基于HJ-1卫星CCD数据的长江中游武汉河段悬浮物浓度反演

环境一号(HJ-1)卫星是我国自发研制的专门用于环境和灾害监测的光学卫星.其数据获取周期短、空间分辨率高,能及时、连续、准确地监测悬浮物浓度时空变化,在内陆二类水体遥感监测方面具有良好的应用前景.该文以长江中游武汉河段为研究区,利用HJ-1卫星CCD数据第1、3波段建立了具有较高精度的悬浮物浓度反演模型,并对2008年11月14日武汉河段悬浮物浓度进行了反演,得到其空间分布图.结果表明,该模型的悬浮物浓度反演均方根误差(RMSE)为8.84mg/L,平均绝对百分比误差(MAPE)为13.6%.从空间分布来看,在武汉附近,长江干流悬浮物浓度高于支流汉江,江心洲滩附近水体悬浮物浓度偏高.     

结合实测光谱数据的珠江口水质遥感监测

河口近岸海域面积广阔,生物生产力高,受人类活动及陆源物质的影响较大,是自然因素和人为因素共同影响水体生态环境的典型区域.文章研究了珠江口近岸海域水体叶绿素a浓度和悬浮物浓度的遥感定量反演方法,并在实验水域验证了现有遥感反演模型的适用性;结合实测数据和遥感影像数据,通过统计分析建立珠江口近岸水域的叶绿素a浓度和悬浮物浓度的反演模型;利用Landsat8遥感影像反演了珠江口近岸海域叶绿素a浓度和悬浮物浓度的分布情况,提取珠江口近岸水域面状水质信息;反演结果符合理论分析和实际情况,证明本研究建立的水质参数遥感反演模型及方法适用于珠江口近岸海域水质监测.     

基于World View-2影像的西溪湿地悬浮泥沙遥感监测

西溪湿地作为城市次生湿地,其生态和旅游功能为人们所重视,因此监测其水质安全尤为重要．水体中悬浮泥沙浓度是评定水质的相关参数之一,利用环境遥感技术可对水体的悬浮泥沙浓度信息进行监测．以西溪湿地2个时相的World View-2影像为主要数据源,通过水体光谱测量及水样采集,建立悬浮泥沙定量反演模型,并利用实测数据对反演模型精度进行验证评估．研究结果表明：1）采用第三、第五波段遥感反射率比值模型可削弱大气影响,突出悬浮泥沙信息,模型平均相对误差为19.98%;2）采用FLAASH大气校正方法,影像所有波段平均相对误差为17.58%;3)2011年、2013年选用的单景影像反演结果显示西溪湿地悬浮泥沙平均浓度分别为7.48mg/L、9.35mg/L,且湿地各区域悬浮泥沙浓度差异明显;4）采用合适的大气校正和悬浮泥沙反演模型,World View-2影像可较好地应用于西溪湿地悬浮泥沙浓度的遥感监测．     

红边光谱谐波分析的神经网络法叶绿素含量反演研究

叶绿素含量测定对于了解作物生长状况具有重要意义。为实时、快速、准确获取叶绿素含量,研究了玉米叶片叶绿素含量的BP神经网络(BPNN)法高光谱反演模型;而BPNN输入因子的选择是建立反演模型的关键。已有研究证明作物红边光谱与叶绿素含量有较强的相关性,为避免红边参数提取的不确定性,提高建模精度与效率,运用红边光谱的频率域谐波分析(HA)技术获得谐波余项、振幅和相位等能量谱特征分量(ESCC);并选择具有强相关性的10个ESCC进行主成分分析后,取前4位主分量作为BPNN的输入因子,进而进一步强化其相关性来构建叶绿素含量反演模型。同时,分别用遗传算法(GA)和小波基(wavelet-based)函数优化BPNN结构,建立GA-BPNN、WNN反演模型。实验通过比较BPNN、GA-BPNN、WNN模型和常规的多元线性回归(MLR)模型的玉米叶片叶绿素含量反演结果,得出非线性的BPNN模型要明显优于线性的MLR模型;而在神经网络模型中,GA-BPNN优化模型的反演精度最高。     

典型浅水草型湖泊水体悬浮物浓度遥感反演

针对典型浅水草型湖泊的特点,分析水生植物对悬浮物浓度及其遥感反演的影响,得到水生植物与其覆盖区水体总悬浮物浓度之间的定量关系,提出了基于水生植物分区反演水体悬浮物浓度的新思路:首先利用植被指数将全湖分为水生植物覆盖区和未覆盖区.在水生植物覆盖区,通过水生植物的盖度来指示水体水质,进而间接反演悬浮物浓度,解决了水生植物覆盖区难以直接反演悬浮物浓度的难题;在未覆盖区,利用地面实测数据与Landsat8卫星数据建立悬浮物浓度的近红外单波段反演模型,最终得到微山湖悬浮物浓度空间分布图.在晴朗、无风或轻风的天气条件下,水生植物与其覆盖区水体悬浮物浓度之间具有稳定的定量化特征,利用该特征指示水质对浅水草型湖泊水质参数的定量化遥感具有一定的参考意义.     

