-
题名基于时空融合算法的水体叶绿素a反演研究
- 1
-
-
作者
陈玲
董晓华
马耀明
章程焱
薄会娟
-
机构
三峡大学水利与环境学院
三峡库区生态环境教育部工程研究中心
中国科学院青藏高原研究所青藏高原地球系统与资源环境国家重点实验室地气作用与气候效应团队
中国科学院大学地球与行星科学学院
兰州大学大气科学学院
西藏珠穆朗玛特殊大气过程与环境变化国家野外科学观测研究站
中国科学院加德满都科教中心
中国科学院中国-巴基斯坦地球科学研究中心
-
出处
《水文》
CSCD
北大核心
2024年第2期26-33,共8页
-
基金
第二次青藏高原综合科学考察研究项目(2019QZKK0103)
湖北省教育厅科学技术研究项目(Q20221209)
欧洲空间局、中国国家遥感中心项目(58516)。
-
文摘
为了准确反演水体中叶绿素a浓度,以黄柏河东支流域为例,采用STNLFFM时空融合算法,对2017年GF-4和Sentinel-2反射率数据进行融合,以重构Sentinel-2影像的时间序列数据,并对应用算法前后获取的水质参数-光谱特征响应关系建立多元线性回归模型,比较模型对叶绿素a的预测效果以验证时空融合算法的可行性,利用重构后影像光谱特征与水质参数的响应关系建立人工神经网络模型,反演2017年黄柏河东支流域各水库水体叶绿素a浓度。结果表明:利用时空融合算法生成的影像接近真实影像,提高了多元线性回归模型预测叶绿素a的效果,R2从融合前0.659提高至融合后0.844,且基于时空融合算法获取的水质参数-光谱关系建立的人工神经网络模型模拟精度较好,R2和MRE达到0.925和9.461%,反演的叶绿素a浓度空间差异性明显。证明了时空融合算法在水质参数反演过程中具有较好的应用前景。
-
关键词
stnlffm时空融合算法
黄柏河
人工神经网络
水质反演
叶绿素A
-
Keywords
stnlffm spatio-temporal fusion algorithm
Huangbai River
artificial neural network
water quality inversion
chlorophyll a
-
分类号
X824
[环境科学与工程—环境工程]
TP79
[自动化与计算机技术—检测技术与自动化装置]
TV1
[水利工程]
P33
[天文地球—水文科学]
-
