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.     

基于数据同化的太湖叶绿素多模型协同反演

在国内外众多学者的不懈努力下,开发了大量的水质参数遥感估算反演模型,但不同的模型都具有其"局限性",只能从某个层面反映"真值".基于上述考虑,本研究发展了基于数据同化方法的太湖叶绿素a浓度多模型协同反演算法.利用2006~2009年太湖野外实测水体高光谱遥感反射率数据,构建了7个叶绿素a浓度反演模型;通过模型精度对比,最终遴选出6个适宜的叶绿素a浓度反演模型.进而使用不同模型组合,进行多模型协同反演.结果表明:1多模型协同反演算法的反演精度要高于单模型反演的反演精度,最优MAPE仅为22.4%;2随着参与多模型协同反演的模型个数的增加,其反演精度也逐渐提高,MAPE均值从25.6%降低到23.4%,RMSE均值从15.082μg·L-1降低到14.575μg·L-1,相关系数R均值从0.91提升到0.92;3通过对多模型协同反演产品的置信区间进行计算,可以有效地估算产品精度和误差,同时使得获取全湖反演叶绿素a浓度的误差空间分布情况成为可能.     

用TM影像进行湖泊水色反演研究的人工神经网络模型

利用人工神经网络技术进行了湖泊水色遥感的反演研究,在同步实验的基础上了构造了包含一个隐含层的BP神经网络模型,利用TM卫星影像反演悬浮物、COD_Mn、溶解氧、总磷、总氮和叶绿素浓度反演精度较高,相对误差基本在25%以下,同时分析了该人工神经网络反演模型的误差来源,改进措施以及应用前景.研究表明,在进行小规模的同步监测的基础上,此模型可用于湖泊水质调查、分析和评价.     

基于Sentinel-2的平寨水库叶绿素a浓度反演

为实现对平寨水库叶绿素a的遥感监测,选取平寨水库2017年11月17—18日的实测叶绿素a浓度数据和准同步的Sentinel-2数据,通过选取最佳波段组合建立BP神经网络模型,对平寨水库叶绿素a进行反演,并分析其空间分布特征。结果表明:Sentinel-2红边波段对叶绿素a的敏感性优于可见光波段,在叶绿素a浓度反演方面具有较大潜力。相关系数最大的波段组合方式是:B5/B4、[1/B4-1/B5]*B6、[1/B4-1/B5]*B7和[1/B4-1/B5]*B8;BP神经网络模型可决系数R2为0.9160,平均相对误差为29.87%,反演精度优于三波段模型;平寨水库叶绿素a浓度空间分布差异明显,水面开阔的中心库区浓度较高,各支流上游河段浓度较低。Sentinel-2数据可较好地应用于喀斯特高原湖泊叶绿素a浓度反演,BP神经网络模型估测结果合理、可靠;研究结果可为平寨水库水环境治理提供科学依据。     

利用高光谱反演模型评估太湖水体叶绿素a浓度分布

叶绿素a浓度是评价水体富营养化和初级生产力的一个重要参数,高光谱遥感是获取叶绿素a浓度的有效手段.为建立太湖水域叶绿素a的最佳高光谱估算模型,选取2015年5—7月共计60组同步实测高光谱数据和叶绿素a浓度数据,在地面光谱反射率和叶绿素a浓度相关性分析的基础上,使用2∶1的数据样本进行太湖水域叶绿素a的最佳高光谱估算模型的建立和验证,筛选模型分别为波段比值、三波段、荧光峰位置、峰谷距离、一阶微分、NDCI(Normalized Difference Chlorophyll Index)、峰面积、荧光峰高度、WCI(Water Chlorophyll-a Index)和四波段模型.结果表明,建模得到的四波段模型决定系数最高,峰面积模型的决定系数相对最低;四波段模型的反演精度最高,均方根误差(RMSE)为0.00376 mg·L~(-1),平均绝对误差(MAPE)为27.86%,而WCI模型的反演精度相对最低,RMSE为0.01231 mg·L~(-1),MAPE为45.11%.将反演精度最高的四波段模型应用于2015年8月3日的两景HSI(Hyperspectral Imaging Radiometer)高光谱影像数据,也得到较高精度,利用同步实测叶绿素a浓度验证的决定系数为0.7643,RMSE为0.00433 mg·L~(-1),MAPE为45.62%.在春、夏季叶绿素对水体光学特性占主导作用且叶绿素分布均匀的情景下,本研究可为太湖水域叶绿素a的高光谱反演和水环境监测提供有价值的参考,其它季节水体光谱特点的研究尚待进一步开展.     

