面向GOCI数据的太湖总磷浓度反演及其日内变化研究

总磷浓度是水质评价的一个重要指标,是水体富营养化、蓝藻水华暴发的重要影响因素,遥感技术具有范围广、时效高的优势,利用卫星遥感监测总磷浓度,对于水质和富营养化的研究有着重要意义.利用2013~2014年3次地面实验数据,构建了基于GOCI影像的总磷反演模型,为了检验模型的适用性,选取2014年春、夏、秋、冬各1日GOCI影像,对太湖总磷浓度的日内变化进行分析.结果表明,利用GOCI数据8个波段的波段组合作为变量,进行逐步回归分析所建立的模型具有较高的反演精度,模型的决定系数为0.898,平均绝对误差百分比为14.296%,均方根误差为0.026 mg·L~(-1).同时,利用地面实测样点与同步卫星影像对模型进行了精度分析,2014年8月5日和2014年10月24日同步影像的验证精度分别为:平均绝对误差百分比为33.642%和22.551%,均方根误差为0.076 mg·L~(-1)和0.028 mg·L~(-1).对4个季节中4 d的30幅影像对比分析表明,不同季节总磷浓度的绝对含量存在差异,但是,总磷浓度的时空分布及从早晨到下午的差异性存在相似性.从空间分布上看,梅梁湾、竺山湾、贡湖湾及西南部沿岸小梅港、长兜港总磷浓度长期偏高,各个区域的总磷浓度变化受到风向、风速等因素的影响;从时间变化上看,早上总磷浓度最高,随后逐渐降低,反映了总磷浓度受到温度和光照影响的效果.     

基于改进的PSO优化LSSVM参数的松花江哈尔滨段悬浮物的遥感反演

悬浮物是松花江水质和水环境评价的重要参数之一.利用在松花江哈尔滨段江面上29个采样点的实测高光谱和悬浮物浓度数据,用20个采样点数据为训练集,9个采样点数据为测试集.将机器学习和全局优化智能计算方法引入,应用改进的粒子群(PSO)优化最小二乘支持向量机(LSSVM)参数,以均方根误差RMSE为适应度函数,根据迭代得到LSSVM最优参数值,用700 nm和750 nm光谱反射率比值(R700/R750)为特征变量,悬浮物数据为目标变量,用训练集数据训练得到反演模型,使用测试集数据进行验证.结果表明,此模型收敛速度快,精度高,得到预测值的均方根误差RMSE为10.11 mg·L-1,平均绝对百分误差MAPE为10.72%,模型决定系数R2为0.952,该方法可用来对其它水质参数反演预测提供参照.     

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.     

三江源区高寒草地地上生物量遥感反演模型研究

为了发展适用于三江源区高寒草地（包括高寒草甸和高寒草原）地上生物量（aboveground biomass,AGB）模拟的遥感反演模型,基于2006—2014年逐年7—8月三江源区高寒草地70个采样点地上生物量数据与同期MODIS-NDVI和MODIS-EVI数据,通过回归分析方法建立高寒草地地上生物量遥感反演模型,并利用长时间序列MODIS数据对2005—2014年三江源区高寒草地地上生物量的时空格局进行模拟分析.结果表明:基于EVI建立的乘幂模型对三江源区高寒草地地上生物量的拟合效果最好,其判定系数（R2）最大,达到0.654;均方根误差（RMSE_P）最小,仅为27.86 g/m2.根据三江源区70个采样点的地上生物量数据最终确立的估算模型为y=348.769x0.783（R2=0.655,P < 0.001）.估算模型模拟结果显示,2005—2014年三江源区高寒草地地上生物量空间特征基本一致,总体表现为从东南到西北逐渐减少的变化趋势,这与该区域的降水量、气温、海拔和植被类型等因素有关;2005—2014年三江源区高寒草地地上生物量平均值为169.25 t/a,最高值为2010年的178.36 t/a,最低值为2008年的162.80 t/a,年际变化趋势表现为2005—2008年逐年下降、2008—2014年则在波动中逐年有所上升.研究显示,三江源区高寒草地地上生物量遥感反演模型及其确定的模型参数可对该区域草地地上生物量进行有效评估.      

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.     

