北方半干旱区典型湖泊--岱海透明度遥感反演(2013-2020年)

水体的透明度是评价水质的重要指标,在水生态系统中起着重要的作用.借助遥感技术可以获得大范围、实时数据,并且有节省人力物力的优点.本文利用岱海的野外实测透明度数据和光谱数据,针对Sentinel-2 MSI和Landsat-8 OLI卫星数据波段设置,建立了岱海水体透明度反演模型.结果表明:1)本文建立的透明度反演模型中,蓝红波段比二次模型反演精度最好,决定系数R^(2)=0.66,均方根误差(RMSE)为24.02 cm,平均绝对百分比误差(MAPE)为21.24%.2)将蓝红波段比二次模型应用于Landsat-8 OLI和Sentinel-2 MSI卫星数据,透明度反演精度较好,MAPE<28.82%,RMSE<23.26 cm,R^(2)>0.60.3)此算法应用于时间序列MSI和OLI影像,得到了岱海水体透明度时空分布特征.结果表明,岱海水体透明度年平均变化范围在90.71-120.77 cm,2015年的平均透明度最高,2013年的平均透明度最低;月平均变化范围在90.68-122.53 cm,7月的平均透明度最高,5月的平均透明度最低.岱海透明度在空间上的分布趋势大致表现为西北高,东南低,中部高,四周低.4)影响岱海水体透明度变化的主要因素为风速和降水,透明度与风速和降水分别具有显著的负相关和正相关关系.

基于BP神经网络算法的内蒙古岱海水体透明度遥感估算

【目的】利用BP神经网络算法对内蒙古岱海水体的透明度进行遥感估算。【方法】基于内蒙古岱海实测透明度和光谱数据(地面遥感反射率和卫星遥感得到的反射率),建立BP神经网络水体透明度反演模型,并将此模型应用于Sentinel-2 MSI和Landsat-8 OLI卫星数据,遥感反演岱海水体透明度。【结果】(1)本文建立的BP神经网络模型中,最优模型OLI_insitu_220模型的测试集决定系数R~2=0.66,均方根误差RMSE=0.23m,平均绝对百分比误差MAPE=21.56%。(2)与传统计算方法相比,BP神经网络算法更适合岱海水体透明度的估算(R~2>0.81,RMSE<0.18 m,MAPE<14.97%),反演透明度值与实测值有较高的一致性。【结论】实测与卫星匹配的独立验证进一步显示该算法的有效性,能够客观地反映湖泊水体透明度状况,证明了BP神经网络算法运用在内陆湖泊反演水体透明度的可行性。