别为20.6%及55.9%。对比结果证明将GF-1 WFV影像应用BP神经网络模型反演三峡库区回水区叶绿素a浓度较波段比值模型精度有所提高,反演效果优于波段比值模型。