支持向量机在太湖叶绿素a非线性反演中的应用

根据湖泊监测的特点,采用支持向量机(SVM)方法,反演太湖叶绿素a的浓度分布.将2005年8月太湖29个现场水质监测点数据分为训练测试样本集和验证样本集,利用训练测试样本集以及与其时间同步的MODIS遥感影像,分别构建了4种SVM模型.对比分析表明,直接以波段反射率以及水深信息构成输入向量的SVM模型预测效果最好.利用训练测试样本构建了线性回归模型、主成分分析模型(PCA)以及神经网络模型(ANN),并利用验证数据比较了上述3种模型与SVM模型的预测结果.结果表明ANN模型和SVM模型预测能力明显优于另外2种模型,其中SVM模型对低值和高值均有较好的预测精度,平均相对误差仅为15.91%,预测精度比ANN模型提高了10%.利用SVM模型和ANN模型分别反演了2005年8月15日太湖叶绿素a浓度分布,比较了2种模型反演结果的异同,分析了太湖叶绿素a分布特征及其成因.     

太湖叶绿素a浓度时空分异及其定量反演

利用2005年实测叶绿素a浓度数据分析了太湖叶绿素a浓度的时空分布特征,并利用同步光谱数据,分季节对太湖叶绿素a浓度的反演模型进行研究,从而分析叶绿素a的时空变化对反演模型的影响.首先分析1a内叶绿素a浓度随时间的变化规律,然后利用反距离加权插值法绘制叶绿素a浓度不同季节空间分布图,分析叶绿素a浓度在不同季节的空间分布规律,在此基础上分春、夏、秋3个季节和中营养化、轻度富营养化、中度富营养化、重度富营养化4个营养状态进行叶绿素a浓度定量反演模型研究.结果表明,太湖叶绿素a浓度具有明显的时空分布特征.夏季叶绿素a浓度最高,冬季最低,平均浓度分别为56.29μg/L、13.61 μg/L.秋季由于受到夏季高浓度的影响,叶绿素a浓度高于春季,平均值分别为26.43μg/L、34.78μg/L;夏季叶绿素a浓度空间变化最大,冬季全湖叶绿素a浓度含量较为均一,空间变化不明显,秋季空间差异要大于春季;全年北部湖区的空间差异较大,而南部湖区相对较小.不同季节叶绿素a反演算法模型不同,春、秋季波段比值法反演效果较好;而夏季微分法反演效果明显好于其它反演算法,不同营养状态条件下反演算法差异相对较小.     

面向GF-1WFV数据的闽江下游叶绿素a反演模型研究

叶绿素a浓度是可直接遥感反演的重要水质参数之一,常用来评价水体的富营养化程度.为建立适合于闽江下游叶绿素a浓度的反演模型,利用地面采样数据,结合GF-1 WFV光谱响应函数,选用多元回归、BP神经网络和随机森林方法,构建了叶绿素a浓度反演模型;并根据验证数据与实测值之间的决定系数(R~2)、均方根误差(RMSE)和平均相对误差对模型反演结果进行了比较.结果发现,随机森林模型的R~2为0.895,RMSE为1.994 mg·m~(-3),平均相对误差为11.502%,是3种模型中最优的.为了评估模型的性能,进一步比较了WFV影像像元反射率反演的叶绿素a浓度值与相应的实测值.结果表明,随机森林模型同样具有较高的精度,其R~2为0.709,RMSE为3.540 mg·m~(-3),平均相对误差为25.616%.本研究可为闽江下游水环境的监测提供一定的理论依据和技术参考.     

基于集合均方根滤波的太湖叶绿素a浓度估算与预测

叶绿素a浓度作为表征水质状况的重要参数之一,反映了水体富营养化程度和藻类含量,是决定水体的反射光谱特征的重要因素,也是水质遥感领域研究较多的一项水质参数.研究叶绿素a浓度的遥感定量反演可以为湖泊水质监测与评价提供新的思路和方法.本研究发展了一个基于集合均方根滤波和风生流的污染物扩散模型的数据同化方案,并结合2010年5月20日的太湖3个浮标观测站点的观测数据进行了同化实验.首先对太湖叶绿素a浓度进行同化估算,然后利用优化后的估算结果对太湖叶绿素a浓度进行了为期6 h的预报.在同化阶段,均方根误差分别从1.58、1.025、2.76降低到了0.465、0.276、1.01,平均相对误差也从0.2降低到了0.05、0.046、0.069.在预报阶段,均方根误差从1.486、1.143、2.38降低到了0.017、0.147、0.23,平均相对误差也从0.2降低到了0.002、0.025、0.019.结果表明,利用集合均方根滤波的数据同化方法可以有效地提高太湖叶绿素a浓度的估算与预报精度.     

