基于模糊隶属度的多核SVR遥感水深融合探测

遥感是海岸带浅海和岛礁周边水深探测的重要手段,支持向量回归(SVR)是广泛应用于数据回归的机器学习模型。本文将SVR引入多光谱遥感水深探测,针对单核SVR模型在浅水区水深反演中误差较大的问题,以单核SVR模型反演不同水深段的模糊隶属度作为决策融合因子,提出了基于模糊隶属度的多核SVR遥感水深融合探测方法,并以我国西沙群岛中的北岛为实验区,与单核SVR模型和传统的对数线性水深遥感模型开展对比实验。实验结果表明:1)基于模糊隶属度的多核SVR融合模型在25 m以浅的水域,平均绝对误差0.99 m,平均相对误差8.2%;2)融合模型的平均相对误差分别比以RBF、Sigmoid、多项式、线性为核函数的四种单核SVR模型提高了1.7%、4%、4.4%、4.8%,比对数线性模型提高了5.5%;3)对于不同水深段,多核SVR融合模型在0~15 m的3个水深段内平均相对误差比四种单核SVR模型提高了0.7%至54.9%不等,在0~25 m的5个水深段内比对数线性模型提高了1.1%至20.4%不等。     

基于环境一号卫星的四十里湾透明度遥感反演

利用环境一号小卫星的CCD数据及同步地面观测数据,进行了烟台四十里湾海域透明度的遥感反演研究。结果表明,红蓝波段比值与实测透明度具有较高的相关性,并以此为基础建立了该区域水体透明度的遥感反演模型,反演值与实测值的平均相对误差为8.6%,均方根误差为0.1 m。据此模型绘制了四十里湾水体透明度分布图。研究发现,透明度具有近岸低、远岸高的特点,且从近岸向外海基本呈逐渐递减的趋势。     

基于GF-1 WFV影像和BP神经网络的太湖叶绿素a反演

叶绿素a浓度是可直接遥感反演的重要水质参数之一,常用来评价湖泊水体的富营养化程度.太湖是典型的二类水体,光学性质复杂,应用一类水体线性反演模式拟合较为片面且难以找到最佳拟合模型.BP神经网络模型具有模拟复杂非线性问题的功能.为研究高分一号卫星16m多光谱相机WFV4结合BP神经网络进行太湖叶绿素a浓度监测的可行性,实验利用GF-1 WFV4影像和实时的地面采样数据,建立了BP神经网络模型,同时采用波段比值经验模型进行对比.经精度检验,BP神经网络模型预测值与实测值之间的可决系数R2高达0.9680,而波段比值模型的R2为0.9541,且均方根误差RMSE由波段比值模型的18.7915降低为BP神经网络模型的7.6068,平均相对误差e也由波段比值模型的19.16%降低为BP神经网络模型的6.75%.结果证明,GF-1 WFV4影像应用BP神经网络模型反演太湖叶绿素a浓度较波段比值模型精度有所提高.将经过水体掩膜的GF-1 WFV4影像用于训练好的BP神经网络反演太湖叶绿素a浓度分布,结果显示,叶绿素a高浓度区集中分布在湖心区北部、竺山湾、梅梁湾区域,与之前的研究一致.本文研究结果验证了采用BP神经网络模型对GF-1 WFV4影像进行太湖叶绿素a浓度反演的可行性.     

太湖悬浮物对水体生态环境的影响及其高光谱反演

利用太湖水质参数数据、水面以下实测光谱数据以及水-气界面辐射传输模型,计算得到了水体漫射衰减系数和水面以上遥感反射比,探讨了悬浮物对水体中营养盐以及水下光照等水体环境因子的影响,在此基础上,利用水面以上遥感反射率建立了悬浮物浓度的定量反演模型.研究结果表明:悬浮物浓度与水体下行漫射衰减系数具有很好的相关性,在可见光波段相关系数达到0.8以上,与真光层深度具有很好的负指数关系;水面以上遥感反射比与悬浮物浓度对数(In(Tss))具有很好的相关性,在500～600nm范围内呈负相关,在620-882nm范围呈正相关,最大负相关出现在522nm附近,最大正相关出现在692nm附近;选用Rra(522nm)、Rra(692nm)以及其比值作为变量建立悬浮物反演模型,得出的单波段线性对数模型能够较好地反演悬浮物浓度.     

