1、南海近岸水域藻類葉綠素a濃度遙感反演模型  【關鍵詞】 葉綠素a濃度; 波譜分析; TM; 雷達影像; BP神經網絡; 【英文關鍵詞】 Chlorophyll-a concentration; Spectral analysis; TM; Radar image; BP neural network; 【中文摘要】 在海洋近岸水環(huán)境中,人類活動常常導致水質下降,生物資源減少,赤潮現(xiàn)象頻繁發(fā)生。葉綠素a是藻類細胞內的主要光合色素,葉綠素a濃度及其動態(tài)變化反映了水體中藻類植物的豐度、生物量及其變化規(guī)律,是反映海洋水體營養(yǎng)狀況的一個客觀生物學指標,在海洋富營養(yǎng)狀態(tài)評價中也是最為重

2、要的指標。通過衛(wèi)星遙感數(shù)據(jù)對研究區(qū)建立反演模型得到葉綠素a濃度值,這對于研究整個海域的藻類分布,進而研究海洋生態(tài)系統(tǒng)中的初級生產力具有重要意義,已經成為赤潮監(jiān)測的有效方法。 本文以NSFC-GD聯(lián)合基金項目為依托,以南海近岸水域中的藻類為研究對象,通過利用多源遙感圖像對藻類葉綠素a進行分析,采用BP神經網絡技術,研究海洋藻類葉綠素a濃度的遙感反演方法。基于野外實測數(shù)據(jù)、雷達影像和光學遙感影像數(shù)據(jù),建立海洋藻類葉綠素a濃度的遙感反演模型,為監(jiān)測海洋生態(tài)環(huán)境提供參考。 本文采用BP神經網絡技術,結合光學和雷達遙感建立了海洋藻類葉綠素a濃度的遙感反演模型。研究工作通過以下幾個步驟實現(xiàn):(1)基于TM

3、影像對藻類葉綠素及其光譜特征進行分析,選取了TM影像的特征光譜波段:TM1、TM2、TM3、TM4;(2)從雷達遙感的角度分析了雷達參數(shù)中的后向散射系. 【英文摘要】 Human activities often lead to deterioration of water quality , reduction of biological resources and frequent occurrence of red tide phenomenon in the marine coastal water environment. As chlorophyll-a is the main p

4、hotosynthetic pigment cells of algae,dynamics of chlorophyll-a concentration reflects the abundance of algae in water,biomass and its variation. It is an objective biological indicator to reflect the nutritional status of ocean water and also the most important indicator to evaluate the eutrophi.摘要

5、5-6 Abstract 6-7 1 緒論 9-17 1.1 選題背景 9 1.2 國內外研究現(xiàn)狀 9-12 1.2.1 遙感在海洋監(jiān)測中的研究進展 9-10 1.2.2 海洋葉綠素遙感反演的研究 10-12 1.3 研究內容、目的及意義 12-14 1.3.1 研究目的與意義 12 1.3.2 研究思路與研究內容 12-13 1.3.3 研究難點與創(chuàng)新點 13-14 1.4 論文組織 14-17 2 海洋葉綠素濃度遙感監(jiān)測原理 17-27 2.1 海洋大氣輻射傳遞理論 17-18 2.2 海洋遙感的大氣校正原理 18-19 2.2.1 一類水體的大氣校正 18-19 2.2.2 二類水體的大

6、氣校正 19 2.3 藻類葉綠素及其光譜特征 19-21 2.4 雷達遙感在海洋葉綠素研究的潛力 21-27 2.4.1 雷達遙感的發(fā)展與應用 21-23 2.4.2 雷達圖像的成像模式及工作原理 23-24 2.4.3 雷達后向散射系數(shù)與葉綠素濃度的關系 24-27 3 研究區(qū)及數(shù)據(jù)處理 27-33 3.1 研究區(qū)概況 27 3.2 數(shù)據(jù)源 27-28 3.3 TM 影像數(shù)據(jù) 28-30 3.3.1 TM 數(shù)據(jù)的精糾正 28 3.3.2 TM 數(shù)據(jù)的大氣校正 28-30 3.3.3 TM 數(shù)據(jù)象元陣列的選擇 30 3.4 RADARSAT-2 影像數(shù)據(jù) 30-33 4 基于BP 神經網絡的葉綠素A 濃度遙感反演模型 33-45 4.1 BP 神經網絡的結構和原理 33-34 4.2 構建BP 神經網絡的關鍵問題 34-36 4.3 TM 特征光譜波段選取 36-38 4.4 RADARSAT-2 特征參數(shù)選取 38-39 4