基于粒子群和神经网络的珠江口叶绿素a浓度反演

由于近岸河口地区水体复杂的光学特性,以往Ⅰ类水体的叶绿素a反演方法已不再适用.因此,文章提出基于粒子群和BP神经网络的近岸河口地区复杂水体叶绿素a定量反演方法.利用2015年11月以及2016年5月2次现场实测高光谱和水体叶绿素a浓度数据,对光谱数据进行平滑处理,建立叶绿素a浓度的PSO-BP神经网络反演模型,并与波段比值、三波段、改进三波段和四波段反演模型进行对比分析.结果表明,经过粒子群优化的BP神经网络模型反演精度最高,模型总体相对误差低于20%,比常规波段组合模型更适合近岸河口复杂水体的叶绿素a反演;改进三波段和四波段模型的拟合效果较好,但易出现较大偏差,在近岸河口类复杂水体估算能力有限.     

基于RBF神经网络的水深遥感研究

为提高水深遥感反演的精度,以Landsat TM1~4波段为数据源,利用已知的水深数据作为训练样本,建立RBF神经网络模型对岱海水深进行反演试验。利用实测的水深数据检验RBF神经网络模型的反演精度,并与传统反演模型和BP神经网络模型进行对比。结果表明,RBF神经网络模型反演的水深与实测水深的决定系数为0.90,平均绝对误差为1.09 m,均方根误差为1.45 m,反演效果和精度明显好于传统反演模型;与BP神经网络模型相比精度也有提高,而且RBF神经网络模型的参数大多通过训练学习得到,应用更为便捷,在干旱内陆的咸水型湖泊水深遥感反演中有一定的应用价值。     

基于GRNN神经网络的中厚板轧机厚度预测

根据4200轧机轧制45号钢的实测数据,利用Matlab神经网络工具箱,建立中厚板轧机厚度预测的GRNN神经网络模型.研究结果表明;GRNN神经网络模型能较好地预测轧件厚度的变化,相对误差很小;与BP网络和Elman网络模型相比,GRNN网络模型具有更高的精度和更强的稳定性.     

面向GF-5卫星高光谱传感器的浑浊水体叶绿素a浓度反演算法研究——以鄱阳湖为例

为了分析即将发射的高分5号卫星(GF-5)的高光谱数据在内陆水体水色遥感中的应用潜力,以鄱阳湖为研究区域,利用2009年、2011年和2016年共134组现场实测光谱及其对应的叶绿素a、总悬浮物浓度数据,考虑高浑浊水体引起的叶绿素a浓度变化的光谱响应差异,在进行水体光学分区基础上通过光谱模拟与差分处理开展了叶绿素a浓度跨阶分高光谱反演研究.结果表明：1)进行光学分区有利于提高反演精度,非高浑浊水体(NDCI≥0.06)区域,反演模型判定系数R2达到0.82,均方根误差RMSE为1.12,平均相对误差MRE为0.32,而不进行光学分区的全湖区反演建模R2仅为0.37;2) 相较于鄱阳湖前期研究得到的最优多波段反演模型(R2＝0.76),利用495、591、675、679、684、688、692和696 nm等波长的原始光谱以及差分光谱(一阶差分、二阶差分)建立的跨阶分多波段组合模型可以更有效地反演非高浑浊水体叶绿素a浓度(R2＝0.82),但对于高浑浊水体(NDCI<0.06),叶绿素a浓度的高光谱反演能力还需要进一步挖掘.     

