长江流域资源与环境 >> 2021, Vol. 30 >> Issue (7): 1670-1679.doi: 10.11870/cjlyzyyhj202107014

• 生态环境 • 上一篇    下一篇

基于神经网络模型的千岛湖清洁水体叶绿素a遥感反演研究

徐鹏飞1,程乾1* ,金平斌2   

  1. (1.浙江工商大学旅游与城乡规划学院, 浙江 杭州 310028;2.浙江大学地球科学学院, 浙江 杭州 310028)
  • 出版日期:2021-07-20 发布日期:2021-08-03

Inversion of Chlorophyll-a of Clean Water in Qiandao Lake With Remote Sensing Data Using the Neural Network

XU Peng-fei 1 ,CHENG Qian 1,JIN Ping-bin 2   

  1. (1. School of Tourism and Urban-Rural Planning, Zhejiang Gongshang University, Hangzhou 310028,China;
    2. School of Earth Science, Zhejiang University, Hangzhou 310028,China)
  • Online:2021-07-20 Published:2021-08-03

摘要: 叶绿素a浓度值是水体水质评价的重要指标,研究基于高分一号(GF-1)卫星遥感影像,利用神经网络模型,选用6节点的隐含层设置,构建了千岛湖清洁水体叶绿素a浓度反演模型,对其叶绿素a浓度值时空特征进行分析,并与其他常规反演方法精确度进行比较。研究结果表明,利用神经网络模型对千岛湖清洁水体叶绿素a浓度值进行反演是可行的,且与其他常规方法相比,该模型对于叶绿素a含量低的内陆清洁水体反演有着更高的相关性(R2=0.921 8);在空间分布上,千岛湖区域水体叶绿素a浓度整体较低,高叶绿素a浓度区域主要集中易受人类活动干扰的西南及东北区域;年际变化分析表明,千岛湖区域水体叶绿素a浓度稳定,且波动较小,平均叶绿素a浓度值皆维持在1.70~1.75 μg/L之间,清洁水体特征显著。

Abstract: Chlorophyll-a is an important indicator to estimate water quality, and there are no easy solutions to accurately assess the chlorophyll-a of clean water. In this study, the GF-1 images and neural network method were applied, and a simulating model of chlorophyll-a in Qiandao lake was established. The distribution and variations of chlorophyll-a was detected and the superiority of the method was analyzed. The results show that it's feasible to simulate the concentration of chlorophyll-a in clean water using the proposed neural network method since the high value of coefficient; The spatial analysis revealed that the overall concentration of chlorophyll-a in Qiandao lake is quite low and the high values distributed mainly in the southwest and northeast regions. Moreover, we also found that the concentration of chlorophyll-a was quite stable with average value of 1.70 to 1.75 μg/L during the study period.

No related articles found!
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
[1] 孙惠惠, 章新平, 罗紫东, 尚程鹏, 贺新光, 饶志国.  近53 a来长江流域极端降水指数特征[J]. 长江流域资源与环境, 2018, 27(08): 1879 .
[2] 高洁芝, 郑华伟, 刘友兆. 基于熵权TOPSIS模型的土地利用多功能性诊断[J]. 长江流域资源与环境, 2018, 27(11): 2496 -2504 .
[3] 邱 宇, 陈英姿, 饶清华, 林秀珠, 陈文花. 基于排污权的闽江流域跨界生态补偿研究[J]. 长江流域资源与环境, 2018, 27(12): 2839 -2847 .
[4] 郭强 叶许春 孟元可 樊龙凤. 基于IHA/RVA法的近年来鄱阳湖生态水位变异研究[J]. 长江流域资源与环境, , (): 0 .
[5] 吕乐婷, 王晓蕊, 孙才志, 张 杰. 基于SWAT模型的细河流域蓝水绿水资源量时空分布研究[J]. 长江流域资源与环境, 2019, 28(01): 39 -47 .
[6] 黄晓慧, 王礼力, 陆迁. 资本禀赋对农户水土保持技术价值认知的影响——以黄土高原区为例[J]. 长江流域资源与环境, 2019, 28(01): 222 -230 .
[7] 郭贯成, 彭紫新, 周志伟. 工业企业类型对工业用地利用效率的影响研究——基于企业类型宏观视角的分类 [J]. 长江流域资源与环境, 2019, 28(02): 241 -249 .
[8] 杨 斌, 王占岐, 姚小薇, 张利国. 鄂西北山区土地利用的地形梯度效应与空间结构特征[J]. 长江流域资源与环境, 2019, 28(02): 313 -321 .
[9] 胡慧芝, 王建力, 王 勇, 龙晓泳. 1990~2015年长江流域县域粮食生产与粮食安全时空格局演变及影响因素分析[J]. 长江流域资源与环境, 2019, 28(02): 359 -367 .
[10] 李艳, 马百胜, 杨宣. 两类ENSO事件对中国东部地区极端降水的影响[J]. 长江流域资源与环境, 2019, 28(02): 469 -482 .