查干湖透明度高光谱估算模型研究——单波段、比值估算与神经网络模型的对比研究

【作者】 宋开山； 张柏； 段洪涛； 王宗明； 李方； 张渊志；

【机构】 中国科学院东北地理与农业生态研究所； 赫尔辛基科技大学；

【摘要】 湖水透明度能直观反映湖水清澈和混浊程度,是水体能见程度的一个量度,同时也是评价湖泊富营养化,衡量水质优劣的一个重要指标。传统地表水透明度观测主要采用塞氏盘(Secchi Disk)法,这种方法不仅费时费力,而且只能了解监测断面上的水质透明度状况,对于整个水体而言,这些测点数据只具有局部的代表意义。遥感技术具有快速、大面积和周期性的特点,可以有效地解决这种局限性。以往,国内水体遥感多以海洋一类作为研究对象,对内陆二类水体的研究教少,而以高光谱技术来定量研究内陆湖泊的水质特征的在国内则刚起步。笔者等在2004年4月25日到10月14日期间共对吉林省西部最大的内陆湖泊—查干湖进行了7次观测(平均每月一次),获得了84个样点的高光谱反射率与湖水透明度(SDD)数据,基本代表了整个湖泊在非冰期透明度随季节的动态特征。通过以上实测查干湖高光谱数据,建立了湖水透明度(Secchi Disk Depth)单波段和比值高光谱估算模型。由于神经网络具有对非线性问题拟合度高的优越性,加之本文的采样密度较大,适合采用神经网络模型来推演湖水透明度,因此本文采用了BP神经网络模型来估算湖水的透明度。研究结果表明:在蓝光区域(400-500nm),湖水透明度与光谱反射率相关系数平均在-0.65左右;绿光区域(500-600nm),相关系数平均在-0.71左右,与蓝光相比偏高,但是其中心波长与透明度相关度反而较低,边缘区域相对较高。红光区域(600-700nm),相关系数平均在-0.65左右;近红外区域(700-900nm),相关系数可以分为两个区域,700-820nm,相关系数都在-0.70以上;从820nm以后,相关度逐渐降低,到900nm时,相关系数变为-0.58。其中近红外波段得出的结果与许多学者就一类水体得出的结论有所差异,可能的结果是一类水体透明度在几百厘米左右,而本文研究的水体的透明度在20～40cm期间,水体中悬浮物较多,因此在近红外去也能形成较强的散射反射。通过对单波段估测模型和比值估测模型进行比较发现,单波段模型的确定性系数R~2(0.5567)高于比值模型的确定性系数R~2(0.5113)。采用BP神经网络的隐藏层的节点为2时,模型的预测值与实测值的线性回归方程的确定性系数R~2为0.8070,RMSE为2.8521cm,而当节点数为4时,模型的预测值与实测值的线性回归方程的确定性系数R~2为0.9652;RMSE为1.211cm。通过对比,可以发现神经网络模型的估算效果明显优于单波段或比值法建立的湖水透明度估算模型。查干湖透明度高光谱估测模型的建立,有利于今后利用遥感影像对整个湖泊的水体透明度进行全面估测,对于研究和监测查干湖水体水质状况有重要意义。由于在近红外光谱区所得结果与前人不同,因此我们所得到的结果仍然需要在次年监测结果以及吉林西部类似湖泊水体实测数据的加以验证与校准。更多还原