基于扩散模式反演的橡胶轮胎制造行业VOCs排放特征

选取我国华北地区某轮胎制造企业为研究对象,针对其挥发性有机物(VOCs)排放,开展了VOCs外场观测试验,并通过ISC3模式反演获得该企业VOCs排放源强.观测结果表明,厂外上风向背景点和下风向受体点之间存在显著的VOCs浓度差异和化学组分差异. 20种潜在排放污染物在背景点和受体点TVOCs浓度平均值分别为53. 8μg·m~(-3)和127. 5μg·m~(-3),背景点化合物以丙烷(7. 2μg·m~(-3))、丙酮(7. 5μg·m~(-3))、壬醛(12. 7μg·m~(-3))、丁烷(4. 9μg·m~(-3))和乙醛(2. 7μg·m~(-3))为主;受体点化合物以壬醛(43. 5μg·m~(-3))、丙烷(11. 4μg·m~(-3))、乙醛(7. 4μg·m~(-3))、己烷(11. 9μg·m~(-3))和丁烷(7. 3μg·m~(-3))为主.背景点和受体点VOCs差异(Δc)为该企业潜在排放的VOCs贡献,以烷烃(31. 39%)和含氧挥发性有机物(33. 15%)为主.继而,本文利用ISC3模式,基于观测期间气象条件,获得了每次试验每个受体点的浓度与源强的关系系数,并基于该关系系数计算了该企业的VOCs排放源强.反演结果显示,该橡胶轮胎制造厂VOCs年排放量平均值为(152. 8±188. 2) t,以壬醛、甲苯、正己烷、丙烷和苯为主,折合VOCs排放因子约每条轮胎101. 9 g.本文反算的排放因子与AP42接近,远低于我国推荐的排放因子数值.以此排放因子计算,当前我国轮胎制造行业VOCs排放量约为62. 13 kt·a~(-1),主要分布在山东省28. 70 kt·a~(-1)和江浙沪地区20. 5 kt·a~(-1),该行业VOCs排放对O3存在较为重要的贡献,其臭氧生成潜势约为130. 87 kt·a~(-1),而对二次有机气溶胶生成潜势较小,仅为0. 86 kt·a~(-1).     

基于无人机多光谱影像和OPT-MPP算法的水质参数反演

无人机多光谱遥感可用于监测多个水质参数,如悬浮物、浊度、总磷和叶绿素等,建立稳定和准确的水质参数反演模型是开展这一工作的前提.matching pixel-by-pixel(MPP)算法是一种针对无人机影像高分辨率特点的反演算法,但其存在运算量过大和过拟合的问题,基于此,提出optimize-MPP(OPT-MPP)算法,以克服运算量过大和过拟合的问题.本研究以浙江省杭州市青山湖作为研究区域,采集45个样本,分别构建悬浮物浓度(SS)与浊度(TU)的OPT-MPP算法反演模型.结果表明,最佳悬浮物反演模型的决定系数R²达到0.787 0,综合误差为0.130 8;最佳浊度反演模型的决定系数R²达到0.804 3,综合误差为0.150 3.最后利用分别建立的两个参数的最优模型,实现青山湖各实验区域的水质参数空间分布信息的反演.     

输入未知情况下结构复合反演的两步法

研究了输入未知条件下的参数识别问题。针对剪切型结构,提出了其在一类特殊未知载荷下的复合反演算法,此方法假设结构各层上的未知输入之间成比例关系,在不知道这些比例关系的情况下,分两步进行复合反演:第一步,假设某一层上的未知输入为基本未知输入,利用子结构技术,采用遗传算法识别子结构参数和子结构上未知输入之间的比例关系,进而求出基本未知输入;第二步,在基本未知输入已知的情况下,通过最小二乘算法识别其余各层的未知参数和其余各层上未知输入与基本未知输入之间的比例关系。此方法在类似风荷载作用未知情况下的复合反演中具有重要意义,最后用剪切型数值算例验证了算法的合理性。     

基于差异进化算法的爆破震速参数识别与优化

爆破震动衰减特性研究通常采用经典的萨道夫斯基公式实现。如何根据不同爆破条件合理选择公式中的场地系数K和衰减指数α是确定爆破控制参数的关键。实际工程分析中,通常采用可监测参数反演识别方法获取K和α值。以大连地铁2号线201标段接收井横通道爆破作业为背景,基于差异进化(DE)算法中缩放因子F和交叉概率Cr贡献值的合理选择,研究萨道夫斯基公式K和α的反演问题。首先,通过对算法中F和Cr不同取值对萨道夫斯基公式计算结果的影响分析,得到各向震速条件下收敛最小的F和Cr值;然后,根据F和Cr取值反演K和α参数。工程实践表明,基于DE算法反演识别得到的K和α值代入萨道夫斯基公式,计算得到的垂向、纬向、经向速度及合速度与实测速度变化趋势一致,并处在合理误差范围之内。     

基于MODIS数据的云南省地表温度反演研究

基于MODIS数据反演云南省地表温度,采用分裂窗算法需要参数较少、易实现。研究表明:云南省地表温度由北向南递增,东部高、西部低,基本符合云南省实际情况。利用气象观测站实测数据进行验证,平均误差为3.16℃,两组数据基本接近,证明基于MODIS数据和分裂窗算法反演云南省地表温度是可行的。