黄河口悬浮物浓度Landsat8 OLI多波段反演研究

黄河口海域悬浮物浓度,是研究黄河输沙和近岸水体生态环境的重要水质参数.之前的浓度反演模型主要采用一元二次函数或幂函数等单参数形式,利用2011年夏冬两季同步观测的遥感反射率和悬浮物浓度,本文给出了一种针对Landsat8 OLI传感器的两参数线性模型.该模型需两个输入参数,每个参数都是两个波段的光谱比值.结果表明:OLI传感器的近红外(波段5)光谱、以及它与蓝绿波段(波段1,2或3)的光谱比值,是黄河口海域悬浮物浓度反演的敏感波段,可用于建立单参数经验模型;除了敏感波段外,本研究的模型还用到红绿波段的光谱比值(波段4与波段3的比值),因而能够更好地表征光谱随悬浮物浓度的变化关系;其决定系数,均方根误差和平均相对误差分别为0.98,43.53mg·L~(-1)和20.97%,优于单参数经验模型,而且受误差影响小,因而更适合黄河口海域悬浮物浓度反演.     

基于导数光谱的混浊河口水体叶绿素浓度反演

基于2004年5月和2006年8月于珠江口现场实测的遥感反射率光谱及叶绿素浓度数据,采用导数光谱技术,对高光谱在河口浑浊水体的叶绿素反演的应用进行了研究。结果表明,二阶导数光谱的特征波段较原始光谱、一阶导数光谱对浑浊水体的叶绿素含量更为敏感;当水体浊度变化范围为10～130 NTU,光谱分辨率为10 nm、中心波长为620 nm、670 nm及680 nm的二阶导数光谱与叶绿素浓度(1～50μg/L)呈显著相关(线性相关系数分别为0.75、0.85及0.7);基于670 nm处二阶导数光谱的简单线性模型对叶绿素浓度有较好的反演精度。该结果可为光学复杂水体的叶绿素高光谱遥感估算提供新的方法。     

基于水色遥感的香港海域黄色物质浓度反演模型

研究了珠江口东岸香港海域黄色物质的光谱吸收特性,并分析光谱指数与吸收系数ag(440)之间的相关关系。采用CCD遥感数据和研究区海域数据采样点的同期实测光谱吸收系数,建立基于改进光谱指数NDSI、MRSI的黄色物质吸收系数反演模型。结果表明:MRSI模型提取的黄色物质吸收系数ag(440)与实测值之间的R2=0.8278,RMSE=0.0332,比NDSI模型的反演精度更高,且MRSI模型具有较强的区域适用性。利用2009～2011年3、8、12月CCD数据和MRSI吸收系数反演模型求得研究区海域黄色物质浓度,并探讨了黄色物质浓度在研究区海域的时空分布规律。     

利用Hyperion高光谱数据的三波段法反演太湖叶绿素a浓度

以2004-08-19太湖野外试验所获取的水质数据(叶绿素a浓度7.8~154.3μg.L-1,总悬浮物浓度65.0~190.2 mg.L-1,N=38)和同步的Hyperion星载高光谱数据为研究对象,利用三波段算法反演太湖水体的叶绿素a浓度.通过分析太湖固有光学量的特点,提出适用于太湖的3个特征波段的选择依据,并对波段进行优化计算,在此基础上建立了三波段统计模型,最后对模型的反演精度进行分析与评价.结果表明,Hyperion的B34(691.37 nm)、B37(721.90 nm)和B50(854.18 nm)组成三波段模型变量与叶绿素a浓度具有最高的相关系数(r=0.934),模型的决定系数(R2)和均方根误差(RMSE)分别为0.872和13.93μg.L-1,其反演精度优于传统经验统计模型,如比值模型(R2=0.844,RMSE=15.41μg.L-1)和一阶微分模型(R2=0.831,RMSE=16.00μg.L-1).研究结果证实了三波段法适用于内陆富营养化浑浊水体和Hyperion高光谱数据,为今后更精确地反演内陆水体的叶绿素a浓度提供了参考依据.     

