基于辐射传递模拟及人工神经网络技术的二类水体光学组分的反演

摘要：

介绍了一种基于辐射传递模拟和人工神经网络技术(ANN)的二类水体水色要素(CHL,SPM,CDOM)的反演算法.在辐射传递模拟计算中,纯海水吸收和散射、浮游植物吸收的数据或模型是已发表的被广泛采用的结果.黄色物质和非浮游植物颗粒吸收以及海洋颗粒物的散射模型从COASTLOOC数据中导出.另外,还利用了一个新的海洋颗粒物后向散射概率模型,在该模型中颗粒物后向散射概率是颗粒有机物与SPM比值和波长的甬数.把上述定义的固有光学性质作为输入,经过辐射传递模拟得到海表面以下辐照度反射比数据集,然后将该模拟数据集用于训练不同的人工神经网络,获取水色和水色要素浓度之间甬数关系的最佳近似.利用以上建立的基于人工神经网络的算法,把COASTLOOC数据集和PMNS数据集的辐照度反射比作为输入进行水色要素反演,通过比较反演值和真实测量值来评价算法性能.结果显示,建立的基于ANN的二类水体水色要素反演算法具有很好的性能.

关键词：海洋辐射传递模拟、人工神经网络、光学组分的反演、二类水体

所属期刊栏目：21

分类号：P73;TP7

资助基金：国家自然科学基金项目40876005

在线出版日期：2009-06-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：173-181