基于哨兵-2数据的喀斯特高原深水湖库CODMn遥感反演

利用哨兵-2数据及多种方法反演喀斯特高原深水湖库的高锰酸盐指数(COD_Mn),对于区域水环境管理和丰富水质反演理论具有重要意义。以贵阳市红枫湖与百花湖为研究区,基于Sentinel-2 MSI影像和COD_Mn浓度数据,使用随机森林回归(RFR)、支持向量回归方法(SVR)、高斯过程回归(GPR),构建COD_Mn反演模型,获得2018～2020年不同时期的COD_Mn空间分布。结果表明：(1)RFR模型估算精度最高,验证集RMSE为0.222 mg·L^-1,MAPE为5.84%,R2为0.841;(2)红枫湖COD_Mn浓度变化呈现上游高于下游、春季高于夏季的时空分布特征。百花湖除了上游,整体湖区COD_Mn浓度较低且随时间变化不大。研究揭示了RFR模型与Sentinel-2数据在喀斯特高原深水湖库COD_Mn浓度反演具有良好的适用性。     

丹江口库区土壤镍含量高光谱反演方法

为探讨土壤高光谱法反演土壤重金属含量的可行性,以丹江口库区具有代表性的55个土壤样品为研究对象,应用高光谱技术对研究区土壤镍含量进行反演方法研究。对土壤的原始光谱数据,进行6种形式的微分变换。按最大正相关性和最小负相关性共筛选了12维光谱特征,利用随机森林回归(random forest regression,RFR)和极限梯度提升树回归(extreme gradient boosting regression,XGBR)建立了土壤镍含量的高光谱反演模型。分析结果表明:土壤镍含量反演的最优波段主要出现在1 686nm、2 238nm和2 254nm处;基于波段特征的XGBR模型稳定性和拟合精度总体优于RFR模型,稳定性系数R~2高达0.93,均方根误差为样本镍含量均值的10.1%,拟合精度较高。文章最后利用土壤高光谱数据,采用XGBR模型对丹江口库区土壤镍含量进行了有效估测。     

基于Landsat 8与实测数据的水质参数反演研究

目前遥感技术已成为监测水质参数的重要手段,精度更高的水质参数反演模型是当前水质监测的重点。但由于水环境的复杂性、遥感数据的局限性等多重原因,水质参数遥感反演精度有限,且多集中于水色水质参数反演。为了得到精度更高的水质参数反演模型,以天津市海河下游段为研究区,对Landsat 8 OLI遥感影像进行大气校正、辐射定标等预处理,通过实验室理化分析测定水体的总磷、氮氨、总氮浓度及电导率,建立实测水质参数与Landsat 8 OLI遥感影像数据的统计回归模型及神经网络模型,采用决定系数(R~2)、平均绝对误差(MAE)、均方根误差(RMSE)进行精度检验,神经网络模型反演结果 R~2均大于0.85,MAE分别为0.019、0.09、0.242、0.411,RMSE分别为0.024、0.118、0.286、0.562,反演精度较好。结果表明:基于神经网络建立的水质参数反演模型精度较高。     

基于时空相关性的卫星网络流量预测

针对当前流量预测模型未考虑时空相关性的问题,影响预测精度,提出一种基于梯度提升回归树的卫星网络流量预测方法。分析卫星网络流量的时空相关性,提取与目标卫星的时空相关流量作为原始的预测输入,并对得到的时空相关流量进行奇异矩阵分解,消除相关输入流量的信息重叠和冗余问题,最后通过改进的梯度提升回归树进行预测。仿真实验表明,该方法有效地提高了卫星网络流量预测的训练速度,预测精度略高。     

基于资源一号02D高光谱卫星影像的青海湖悬浮物浓度反演研究

水体悬浮物浓度是描述水体光学特性的一个重要参数。卫星遥感具有大范围、快速、高频次动态监测的优势,有助于加强对青海湖水环境质量的监测,降低监测成本。而资源一号02D(ZY1-02D)卫星高光谱影像作为新的数据源,具有高空间分辨率、高光谱分辨率的优点,为湖泊的水质高精度监测提供了可能性。为了验证ZY1-02D高光谱相机在水质遥感监测应用中的适用性,以ZY1-02D高光谱影像为遥感数据源,同时辅助实测数据,构建青海湖悬浮物浓度反演模型,并进行精度验证,评价模型的准确性,最后将模型应用于青海湖悬浮物浓度反演。研究结果表明：青海湖悬浮浓度反演模型平均相对误差为21.1%,均方根误差为0.296 mg/L,精度较好,青海湖悬浮物浓度反演结果呈现湖心低岸边高的特征,与同期Sentinl-2和同期Landsat 8数据反演结果进行对比,反演结果保持一致,说明ZY1-02D高光谱影像能够作为悬浮物浓度遥感反演的数据源之一。     

