基于卷积神经网络的全球海洋叶绿素a浓度反演方法 |
| |
引用本文: | 孙茜童,付芸,韩春晓,范宇华,王天枢.基于卷积神经网络的全球海洋叶绿素a浓度反演方法[J].光谱学与光谱分析,2023(2):608-613. |
| |
作者姓名: | 孙茜童 付芸 韩春晓 范宇华 王天枢 |
| |
作者单位: | 长春理工大学光电工程学院 |
| |
基金项目: | 国家自然科学基金项目(61975021);;吉林省重点科技计划项目(20170204015GX,20180201049YY);;高等学校学科创新引智计划“111计划”项目(D21009)资助; |
| |
摘 要: | 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...
|
关 键 词: | 卷积神经网络 遥感影像 叶绿素a 反演 |
|
|