内陆水体水质参数遥感反演集合建模方法

被引：18

作者：

曹引

冶运涛

赵红莉

蒋云钟

王浩

王俊锋

机构：

[1] 东华大学环境科学与工程学院国家环境保护纺织工业污染防治工程技术中心

[2] 中国水利水电科学研究院流域水循环模拟与调控国家重点实验室

来源：

中国环境科学 | 2017年 / 37卷 / 10期

基金：

国家重点研发计划;

关键词：

内陆水体; 水质遥感; 集合建模; 微山湖; 叶绿素a; 总悬浮物; 浊度;

D O I：

暂无

中图分类号：

X52 [水体污染及其防治]; X87 [环境遥感];

学科分类号：

0815 ; 1404 ;

摘要：

以微山湖为研究对象,利用2015年6月11～13日获取的实测高光谱和水体叶绿素a浓度、总悬浮物浓度和浊度数据,构建3种水质参数遥感反演常用的经验模型和PSO-SVM模型并进行精度评价,确定参与3种水质参数集合建模的反演模型,分别利用以熵权法(EW-CM)、集对分析法(SPA-CM)为代表的确定性集合建模方法和以贝叶斯模型平均(BMA)为代表的概率性集合方法构建反演3种水质参数的EW-CM、SPA-CM和BMA集合模型.通过贝叶斯平均方法获取各模型和BMA集合模型反演3种水质参数的不确定性区间,对比3种水质参数各模型和集合模型反演结果.结果表明:(1)确定性集合模型中SPA-CM模型精度整体高于EW-CM模型;(2)BMA概率性集合模型建模精度整体上要优于SPA-CM和EW-CM集合模型,验证精度稍低于SPA-CM模型,和EW-CM模型相当;(3)概率性集合建模可以给出集合模型和各模型反演水质参数的不确定性区间;(4)确定性和概率性集合模型可以综合各模型信息,使得集合模型同时具有较高的建模和验证精度,降低单一模型反演水质参数的不确定性,并在一定程度上提高水质参数反演精度.

引用

页码：3940 / 3951

页数：12

共 22 条

[1]

基于GOCI影像分类的太湖水体叶绿素a浓度日变化分析[J]. 包颖,田庆久,陈旻,吕春光.光谱学与光谱分析. 2016(08)

[2] 基于GF-1 WFV影像和BP神经网络的太湖叶绿素a反演 [J].