巴拉望岛附近海域盐度遥感反演

针对利用光学遥感卫星进行近岸海域海表盐度的高精度反演需求,基于多元统计回归分析思想构建研究区海洋盐度反演模型,以巴拉望岛附近海域为研究区,分别以MERIS卫星和MODIS卫星影像为基础数据,对该海域的海表盐度进行反演,并利用实测Argo数据对反演结果进行精度评定和对比分析,剖析了研究区海水盐度的时空分布规律。结果表明:1)MERIS和MODIS 2种数据反演误差分别为-2.94%和1.86%,反演模型的相关系数R~2达到0.79,表明2种数据反演结果的精度较高,模型适用性较强;2)相比之下,MODIS数据反演效果优于MERIS数据;3)研究区域的海表盐度发生着季节性的变化,并且呈现出自西向东逐渐增加的趋势,这种现象可能与研究区气候、温度变化以及所处地理位置有内在联系。     

资源一号02D高光谱数据大气校正及应用北大核心CSCD

针对高光谱数据大气校正耗时长和查找表构建不准确等问题,提出基于MODTRAN辐射传输模型实时创建大气校正参数查找表的方法,并应用于水体叶绿素浓度反演。首先,基于高光谱数据实时构建大气校正参数查找表;其次,根据循环迭代反演得到水汽含量和气溶胶光学厚度对查找表插值得到各个波段的大气校正参数,从而完成所有波段数据的大气校正;最后,选择植被、土壤和水体3类典型地物精度分析,并基于反演水体的叶绿素a浓度验证大气校正精度的可靠性。实验结果表明:该方法明显优于6S、FLAASH等大气校正方法;在运行效率上,在多线程并行加速后,运行效率提升了2~4倍;基于水体反射率数据反演水体叶绿素a浓度,反演模型预测集验证中ρ为0.804 7,RMSE为1.8。     

新丰江水库叶绿素浓度时空分布特征的遥感反演研究

研究水体的辐射传输机理,分析水中叶绿素、悬浮泥沙、耗氧性有机物对入射光的吸收和散射作用,求得遥感数据与水中物质浓度的定量关系,据此推导叶绿素浓度遥感反演模型。针对环境卫星数据进行大气纠正等预处理后应用模型反演新丰江水库的叶绿素浓度,反演结果与实测数据的相关系数为0.94,平均相对误差66.67%,精度较高,由此可知水库库心全年叶绿素浓度较低,库湾地区叶绿素浓度较高,实地考察发现与该地区大量的网箱养殖有关。本文的模型选取多时相数据,综合考虑多种水质因素,采用多波段求解,精度较高。     

基于SVM模型的妫水河叶绿素a浓度的遥感反演

以北京市妫水河为研究区,基于2011年9月25日和2012年9月30日的两期叶绿素a浓度实测数据和准同步的环境一号卫星(HJ-1A)多光谱数据,分别构建一元线性和多元支持向量机模型(SVMM),通过决定系数R²和平均相对误差对模型的精度进行检验,用模型进行水体叶绿素a浓度的反演,并分析其时空分布特征。研究表明:在样本数较少的情况下,SVM具有很强的非线性映射能力,能够取得较好的预测结果,更适用于反演叶绿素a浓度。时间分布上,研究区叶绿素a浓度呈增加趋势,均值上升了6.86 μg/L;空间分布上,深水区叶绿素a浓度值低于浅水区,上游高于下游。国产HJ-1A CCD2多光谱数据以其4 d的时间分辨率,在水质动态变化监测方面具有优势。     

基于知识和遥感图像的神经网络水质反演模型

为进一步提高遥感图像水质反演的精度，提出了一种基于知识和遥感图像相结合的神经网络水质反演模型。该模型利用遥感图像数据以及与水质相关的知识数据作为BP神经网络的输入，经训练后，确定神经网络的结构，在训练好的BP神经网络基础之上对水质进行反演。以中国太湖为例进行实证研究，实验中，使用的知识数据包括太湖的地理信息知识和先对太湖TM图像上的水域解译进而对水质进行分类的知识。实验结果表明，本文提出的水质反演模型较常规的线性回归模型和传统的神经网络模型有更高的反演精度。     

