基于卷积神经网络的全球海洋叶绿素a浓度反演方法

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洋叶绿素a浓度的反演研究.

关键词：卷积神经网络、遥感影像、叶绿素a、反演

所属期刊栏目：43

分类号：TP751.1(遥感技术)

资助基金：国家自然科学基金;吉林省重点科技计划项目;吉林省重点科技计划项目;高等学校学科创新引智计划111计划项目

在线出版日期：2023-03-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：608-613