基于遥感图像3D–CNN及氮磷循环的水华预测
针对现有的藻类水华分析存在忽略水体底物中的氮磷反馈机制对藻类生长过程影响以及缺乏对整体水域的全面分析的问题,本研究以富营养化状态和叶绿素a浓度作为藻类水华的表征指标,以遥感图像及水体中的总氮和总磷为主要研究对象,提出一种基于遥感图像3D–CNN及氮磷循环的水华形成过程分析新方法.首先通过3D–CNN对遥感图像进行特征提取,并采用细菌觅食算法优化网络结构,预测水体富营养化等级,在此基础上,根据"氮–磷–藻"之间的耦合关系及底物反馈机制,建立三维生化动力学时变参数模型,确定水华暴发程度及临界条件,并融合遥感图像提取的特征信息建立ENN模型,预测水华暴发的时间及程度.本研究选用由MODIS卫星获取的太湖流域遥感图像及水域中的总氮和总磷等水质监测数据.仿真结果表明,基于遥感图像3D–CNN结合氮磷循环的分析方法在富营养化等级和水华暴发预测方面均取得良好效果.
遥感;卷积神经网络CNN;水;水华;预测
38
国家自然科学基金项目;北京优秀人才培养资助青年拔尖团队项目;北京市百千万人才工程项目
2021-11-24(万方平台首次上网日期,不代表论文的发表时间)
共9页
1683-1691