Institutional Repository of Key Laboratory of Ocean Circulation and Wave Studies, Institute of Oceanology, Chinese Academy of Sciences
东海赤潮高发区水色遥感算法及赤潮遥感监测研究 | |
丘仲锋 | |
学位类型 | 博士 |
2006-05-29 | |
学位授予单位 | 中国科学院海洋研究所 |
学位授予地点 | 海洋研究所 |
关键词 | 赤潮 水色遥感 算法 Modis 东海 |
摘要 | 本文针对东海赤潮高发区,主要进行水色遥感算法研究,以及赤潮遥感监测方法研究的探讨,希望对生物光学-遥感原理与新方法研究及赤潮的预测预报研究有所贡献。 在多年出海实测资料基础上,分析了水体组分固有光学量及浓度之间的关系,了解海区水体光谱特性,并发展了以水体组分浓度作为输入的水体离水遥感反射率光谱模型及参数优化形式。与实测光谱的比较结果,在光谱形状上较为接近,但在绝对量值上比实测值来得偏小,绝对值平均相对偏差较大,最大的551nm波段达到66.7%;对模型参数进行优化,优化后整体性能得到很大提升,均方根误差及绝对值平均相对偏差都得到大幅度降低,相关系数也得到较大提高,模拟的光谱形状与实测光谱进一步接近,在量值上也更为接近。 在光谱模拟的基础上提出了基于神经网络技术的二类水体大气修正算法,基于模拟数据的性能评估试验表明,网络模型反演的总体效果不错,对添加随机噪声不太敏感。将建立的神经网络大气修正算法应用于MODIS数据的处理,利用与卫星图像对应的现场实测光谱进行检验分析,结果表明,算法反演结果在光谱形状上与实测光谱相当接近,绝对量值上有所差别,总体偏大。 建立了叶绿素a浓度半分析反演算法,与实测数据比较,绝对值平均相对误差为38.34%。 建立了水体组分浓度神经网络反演算法,与半分析叶绿素a浓度反演算法相比,神经网络能得到更好的反演效果,绝对值平均相对误差为28.9%。 探讨了从MODIS卫星资料直接反演水体组分浓度的人工神经网络算法,基于模拟数据的性能评估试验表明,网络模型反演的总体效果不错,对添加随机噪声不太敏感。 发展了一种多波段MODIS资料赤潮监测方法,并在东海赤潮高发区进行了初步应用研究,结果表明采用此方法可有效地排除悬浮泥沙等水体干扰影响,确定可能发生赤潮的海区位置及提取海区大范围赤潮的信息。 |
页数 | 182 |
语种 | 中文 |
文献类型 | 学位论文 |
条目标识符 | http://ir.qdio.ac.cn/handle/337002/285 |
专题 | 海洋环流与波动重点实验室 |
推荐引用方式 GB/T 7714 | 丘仲锋. 东海赤潮高发区水色遥感算法及赤潮遥感监测研究[D]. 海洋研究所. 中国科学院海洋研究所,2006. |
条目包含的文件 | ||||||
文件名称/大小 | 文献类型 | 版本类型 | 开放类型 | 使用许可 | ||
10001_20041800681200(3813KB) | 限制开放 | -- | 浏览 |
个性服务 |
推荐该条目 |
保存到收藏夹 |
查看访问统计 |
导出为Endnote文件 |
谷歌学术 |
谷歌学术中相似的文章 |
[丘仲锋]的文章 |
百度学术 |
百度学术中相似的文章 |
[丘仲锋]的文章 |
必应学术 |
必应学术中相似的文章 |
[丘仲锋]的文章 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论