基于贝叶斯反演理论的海水固有光学特性准分析算法

近年来新发展起来的多波段准分析算法(QAA)是一种有广泛应用前景的海水固有光学特性反演算法. 与传统的半分析算法不同, QAA无需叶绿素吸收光谱模型的先验参数化, 但算法包含的若干经验公式影响了其普适性和抗扰能力. 本文利用贝叶斯反演理论改进QAA. 新算法以QAA的估算结果作为先验知识, 结合一个分别考虑水分子与悬浮颗粒后向散射作用的前向光学模型、Akaike贝叶斯信息准则(ABIC)和遗传算法, 提取参考波段的总吸收与总后向散射系数, 然后利用后向散射系数光谱形状的经验公式将估算结果推广至其他波段. 以国际海洋水色协调组(IOCCG)的模拟数据作反演试验, 结果显示, 使用QAA-555、QAA-640与QAA混合算法的反演结果作为先验估计, 新算法对440 nm的总吸收与总后向散射系数的反演值与真值的均方根差(RMSE)分别为0.367与0.023 m^-1, 0.092与0.005 m^-1, 0.096与0.005 m^-1, 较之三种QAA算法先验估计的0.918与0.039 m^-1, 0.205与0.007 m^-1, 0.207与0.007 m^-1有一定的降低, 特别是对高叶绿素样本的反演精度有较大的提高; 敏感性分析结果表明, 新算法的抗扰能力优于QAA算法.     

利用神经网络反演海水叶绿素浓度

利用美国国家航空与航天局ＳｅａＢＡＭ小组收集的海水叶绿素浓度和辐射同步实测资料，建立由遥感反射率反演海水叶绿素的神经网络模型，并与ＳｅａＢＡＭ统计算法的计算结果进行比较。神经网络模型的反演值在叶绿素浓度略小于０．０３ｍｇ／ｍ＾３的很小范围内有些偏高，在叶绿素浓度的其他区间精度较高，在二类海水区域则明显好于ＳｅａＢＡＭ统计算法。总体而言，神经网络模型的反演结果优于ＳｅａＢＡＭ统计算法。