| 基于数据同化的太湖叶绿素多模型协同反演 |
| |
| 引用本文： | 李渊,李云梅,吕恒,朱利,吴传庆,杜成功,王帅.基于数据同化的太湖叶绿素多模型协同反演[J].环境科学,2014,35(9):3389-3396. |
| |
| 作者姓名： | 李渊 李云梅 吕恒 朱利 吴传庆 杜成功 王帅 |
| |
| 作者单位： | 南京师范大学虚拟地理环境教育部重点实验室, 南京 210023;南京师范大学虚拟地理环境教育部重点实验室, 南京 210023;南京师范大学虚拟地理环境教育部重点实验室, 南京 210023;环境保护部卫星环境应用中心, 北京 100029;环境保护部卫星环境应用中心, 北京 100029;南京师范大学虚拟地理环境教育部重点实验室, 南京 210023;南京师范大学虚拟地理环境教育部重点实验室, 南京 210023 |
| |
| 基金项目： | 国家自然科学基金项目（41271343）；高分辨率对地观测系统重大专项（05-Y30B02-9001-13/15-6）；江苏高校优势学科建设工程项目；中国科学院数字地球重点实验室开放基金项目（2012LDE009） |
| |
| 摘 要： | 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.
|
| 关 键 词： | 高光谱数据 叶绿素 数据同化 太湖 多模型协同反演 |
| 收稿时间： | 2014/2/28 0:00:00 |
| 修稿时间： | 2014/4/16 0:00:00 |
Muti-model Collaborative Retrieval of Chlorophyll a in Taihu Lake Based on Data Assimilation |
| |
| LI Yuan,LI Yun-mei,L&#; Heng,ZHU Li,WU Chuan-qing,DU Cheng-gong and WANG Shuai.Muti-model Collaborative Retrieval of Chlorophyll a in Taihu Lake Based on Data Assimilation[J].Chinese Journal of Environmental Science,2014,35(9):3389-3396. |
| |
| Authors: | LI Yuan LI Yun-mei L&#; Heng ZHU Li WU Chuan-qing DU Cheng-gong and WANG Shuai |
| |
| Institution: | Key Laboratory of Virtual Geographic Environment, Ministry of Education, Nanjing Normal University, Nanjing 210023, China;Key Laboratory of Virtual Geographic Environment, Ministry of Education, Nanjing Normal University, Nanjing 210023, China;Key Laboratory of Virtual Geographic Environment, Ministry of Education, Nanjing Normal University, Nanjing 210023, China;Satellite Environment Application Center, Ministry of Environmental Protection, Beijing 100029, China;Satellite Environment Application Center, Ministry of Environmental Protection, Beijing 100029, China;Key Laboratory of Virtual Geographic Environment, Ministry of Education, Nanjing Normal University, Nanjing 210023, China;Key Laboratory of Virtual Geographic Environment, Ministry of Education, Nanjing Normal University, Nanjing 210023, China |
| |
| Abstract: | |
| |
| Keywords: | hyperspectral data chlorophyll a data assimilation Taihu Lake multi-model collaborative retrieval algorithm |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《环境科学》浏览原始摘要信息 |
| 点击此处可从《环境科学》下载免费的PDF全文 |
|