探讨遥感反演模型技术在水质参数监测中的具体应用

叶绿素a(Chl-a)是江河湖泊水体水质状况评价的重要指标之一。本文以妫水河为研究区,利用实Chla浓度数据和同步的环境一号卫星(HJ-1A)多光谱数据对妫水河水体Chl-a浓度的遥感反演模型进行研究,结论对于提高遥感反演的精度,并为妫水河的水质遥感监测提供技术和方法参考。     

浅析连云港市工业废水处理设施所存在的问题

根据连云港市污染物排放量的比较和污染减排任务的要求,选取COD和NH3-N 2种具有代表性的污染物,详细研究连云港市工业行业的COD和NH3-N产、排量,根据数据测算出所占排放量比重,对比重较大的饮料制造业、食品加工业和化学品原料及化学品制造业的污染治理设施进行了详细调查,发现治理设施大部分为生物接触氧化法等废水生物处理法进行有机物治理.总结了连云港市在工业废水处理设施中存在的问题,提出对策与建议.     

土壤整体质量的生态毒性评价

土壤样品采自沈阳西部污灌区 .进行了污染物 (重金属和矿物油 )含量分析和生态毒性试验 .重金属采用原子吸收分光光度仪测定 ,矿物油采用紫外分光光度计测定 .生态毒性试验分别参照国际标准组织 (ISO)和OECD指南 ,进行了植物毒性试验、蚯蚓毒性试验和蚕豆根尖微核试验 .植物试验以小麦种子发芽根伸长抑制率为试验终点 ,试验周期50h ,蚯蚓毒性试验以蚯蚓死亡率、体重增长抑制率为试验终点 ,试验周期28d .土壤中矿物油含量在145mg/kg～1121mg/kg ,重金属Cd为0.34mg/kg～1.81mg/kg .土壤对植物和蚯蚓显示不同程度的毒性效应 ,土壤的蚕豆根尖微核率明显高于对照 .种子发芽根伸长抑制率为2.0%至-35.1% ,蚯蚓死亡率为0%～40%.体重增长抑制率由14d的-2.3%～-19.4%在28d增加到-2.1%～10.7% ,蚕豆根尖微核率最高达6.62/100.研究表明 ,土壤中的污染物积累较低 ,但具有明显的生态毒性 .     

多目标规划在预测区域总产值-排污-水质协调解中的应用研究

以某区域水环境－经济系统为研究实例，寻求值－排污－水质综合协调解方法，寻求净收益最大时的总体规划方案。建立目标参数规划模型，寻求不同生产规模条件下的产值－排污－水质协调解，又探讨了水环境标准约束下的某化工区废水治理费用的计算方法，提出了以供决策者选择的方案。     

滇池富营养化特性评价

介绍了滇池水质状况,对滇池富营养化特性进行了分析和评价,并提出了对策.     

国际化学危险品分类体系简介

介绍了当前国际化学危险品的各种分类体系,对比了GHS与TDG、EU_CLP、DOT、WHMIS等对化学危险品的具体分类。有助于GHS的理解与掌握,全面推进GHS在我国的实施。     

试行高校学生体质健康标准的情况分析

本文通过对我校试行高等学校《学生体质健康标准》,对04级827人的身高体重指数、分数、耐力指数、握力指数等测试结果进行统计学分析和总结评价,从而得出了对《学生体质健康标准》的几点初步认识。     

生态保护地协同管控成效评估

分区分类管理是我国生态保护的重要管控制度,生态保护地是事关国家生态安全的关键区域,开展生态保护地保护成效评估及不同类型生态保护地之间的协同管控成效评估具有重要意义。以吉林省自然保护地和重点生态功能区等生态保护地(即禁止开发区和限制开发区)为研究对象,以重要生态空间、植被生态、水源涵养功能为主要内容,基于"禁止开发区—限制开发区—省域"的管控梯度差异,评估分析了生态保护地的协同管控成效。结果表明:(1)从重要生态空间协同管控成效来看,自然保护地的重要生态空间面积比例最高、人类活动干扰指数最低,这与生态保护管控严格程度呈现很好地正相关。但是1980—2015年间重要生态空间面积比例均有所减少,减少幅度与管控严格程度没有表现出正相关。(2)从植被生态协同管控成效来看,植被覆盖总体呈现出自东向西逐步降低的特点,与东部分布有重点生态功能区和森林类自然保护区、西部分布较多的湿地类自然保护地的空间特征一致。但是,由于湿地及水域类型自然保护地面积占比较高,且分布在吉林西部草原和平原区的面积比例较高,自然保护地的年际变化较大、且植被覆盖稳定度低于重点生态功能区。(3)从水源涵养功能协同管控成效来看,水源...     

论给水管材发展的新趋向

本文从给水管材的发展阶段、国内外给水管材的发展动向详细地阐述了我国现阶段给水管材的应用和未来发展趋向，提出了我们现在面临的问题和发展前景。     

后勤装备防腐涂层加速试验环境谱研究

结合后勤装备服役特点,综合考虑亚热带沿海地区湿热、紫外光照、盐雾等主要腐蚀因素的影响,建立了适用于后勤装备表面涂层的加速试验环境谱,给出了各环境块的具体确定方法,并且提出了建立加速谱与装备实际使用环境的当量加速关系的方法。为后勤装备外露关键部位涂层使用寿命评定、涂层有效性检验和腐蚀修理方案制定提供了重要的依据。