论文部分内容阅读
本文以内陆湖泊水体(主要以太湖)为研究对象,建立一整套适用于多时相太湖水体的反演方法,包括统计回归模型、生物光学模型的反演模型以及基于生物光学模型的光谱匹配算法等,同时对各种反演模型和方法所得到的精度进行客观的总结与评价,包括对误差产生原因的分析和取得反演结果过程的比较。为了实现上述目标,本文基于野外试验获取的实测数据,围绕13期水质参数数据的频次分析、实测高光谱数据、模拟MODIS反射率、图像MODIS波段反射率的波段组合算法与水质参数之间的敏感波段一致性研究、统计回归模型构建和生物光学模型的具体使用方法等几个方面内容展开了深入的研究:
1.基于400nm~750nm范围内的遥感反射率对水质参数浓度变化的响应分析,是目前没有足够实验室可控条件下,系统深入的模拟研究水体各组分的光学特性的可行性方法。研究中利用生物光学模型进行水质参数的不同季节下典型浓度组合下400nm~750nm遥感反射率的计算,定量的探讨不同水体组分光谱之间的相互影响规律及对反演算法波段选择及浓度适用范围的影响,具体浓度设定的间隔和变化范围参照13期数据季节归类后的水质参数频次分布。
2.350nm~1250nm的高光谱反射率的算法组合与水质参数的相关性分析,可以全面的体现出每个季节与水质参数相关性最高的波段组合,对于建立适应于内陆水体的多时相的统计回归模型、以及生物光学模型反演算法的波段选择,都有着重要的意义。例如MODIS第一波段对于内陆叶绿素a的反演有着重要的作用,就可以通过相关性图很清楚的体现。
3.生物光学模型的应用中,矩阵反演方法和非线性优化法都避免不了单位固有光学量的输入,而这一在海洋水色中可以视为固定不变的物理量,在内陆水体中却可以上下变化几个数量级,为解决此问题,本文研究中发展了一种不需要单位固有光学量输入的光谱匹配模型,使用太湖野外试验实测的水体组分固有光学量数据,交叉组合生成包括海量的遥感反射率的光谱数据库,其中春季的光谱数量为23*23*23、秋季的光谱数量为49*49*37,基本上包括了对应季节所有可能出现的水体组合情况。利用匹配的原理实现对未知光谱的反演,验证结果表明光谱匹配算法对悬浮物的检测可以达到平均相对误差15%的精度,叶绿素a的反演精度可以达到20%。
4.精度评价对于内陆水体水质反演意义重大,对于模型总是以数据整体作为评价对象,较少针对不同的模型误差的形成机理做出分析。研究中对数学统计模型进行基于数据的精度评价,从构建模型的数据是否充足有代表性,极值点的存在是否合理,最后分浓度高低讨论相对误差与绝对误差的高低;对于生物光学模型,深入地研究不同的算法例如矩阵法,非线性逼近法等的不同精度以及原因;对于光谱匹配方法,深入分析构建查找表数据库的数据集的频次分布情况,结合样点所属湖区的状况进行分析。