基于Sentinel-3 OLCI影像的秦皇岛海域悬浮物浓度遥感反演

基于2013~2021年期间秦皇岛海域遥感反射率、悬浮物浓度及叶绿素a浓度等实测数据,开展了该海域Sentinel-3 OLCI影像的悬浮物浓度遥感反演模型研究.结果表明,文献中常用的典型经验模型形式均不适用于秦皇岛海域,以490、620及708.75nm为悬浮物反演的敏感波段,以560nm为参比波段,将各敏感波段与参比波段的比值作为自变量,最终建立了适用于秦皇岛海域的Sentinel-3 OLCI四波段悬浮物浓度遥感反演模型（R²=0.69,MAPE=24.79%,RMSE=2.82mg/L）;并采用2021年7月24日Sentinel-3 OLCI影像进行悬浮物浓度遥感反演产品的真实性检验,得到反演值与实测值的平均相对误差为13.24%.将上述四波段模型用于2021年1~12月秦皇岛海域的Sentinel-3 OLCI影像,反演得到月均悬浮物浓度,发现秦皇岛海域悬浮物浓度整体呈现沿岸海域高、离岸海域低,秋冬季高、春夏季低的时空变化特征;且2018~2021年秦皇岛海域悬浮物浓度的年均值逐年递减,水体越来越澄清.     

基于Sentinel-2 MSI影像的河湖系统水体悬浮物空间分异遥感监测:以安徽省升金湖与连接长江段为例

开展河湖系统悬浮物监测对掌握水体泥沙运移规律、制定水环境治理措施具有重要意义.以安徽省升金湖与连接长江段水体为研究区,根据实测光谱模拟Sentinel-2 MSI影像波段反射率,结合同步水体悬浮物实测数据建立反演模型;而后根据2017～2019年28景MSI影像水体悬浮物反演结果,分析河湖系统水体悬浮物浓度的变化规律,并探究水位变化对其空间分异的影响.结果表明:①根据MSI影像第六波段与第三波段的比值建立的二次多项式模型具有较高的反演精度(R~2=0.863,RMSE=22.211 mg·L~(-1)),适用于高浊度水体悬浮物反演;②在空间上,升金湖入湖口附近、上中湖区西北部和下湖悬浮物浓度相对较高,除夏季外升金湖悬浮物浓度均高于其连接长江段;在时间上,升金湖悬浮物浓度在夏季相对较低,在其他季节较高,而与其连接的长江水体呈现相反的年内变化规律;③闸控影响下河湖连通性改变造成的水位变化,是影响升金湖-长江悬浮物空间分异的关键因素.在平水期与枯水期,升金湖对长江悬浮物浓度变化具有一定的贡献度,而在丰水期,升金湖与长江悬浮物浓度变化之间的相关性不明显.     

基于改进电法装置和深度神经网络的填埋场渗滤液水位探测

渗滤液水位检测和管控是填埋场环境风险管控的关键之一,高密度电法装置具有无损、快速和分辨率高等优点,但填埋场铺设的HDPE防渗膜的高阻特性掩盖了渗滤液的低阻特性,反演结果存在探测精度差、探测范围有限等问题,无法有效识别渗滤液水位. 为此,本文设计了改进的川字型采集装置并配套提出了基于深度神经网络的非线性反演算法——EConvNet-C,通过构建高仿真模拟模型获得了代表性场景下的学习样本,并进行学习训练得到了渗滤液水位与观测数据的非线性映射关系. 对上述改进的电法装置和配套的反演算法的有效性进行了验证,并开展了实际填埋场地的案例研究. 结果表明:①基于川字型装置的EConvNet-C反演的电阻率存在明显的分层特征,在场景A中EConvNet-C反演算法的均方误差(MSE)均在0.00230以下,渗滤液水位探测精度均在90.0%以上. ②以“浅层滞水”形式非正常积存情况下,EConvNet-C探测精度略有下降,但MSE仍在0.00420以下,水位探测精度仍在80.0%以上. ③基于传统探测装置的深度神经网络耦合方法得到的渗滤液水位探测精度略低于基于川字型装置的EConvNet-C,而基于传统探测装置的线性反演耦合方法在HDPE膜高阻特性的影响下无法有效识别渗滤液水位. 因此,基于川字型装置的EConvNet-C在填埋场渗滤液水位探测领域具有较大潜力,可为后期开展垃圾填埋场的性能和风险评估提供指导.      