基于遗传神经网络算法的海面风速反演新方法

针对海面运动的复杂性、海面电磁散射理论模型的局限性以及利用SAR图像反演海面风速存在的非线性现象,基于遗传神经网络的方法,以业务化的CMOD4模式函数数据为基础,采用Fletcher-Reeves算法的变梯度反向传播算法,建立一种SAR风速反演的新模型。试验结果表明,利用遗传神经网络方法反演海面风速是可行的,当随机误差小于10%时,模型的抗噪能力较强,风速反演的精度较为理想。比较不同风速下的反演结果可以发现,在中、小风速的情况下,模型的抗噪能力较强,模型学习拟合和预测检验的精度相对较高;在大风速的情况下,模型的反演能力有待于进一步提高。     

二类水体悬浮泥沙遥感反演算法综述

鉴于二类水体本身光学性质的复杂性及其与人类生产活动的密切关系,利用遥感数据监测二类水体水质受到了国内外学者的普遍关注,成为海洋学领域的热点问题。悬浮泥沙含量是表征水质优劣的一个重要参数,众多研究致力于建立悬浮泥沙反演模型的研究,定量反演二类水体悬浮泥沙浓度。该文总结了近年来二类水体悬浮泥沙遥感反演算法的研究进展。悬浮泥沙定量反演模型大致可分为以下三类：1）利用水体光学特性和水体组分之间关系建立的经验模型;2）综合经验模型和物理模型构建的半分析模型;3）基于辐射传输模型和生物光学模型建立的物理模型。针对目前反演算法存在的主要问题,提出未来的研究需加强反射率光谱曲线研究、开发高光谱遥感数据以及综合多源数据信息等方面的内容。     

渤海浑浊水体GOCI影像神经网络大气校正研究

针对GOCI遥感数据的官方处理软件(GDPS(GOCI data processing system))中的标准大气校正算法在渤海近岸浑浊水体区域处理中存在的问题,以MODIS/Aqua数据NIR-SWIR波段联合大气校正处理所得的水色遥感反射率产品结果和GOCI的星上反射率数据为基础,基于神经网络模型进行浑浊水体GOCI影像的大气校正方法研究结果表明,神经网络方法能显著减少标准产品中大气校正失效区域,特别是在443、490、680、555、745nm波段改进效果非常明显;但412、660、865nm波段的紧邻近岸的浑浊水体部分区域存在遥感反射率空间分布不合理,这可能与MODIS对应波段产品本身的大气校正精度不高有关.由于缺乏对应的实测数据,后续验证工作还需要进一步开展.     

基于GF-2影像的苏州市区水质遥感监测

城市水体水质遥感监测是治理城市水体水质遥感监测是治理城市水环境污染的重要基础,也是城市生态系统建设的重要组成部分。本文基于GF-2影像,建立城市水体水质参数反演模型,对2015年-2017年苏州市区水体的叶绿素a浓度、悬浮物浓度、透明度三种水质参数进行遥感监测,分析了苏州市城市水体水质参数的时空变化特征并且对苏州市水环境进行了评价。结果表明,苏州市区水体叶绿素a浓度整体偏高,但平均水平逐年降低。各个市辖区城市河道平均叶绿素a浓度相差不大。大型河流湖泊中,虎丘湿地叶绿素a的平均含量在2015年-2017年间均处于最高水平。三年间市区城市河道的平均悬浮物浓度降低明显,悬浮物浓度较高的河道均主要集中在虎丘区。大型湖泊的悬浮物浓度不高,逐年降低明显。盛泽湖的平均悬浮物浓度最低,透明度最高。京杭运河的悬浮物浓度一直保持在最高水平,且变化不大,吴淞江汇入京杭运河部分水体悬浮物浓度偏高。2016年元河塘悬浮物浓度突然增高并在2017年有所降低,但仍高于2015年。透明度的分布变化趋势与悬浮物浓度相反,符合常规规律。苏州市区水质逐年改善,但仍水质情况仍不容乐观。京杭运河、元河塘、虎丘湿地由于人为活动导致水质较差,今后需进行重点监测与治理。其余河流湖泊水质均逐年改善,盛泽湖的水质处于最优水平。根据相关资料查阅,遥感监测苏州市区水体水质情况符合实际情况,GF-2影像能有效地反演城市水体的水质参数信息并显示其分布变化规律。     

基于OPC技术和果蝇优化广义回归神经网络的海洋蛋白酶发酵过程软测量

鉴于海洋生物酶发酵过程中关键生物参数难以实时在线测量的问题,提出了一种基于果蝇优化算法(Fruit fly optimization algorithm,FOA)的广义回归神经网络(Generalized regression neural network,GRNN)与面向过程控制的对象链接与嵌入技术相结合的软测量方法。GRNN的非线性映射能力强、学习速度快,但GRNN的预测性能受平滑因子的影响比较大,因此利用FOA对GRNN的平滑因子进行寻优,以提高模型的泛化能力,采用OPC技术可以实现MATLAB和组态王之间的数据通讯,将预测的关键生物参数值传送给组态王进行实时显示与存储。通过采集海洋蛋白酶发酵过程的实验数据,建立基于FOA优化GRNN的海洋蛋白酶发酵过程关键生物参数(菌体质量浓度、基质质量浓度、酶活)的软测量模型,并与GRNN、BP神经网络、支持向量机(Support vector machine,SVM)进行对比。结果表明,基于FOA优化GRNN的软测量模型对训练样本的拟合能力和对测试样本的预测能力都远远超过GRNN、BP神经网络和SVM,通过OPC技术将MATLAB和组态王进行数据连接,实现了生物参数的实时在线测量,且系统运行的稳定性较好。     

