检索结果-南通市图书馆

检索条件"主题词=Sentinel-2号卫星"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于sentinel-2号影像的巢湖叶绿素a遥感反演模型优化研究

基于Sentinel-2号影像的巢湖叶绿素a遥感反演模型优化研究

引用

作者：孙世举安徽大学

学位级别：硕士

巢湖是我国五大淡水湖之一,近年来其水质污染及水体富营养化程度日益严重。内陆湖泊区域水环境中的叶绿素a是反映生态环境污染状况的重要指标之一,定量反演叶绿素a浓度有助于及时监测湖泊水体富营养化的变化。因遥感技术具有成像范围大... 详细信息

巢湖是我国五大淡水湖之一,近年来其水质污染及水体富营养化程度日益严重。内陆湖泊区域水环境中的叶绿素a是反映生态环境污染状况的重要指标之一,定量反演叶绿素a浓度有助于及时监测湖泊水体富营养化的变化。因遥感技术具有成像范围大、成像速度快及经济成本低等优点,所以其在水色反演领域的应用日益突出。水色遥感技术是通过分析遥感反射率与水色要素的关系,从而计算研究区水色参数浓度的重要手段。当前大多数水色遥感研究方法是通过内插的数学角度进行分析研究,即使用当期实测采样数据构建当期水色反演模型。此方法易造成该模型只适应于采样区域及采样当天、当季的情况,存在无法突破时间及空间的局限等问题,并且从外推角度开展的研究工作也较少,其可靠性亦未可知。针对以上问题,本文探究了深度学习方法在巢湖水体叶绿素a浓度遥感反演的可行性,探究了模型应用于其它时空范围时的性能及适应能力。主要内容与结论如下:(1)在对叶绿素a浓度进行敏感波段优选的基础上,采取多种方法构建模型,通过对比模型精度、均方根误差、稳定性及鲁棒性进行模型优选,优选出基于深度神经网络(DNN)方法构建的模型反演精度较高(R2=0.95,RMSE=24.4μg/L),且具有较好的稳定性及鲁棒性。(2)分析巢湖叶绿素a浓度遥感反演模型性能得知,在训练集不同时,各模型基本保持不错的精度;当DNN模型训练样本较少时,模型仍具有不错的精度,并根据其敏感训练样本个数,将训练集按组等分,发现模型呈现较好的稳定性;当建模样本点分布为均匀随机分布时,模型精度高于样点集中分布所构建的模型。通过对模型跨季跨年的适应性评价中,发现向巢湖冬季叶绿素a模型中加入夏季样本及向巢湖2018、2019年(2020年)叶绿素a模型中加入2020年(2018、2019年)叶绿素a样本时,导致模型精度提升的敏感样本点个数;在针对采用巢湖夏季叶绿素a样本进行模型的构建时,模型的适应能力较差。根据上述结论,可通过自身所需模型精度情况,在开展实地叶绿素a采样工作任务时,对实地采样的数量进行适度把控。(3)从反演结果上看,通过对比巢湖三年间叶绿素a浓度时空分析结果发现,研究区叶绿素a浓度在时间上,呈现夏季秋季较高,春季冬季较低的规律;在空间上,呈现湖区西高东低,局部近岸区较高,南淝河下游常年处于150-300(μg/L)的特点。

关键词：巢湖南淝河下游叶绿素a浓度深度学习 sentinel-2号卫星

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：