基于高分辨率遙感數(shù)據(jù)的水質(zhì)參數(shù)反演算法研究與實現(xiàn).pdf

1、傳統(tǒng)的水質(zhì)監(jiān)測手段費時費力、效率低下，難以滿足對河流湖泊實時、大范圍的監(jiān)測。針對這些問題，本文使用遙感技術(shù)的手段對懸浮物、葉綠素 a等水質(zhì)狀況指標進行預(yù)測，從而達到水質(zhì)狀況監(jiān)測的目標。這對于保障國民的正常生產(chǎn)生活及推進經(jīng)濟的可持續(xù)發(fā)展具有重大意義。
　　本論文選擇成都市龍泉湖水域作為研究對象，實地采集水樣和高光譜數(shù)據(jù)，分析了龍泉湖水面光譜特性，獲取懸浮物和葉綠素 a的最佳敏感波段組合，建立水質(zhì)參數(shù)定量反演的半經(jīng)驗?zāi)Ｐ汀７囱菽Ｐ退惴?/p>

2、采用基于統(tǒng)計學(xué)習(xí)理論的支持向量回歸機算法（SVR），利用支持向量回歸機的小樣本學(xué)習(xí)，泛化能力強，非線性擬合等優(yōu)點，用于模擬光譜與水質(zhì)參數(shù)濃度之間復(fù)雜的關(guān)系。
　　在SVR反演模型中，SVR的參數(shù)及核函數(shù)的選擇對反演的精度存在較大的影響，本文經(jīng)過實驗對比分析的結(jié)果選擇了徑向基核函數(shù)，并采用格網(wǎng)搜索和交叉驗證方法選擇合適的SVR參數(shù)。本文研究結(jié)果表明，SVR在水質(zhì)參數(shù)反演模型應(yīng)用中取得了較好的效果，與傳統(tǒng)的線性回歸模型相比，擬合度、均

3、方誤差和相對誤差均有所改善。為進一步提高SVR反演模型的性能，引入遺傳算法(GA)和粒子群算法(PSO)來搜索SVR最佳參數(shù)，這兩種尋優(yōu)算法能夠提高SVR的回歸精度及泛化能力。在本文的研究中發(fā)現(xiàn)，與采用格網(wǎng)搜索和交叉驗證的SVR回歸模型相比，經(jīng)過GA或PSO優(yōu)化的SVR模型在反演的準確率均有所提升，其中PSO-SVR模型的性能指標又更好，該模型的擬合度及相對誤差等指標均優(yōu)于 GA-SVR模型和SVR模型，PSO-SVR模型對懸浮物濃度反