基于环境一号卫星影像的内陆水体叶绿素a浓度遥感定量反演模型研究

叶绿素α是反映内陆水体富营养化程度的一个重要参数,通过遥感定量反演模型提取叶绿素α浓度是内陆水体富营养化监测的重要途径。以典型的内陆水体——太湖为实验区,基于环境一号CCD多光谱数据和同步地面实测叶绿素α浓度数据,建立了以CCD4/CCD2为自变量的叶绿素α浓度反演经验模型。基于环境一号HSI高光谱数据,结合内陆水体中叶绿素α、悬浮物、黄色物质和纯水的固有光学特性以及三波段模型理论,选取了反演叶绿素α浓度的三个最优波段:HSI73、HSI74、HSI87,并建立三波段模型。最后通过两种定量反演模型对比实验。实验结果表明基于HSI高光谱数据的三波段模型反演精度更高,可以有效的用于内陆水体的叶绿素α浓度反演。研究为内陆水体叶绿素α浓度定量反演提供了研究基础。     

基于多变量时间序列（CAR）模型的洞庭湖区域地下水资源量预测

为了预测洞庭湖区域地下水资源量的变化趋势,制定应对地下水资源量较低年份的有效措施,通过分析洞庭湖区域河川天然径流量、长江三口入水量、城陵矶出水量与地下水资源量的变化趋势和相关性,运用多变量时间序列CAR模型,建立了洞庭湖区域地下水资源量的预测模型,验证了模型的预测效果;并运用该模型对洞庭湖区域地下水资源量的变化进行了预测。研究结果表明,洞庭湖区域河川天然径流量、长江三口入水量和城陵矶出水量的变化是引起地下水资源量变化的主要因素;本研究所建的模型模拟值与实测值相对误差的最大值为-7.47%,平均值为3.63%,表明该模型的预测精度高、效果好;通过对未来10年洞庭湖区域的地下水资源量进行预测可知,其平均值下降了0.49亿m3,最低值下降了0.66亿m3,表明该区域地下水资源量仍将持续降低;据不同方案下的地下水资源量预测结果可知,通过增加长江三口入水量,可以有效提高洞庭湖区域的地下水资源量。     

Ⅱ类水体悬浮泥沙遥感监测技术综述

Ⅱ类水体与人类关系十分紧密,而悬浮泥沙广泛存在于Ⅱ类水体中,其浓度对水体的光学特性、海岸航运、水体观感等有重要影响.本文总结了国内外学者在此领域开展的多项研究,包括遥感反演算法、区域反演模型改进等,由此对未来的发展提出展望,期待监测技术进一步创新.     

基于改进神经网络的GDP时间序列预测

由于GDP时间序列具有线性和非线性的特征,神经网络(NN)方法和集成预测方法等在预测分析时可能产生较大误差.以GDP的年增长率作为神经网络的输入,建立基于BPNN的GDP预测模型.利用此改进BPNN模型对我国的GDP进行预测和验证,并分别与ARIMA-BP集成模型及BPNN模型进行比较.结果表明,改进的BPNN模型预测...     

武汉东湖叶绿素a和悬浮物浓度的高光谱遥感反演模型研究

本文以武汉东湖为实验区,以主要水质遥感监测指标叶绿素a和悬浮物为主要研究对象,利用水体光谱数据和同步观测的水质参数浓度数据,研究了东湖叶绿素a和悬浮物定量遥感反演特征波段与波段组合,在此基础上构建了经验模型。     

基于灰色模型的节水灌溉面积非线性组合预测

对数据进行建模预测分析时,较多采用单个模型,而单个模型难以全面反映数据的变化规律.为发挥单个模型自身优势,利用组合原理将单模型组合形成组合预测模型,以提高预测精度.组合模型中常采用线性组合方法,然而被组合模型拟合值与原始数据不具有线性关系时采用该方法效果较差.利用神经网络的高度非线性拟合能力,构建BP神经网络的非线性组合模型,并应用到我国节水灌溉面积年度数据预测上.实证表明,非线性组合预测模型精度优于单模型及基于最优加权的线性组合预测模型.