小样本下大冶湖非光学活性水质参数反演与时空变化分析

遥感技术为内陆湖泊水质监测提供了极大的便利,但是由于非光学活性水质参数在复杂的内陆水体生物光学环境中,很难直接找到其光学特性,导致这类参数的实测水质数据与遥感反射率之间难以用简单的回归模型拟合,尤其是在实测水质样本量较小时,传统机器学习容易出现欠拟合的现象,反演精度难以保证。针对非光学活性水质参数在反演中数据量较小、拟合困难等问题,提出了一种基于点积注意力模型的水质反演方法,通过58个水质实测数据和Sentinel-2遥感数据构建了点积注意力模型,实现大冶湖遥感水质反演。在同样的样本和影像数据下,对比了基于统计回归模型和多层感知机模型的遥感水质反演。实验表明,点积注意力模型的非光学活性水质参数浓度反演的准确性较高,总磷、总氮、高锰酸盐指数的决定系数R2分别能达到0.83,0.89,0.80。最后,将提出的模型运用到大冶湖非光学活性水质参数反演中,对该湖泊2018~2021年总磷、总氮、高锰酸盐指数3种非光学活性水质参数进行反演,统计并分析了近4年大冶湖水质参数浓度的时空变化特征,对大冶湖的营养状态进行了综合评价,为大冶湖水环境治理提供重要数据支撑。