基于卷积神经网络的全球海洋叶绿素a浓度反演方法

作为浮游植物体内主要色素的叶绿素a能够指示水体富营养化的程度，因此准确地获取与预测叶绿素a浓度可为保护海洋环境提供依据。以中分辨率成像光谱仪获取的遥感影像作为数据源，将同一水域的叶绿素a浓度图像作为相对真值，采用卷积神经网络建立遥感反射率与叶绿素a浓度之间的关系模型，进而实现对海洋叶绿素a浓度的反演。首先，对2020年全球海洋反射率数据(波段组合为412, 469, 488, 547和667 nm)和叶绿素a浓度数据进行倍数放大、对数变换等预处理。其次，从中截取2020年1月太平洋与印度洋交界处的水域影像作为数据集，并将其划分为训练集和验证集，构建与训练海洋叶绿素a浓度的卷积神经网络反演模型，以决定系数(R²)、均方根误差(RMSE)和平均绝对误差(MAE)作为评价指标，优化反演模型。最后，使用2020年1月—12月的叶绿素a浓度数据作为测试集，验证模型的反演精度。结果表明，构建的反演模型R²=0.930, RMSE=0.132, MAE=0.103,证明模型给出的叶绿素a浓度的反演结果与真值具有较高的一致性，能够应用于基于遥感影像进行全球海...