基于非线性优化由近岸水总光谱吸收系数提取浮游植物光谱吸收系数方法研究

浮游植物吸收系数的测量在海洋初级生产力的估算、赤潮监测和水色卫星遥感模型的建立等方面具有重要的应用价值。建立了基于非线性优化的从海水总吸收光谱中提取浮游植物光谱吸收系数的方法。将ac-s测量的海水光谱吸收系数(除去纯水吸收)输入到该算法中,获取的浮游植物吸收系数与同步测量的浮游植物吸收系数(QFT)进行了比较。结果表明,所提出的方法可较好地获取浮游植物的光谱吸收系数。

一维小波分析在浮游植物吸收光谱有害赤潮藻类检测中的应用

研究了利用小波分析从浮游植物吸收光谱中提取赤潮藻类特征光谱信息的技术。其中应用了13组单种培养的赤潮藻类的吸收光谱,这些吸收光谱对应的藻类属于4个门,6个属和7个种。首先,对13组吸收光谱数据进行了5级一维小波分析。低频的第5级分量对应于对藻类检测无用且量值较大的背景信息,高频分量的第1-2级为随机噪声,其他高频分量(第3级到第5级)则是对藻类检测有用的信息(或称为特征光谱)。另外,为了检验小波分析在提取特征光谱中的性能,文章利用聚类统计分析方法对提取的13组特征信息进行了聚类。聚类结果显示,13组吸收光谱被正确地进行了分类,这验证了小波分析在提取藻类特征光谱中的有效性。

基于浮游植物吸收光谱提取粒径参数

在南海北部、大亚湾及珠江口3个不同水体生物-光学数据的基础上,研究了浮游植物粒径结构的变化特征,建立了基于浮游植物吸收光谱提取的浮游植物粒径参数(S<f>)的混合光谱模型。南海海区不同的水体环境下浮游植物的粒级结构有着很大的差异:在河口和沿岸水体小型浮游植物占优势,在外海水体微微型浮游植物占优势。浮游植物粒径参数随小型浮游植物增多而减少,随微微型浮游植物增多而增大。叶绿素a浓度从外海到沿岸逐渐增大,浮游植物粒径参数随叶绿素a浓度的增大而减小,它们之间呈幂函数关系。结果表明,利用混合光谱模型得到的浮游植物粒径参数与南海海区不同水体的生物-光学特征(粒级结构Rpico和Rmicro、粒级指数SI、叶绿素a浓度)有一定的相关性。具体的相关性表示为:S<f>与粒级结构(Rpico和Rmicro)存在一定的关系,与小型浮游植物和微微型浮游植物之间的线性相关系数分别是0.55和0.65;S<f>与浮游植物粒级指数(SI)有较好的线性关系,相关系数是0.57;S<f>与叶绿素a浓度呈幂函数关系,相关系数是0.64。这个混合光谱模型为从光学参数反演浮游植物种群的生态学信息提供了有效的手段,同时又可用于分析浮游植物优势粒径结构对光学特性的影响。

由粒子吸收光谱提取浮游植物吸收光谱的人工神经网络方法

基于现场实验数据集及人工神经网络技术,论文提出了一种从海中粒子吸收光谱提取浮游植物吸收光谱的方法。这个数据集包含了海中粒子吸收光谱和对应的浮游植物吸收光谱,并被分为三个子集:训练集、印证集和试验集。本研究所利用的人工神经网络系统为多层感知器,训练后的人工神经网络的性能由印证集和试验集来评价。实验结果表明,文中所提出的方法可成功地提取浮游植物的吸收光谱,其提取精度与传统的实验方法相当。

南海北部海区浮游植物粒级结构生物光学反演模型的验证与评价

浮游植物粒级结构是海洋生态系统中的一个重要生物学因子。基于生物光学参数反演浮游植物粒级结构变化是当前水色遥感研究的热点问题。本文综合南海北部海区多年航次调查数据,对现有几类反演算法进行了区域性优化和验证评价。根据叶绿素a浓度(Chl a)或浮游植物吸收系数(aph(443))的阈值可实现南海北部海区小型(Micro)和微微型(Pico)浮游植物主导的划分,微型(Nano)的判别精度较差。基于归一化吸收光谱提取的粒级指数可定性地表征浮游植物粒级结构的综合变化趋势。基于叶绿素a浓度的三组分模型,较好地模拟浮游植物粒级结构的变化规律,可实现分粒级叶绿素a浓度的定量反演,Pico粒级的反演精度较高;在此基础上,耦合浮游植物吸收光谱变化规律和总叶绿素a浓度定量反演粒级结构的模型,进一步提高了Micro和Nano粒级的反演精度,且线性相关程度增强。

基于四波段模型的巢湖水体藻蓝素浓度反演

指出了近些年安徽巢湖大部分湖区表现出中度及以上的富营养化水平,尤其是在夏季更为严重,这一严重问题受到广泛关注。以巢湖为实验区,借助野外实测高光谱数据和试验室分析数据,分析了浮游植物光谱吸收特性、水体反射光谱特征和水质参数浓度之间的相互关系,系统地比较了浮游植物光谱吸收aph(665)的四波段模型和Simis的aph(665)模型,将最优的aph(665)模型对Simis藻蓝素模型进行了优化改进,结果表明:1aph(665)的四波段模型的精度和稳定性要明显好于Simis的aph(665)模型,其R2为0.8402,RMSE为0.394m-1,MRE为8.05%;2验证优化后的藻蓝素模型在巢湖水域反演藻蓝素的精度:相关系数R2达0.8703,反演取得较好的结果。该模型可为巢湖的蓝藻暴发遥感监测及保护管理提供一定的理论基础和技术支撑。