基于ANFIS的陕西省参考作物蒸散量计算

为有效提高陕西省参考作物蒸散量（ET₀）的计算精度,选取陕西省6个气象站点57 a（1960—2016年）每日气象资料,构建8种基于自适应神经模糊推理系统（ANFIS）的ET₀计算模型,将其与Hargreaves-Samani、Makkink和Iramk等三种在陕西省ET₀计算精度较高的模型进行比较。结果表明：ANFIS模型能较好地反映气象因子与ET₀之间的复杂非线性关系,在仅有气温数据时,ANFIS模型具有足够的精度（平均R²=0.894,平均R_MSE=0.558 mm/d,平均MRE=18.258%）,ANFIS模型的精度随着气象因子数量的增加而增加;在相同气象条件下,ANFIS模型模拟效果最好;ANFIS模型具有较强的泛化能力,基于不同站点也有较高的精度（平均R²=0.974,平均R_MSE=0.276 mm/d,平均MRE=8.608%）,具有很好的可移植性。因此,在缺少气象数据时,ANFIS可以作为陕西省ET₀的计算模型,为农业用水管理及水资源优化配置提供帮助。     

基于实测数据和卫星数据的黄东海透明度估测模型研究

海水透明度是描述水体光学特征的一个重要参数,也是海洋水质调查中的一个重要指标。利用2个航次的黄东海透明度数据和MODIS遥感反射率数据,进行了黄东海透明度的遥感反演研究,建立了透明度单波段模型、波段比值模型、三波段模型以及基于固有光学特性的半分析模型。结果表明,三波段模型具有较高精度,反演值与实测值之间的平均相对误差为19%、决定系数为0.719、均方根误差为1.47m。黄东海透明度估测模型的建立,有利于利用遥感影像对黄东海透明度进行全面估测,对于监测黄东海水质状况具有重要意义。     

空间分辨率与精度协同改进的卫星AOD产品降尺度模型

针对现有卫星气溶胶光学厚度(AOD)产品空间分辨率和精度往往难以满足大气污染精细治理实际需求,提出了一种耦合偏差校正的统计降尺度改进模型(SDBC).该模型基于“空间尺度不变性假设”引入相关驱动因子的额外空间信息实现AOD降尺度,并在此基础上通过偏差校正进一步提升降尺度产品的精度.以1km分辨率MAIAC AOD产品为例,在北京、大湾区、台湾岛3个典型地区开展模型验证.结果表明:(1)DEM、NDVI、人口数量和土地覆盖是影响AOD变化的细节因子,在SDBC空间降尺度过程中引入可将AOD产品的空间分辨率有效提升至500m,且降尺度产品验证R²最高可达0.88;(2)顾及卫星观测几何、质量标识、大气水蒸气柱、气溶胶模式等因子的偏差校正则可进一步提升降尺度AOD产品的精度,3个地区的验证R²均在0.85以上,最高可达0.93;(3)信息熵评估结果显示SDBC模型生成的500m AOD产品提高了原始MAIAC AOD产品的空间信息量.在保留了公里级产品AOD的空间分布格局的基础上,SDBC产品也增强了细节和纹理特征、改善了边界现象和马赛克效应.研究结果证实SDBC模型能有效协同改进现有卫星AOD产品的空间分辨率和精度,提升我国大气污染遥感精准监测的业务能力.     

典型优化目标函数下源参数反演性能对比研究

基于外场实验数据,从反演高估率、准确性、稳定性角度系统评估了8种典型目标函数在不同未知源参数反演情形下的反演性能差异.研究发现,不同目标函数反演性能差异显著.仅反演单参数源强时（Q）,对数变换目标函数高估率最大（79.4%）,偏差平方和目标函数准确性最高（P_ARD<50%=82.3%,ARD=（35.3±9.1）%）,目标函数稳定性无明显差异（CV<0.01）.三参数反演（Q,x,y）时,标准化均方根误差目标函数源强高估率最大（98.5%）,对数变换目标函数准确性、稳定性最高（P_ARD<50%=91.1%,ARD=（48.4±9.8）%;CV=0.01）;位置方面,偏差平方和目标函数准确性最高（AD=（36.12±11.39） m）,对数变换目标函数稳定性最强（CV=0.0018）.四参数反演（Q,x,y,z）时,标准化均方根误差目标函数源强高估率最大（98.5%）,对数变换目标函数准确性、稳定性最优（P_ARD<50%=61.7%,ARD=（55.2±16.5）%;CV=0.03）;位置方面,相关系数总体表现最优（AD=（34.37±10.72） m;CV=0.011）.整体上,随反演参数变化,对数变换目标函数源强反演性能最稳定.     

