基于LSTM网络的海水石油污染含量遥感预测模型

作     者：黄妙芬 王江颖 邢旭峰 王忠林 周运 HUANG Miao-fen;WANG Jiang-ying;XING Xu-feng;WANG Zhong-lin;ZHOU Yun

作者机构：广东海洋大学数学与计算机学院广东湛江524088 

出 版 物：《广东海洋大学学报》 (Journal of Guangdong Ocean University)

年 卷 期：2021年第41卷第5期

页      面：67-73页

学科分类：07[理学] 0707[理学-海洋科学] 

基　　金：国家自然科学基金项目(41771384) 国家重点研发计划重点专项资助项目(2016YFC1401203)。 

主　　题：陆地卫星Landsat 长短期记忆网络(LSTM) 遥感反射比 石油污染含量 预测模型 

摘      要：【目的】建立一种基于美国陆地卫星Landsat遥感数据和长短期记忆(Long Short-Term Memory,LSTM)网络的海洋石油污染含量预测模型。【方法】利用1984-2020年在大连新港海域过境的Landsat卫星所采集的可见光-近红外波段(0.45~0.90μm)光谱数据,基于LSTM网络,分别建立空间分辨率为30 m、时间分辨率为8 d的4波段遥感反射比Rrs预测模型,并对预测模型所涉及的神经网络层数、隐藏神经元节点数和回溯时间步长等超参数进行优化;在4波段Rrs预测值的基础上,结合基于水体石油污染归一化遥感反射比指数(normalized difference petroleum remote sensing reflectance index,NDPRI)的石油含量遥感反演模型,对海域石油污染含量Co值进行预测。【结果】对于蓝光、绿光、红光和近红外4个波段,神经网络层数依次取3、3、4和3层,隐藏神经元节点取64、96、64和96个,回溯时间步长皆取6 d为最优;根据2021年1-5月现场的Co测量值,对LSTM网络预测值进行精度分析,平均相对误差为9.17%。【结论】基于LSTM网络建立的Co预测模型具有较好的精度,所预测的结果可弥补在有云情况Co数据缺失的问题,也可为相关Co未来动态演变研究提供一种新技术手段。