高浓度泥水沉淀(浓缩)池的模型律

作者认为,高浓度泥水沉淀(浓缩)池的模型律,应建立在以下过程相似的基础上:(1)池内浑水异重流发生相似;(2)池内泥水的沉淀浓缩过程相似。文中讨论了原泥水或配制泥水进行试验、试验为正常负荷或超负荷、采用正态模型或变态模型等各种情况下的模型律以及不能满足相似条件的情况。文中介绍了在两个几何相似的模型中对模型律进行试验检验的结果。     

GF-5高光谱遥感影像的土壤有机质含量反演估算研究

本文基于高光谱遥感影像对土壤有机质含量进行反演估算,以哈尔滨与兴安盟交界处的平原地表土壤为试验对象.首先,基于辐射和几何校正等预处理的高分五号（GF-5）高光谱遥感影像,依据五点采样法采集影像覆盖范围的地表土壤样本共100组,在实验室内进行理化分析等一系列处理获取样本土壤有机质含量数据.然后,运用偏最小二乘法建立高光谱影像土壤沙化指数、土壤退化指数、归一化亮度指数和土壤盐分指数反演土壤有机质含量的估算模型.比较基于原始反射率数据、一节微分反射率数据和4种土壤指数构建的反演模型的预测精度,通过65%的建模样本和35%的预测样本验证表明,反演模型中基于土壤指数建立的反演模型的预测验证精度最高,预测集验证中ρ为0.816,RMSE为1.7287.并将该反演模型运用到高光谱影像的土壤有机质含量的反演估算,实际测量的SOM与影像反演SOM含量变化趋势一致,相关性达到80.023%以上,验证了模型的反演估算精度.     

基于OLCI数据的福建近海悬浮物浓度遥感反演

悬浮物（TSM）是评估水质的重要指标,也是水色遥感反演的核心参数之一.海陆色度仪（OLCI）是新一代海洋水色传感器,具有良好的光谱及时空分辨率.为有效监测福建近海悬浮物浓度的时空变化,本文结合OLCI遥感数据和现场实测悬浮物浓度数据,使用CatBoost、随机森林和多元回归方法,分别构建悬浮物浓度反演模型,最后使用验证集对比分析不同模型的反演精度.结果表明,CatBoost模型估算精度最高,均方根误差（RMSE）为2.76 mg·L^-1,平均绝对百分比误差（MAPE）为23.67%,决定系数R²为0.89.使用CatBoost模型对2017—2018年多时相OLCI影像进行TSM浓度遥感反演,结果发现,福建近海TSM浓度变化显著,但总体呈现近岸高于远岸、北部高于南部、江河入海口和港湾处高于周围其他海域、春季高于夏季的时空分布特征.本研究可为福建近海的悬浮物浓度监测提供一种有效的方法,也进一步证明了OLCI影像良好的水色反演能力,可作为水质监测的有效遥感数据源.     

基于注意力机制优化的LSTM河流溶解氧预测模型研究

溶解氧(DO)是水体中的重要水质指标,构建数据驱动模型,实现对溶解氧的准确预测,将为水环境管理提供科学有效的技术手段. 考虑到溶解氧序列数据非线性强、非平稳性突出的特点,提出一种基于双阶段注意力权重优化机制的长短时记忆网络(long short-term memory, LSTM)的河流溶解氧预测模型(DAIW-LSTM模型),该模型的编码器包含双阶段权重优化的空间注意力机制,而解码器包含双阶段权重优化的时间注意力机制. 将该模型应用于流溪河流域白云李溪坝、流溪河山庄、从化街口等水质监测站溶解氧日均值预测的研究,开展了该模型与DA-LSTM、LSTM、Bi-LSTM等基线模型的预测效果对比分析,探讨了特征权重优化机制及上游站点水质数据输入对模型预测性能的影响. 结果表明:①通过与基线模型的预测效果对比,验证了DAIW-LSTM模型的精准性,其对白云李溪坝站溶解氧预测的对称平均绝对百分比误差(SMAPE)、平均绝对误差(MAE)、均方误差(MSE)分别为0.075、0.611、0.712,在所有模型中最优. ②对于新的注意力权重优化机制,第二阶段会对第一阶段的初步权重进行优化修正;针对pH、电导率、水温、气温等影响溶解氧预测的重要特征,DAIW-LSTM模型会自适应调整其权重在时间序列上的分布,从而提高该模型的预测精度. ③加入上游水质特征的输入影响,通过9个组合试验对比可知,DAIW-LSTM模型仍然为表现最佳的模型,该系列组合试验也证明上游站点及其特征变量选取的重要性. 研究显示,注意力权重优化机制的引入使得该模型相较其他基线模型展现出更好的适用性和精准性,可为地表水水质预测研究提供新思路.