Sentinel-2/MSI深度学习超分辨率重建及河湖水质遥感反演

针对Sentinel-2影像低空间分辨率(20 m、60 m)波段混合像元会降低内陆河湖水质反演精度的问题,提出了一种通过深度学习超分辨率重建进行水质反演的方法。首先,引入残差神经网络超分辨率重建算法,结合迁移学习方法与卷积注意模块对该算法进行改进,通过对比评估其他算法的重建精度,发现改进算法主客观评价均为最佳。接着,以上海市内陆河湖为研究区域,使用改进算法对低分辨率波段重建至10 m,结合实测水质参数及影像重建前后的光谱特征波段,利用多种回归算法构建水质反演模型进行对比。结果表明：深度学习超分辨率重建模型可有效提升水质参数的遥感反演精度;深度神经网络模型精度较高(R²>0.67),可实现更精细化制图。     

基于WorldView-2数据和随机森林算法的遥感水深反演

鉴于传统水深反演线性回归模型易受水质和环境因素的影响,利用甘泉岛区域的高分辨率WorldView-2遥感影像,结合相应的机载LiDAR实测水深数据,使用随机森林算法构建了浅海水深反演非线性回归模型。以反演的水深值和实测水深值的相关系数(R~2)和均方根误差(RMSE)为指标,并同传统的水深反演单波段线性回归模型、双波段比值线性回归模型以及多波段组合线性回归模型进行比较。结果表明,随机森林水深反演非线性回归模型反演精度最优,R~2和RMSE分别为0.967和0.868m。     

考虑梯度信息的ε-支持向量回归机

传统的ε-支持向量回归机(ε-support vector regression, ε-SVR)只是根据样本点处的响应值来构建模型, 并没考虑样本点处的梯度信息. 如果样本点处的梯度信息容易获得或者获得的成本并不高, 那就应该将梯度信息应用到模型的构建中. 已有的基于梯度信息的 ε-支持向量回归机模型的构建是从泰勒展开的角度着手, 简单地将梯度信息插入到泰勒展开式中; 本研究另辟蹊径, 并没有去估计样本点邻域内的函数值, 而是将梯度信息作为第二类变量融入到核矩阵中直接构建优化模型, 使模型的构建更为简捷直观, 并据此得到一种新的基于梯度信息的 ε-支持向量回归机(Gradient-enhanced ε-support vector regression, GESVR) 模型. 所提模型通过了常用分析函数及精算领域中的生命表数据的验证, 实验表明, 与传统的 ε-SVR相比, 考虑梯度信息的GESVR模型显著地提高了其预测精度.     

晋江水体悬浮物浓度的高光谱建模分析

采用适合二类水体的水表面以上光谱测量法,对福建省晋江下游河段进行高光谱采样。通过实测的高光谱反射率及其一阶微分值与晋江水体悬浮物浓度的相关分析,发现利用高光谱数据反演晋江悬浮物浓度的最适合波长位于733±3 nm处。进而采用线性、二次多项式、对数、指数、乘幂等函数对晋江的悬浮物浓度进行模拟,发现二次多项式模型的模拟效果和精度最高,且采用单波段的回归模型要比采用一阶微分值的回归模型更为稳定,因此建立了单波段二次多项式模型用于晋江悬浮物浓度的预测。     

航空高光谱遥感反演城市河网水质参数

针对多光谱遥感对内陆城市河网水体水质参数反演精度不高的问题,基于航空和水表高光谱遥感数据,利用半经验法对COD_(cr)、BOD_5、TP和TN进行定量反演。对水质采样化验数据和水表反射率进行相关性分析,计算最佳波段组合分别为650nm/683nm、689nm/667nm、692nm/649nm、787nm/678nm;建立研究区COD_(cr)、BOD_5、TP和TN水质参数反演模型,水质参数决定系数R~2分别为0.74、0.70、0.69、0.71,均方根误差RMSE分别为2.79、1.92、0.02、0.16,拟合效果次序为COD_(cr)TN BOD_5TP。利用验证样点对实验结果进行定量分析,反演效果次序为TNCOD_(cr)BOD_5TP,平均相对误差分别为2.6%、12.9%、16.7%、22%,基本与模型拟合效果次序一致,反演的水质浓度分布与城市河网的特点和实际情况相符,为流动性大、水质状况分布错综复杂的城市河网水质监测提供参考。     

基于PSO优选参数的SVR水质参数遥感反演模型

为进一步提高多光谱图像水质反演的精度,提出了一种基于PSO优选参数的SVR水质参数遥感反演模型.该模型利用高分辨率多光谱遥感SPOT-5数据和水质实地监测数据,采用交叉验证CV(cross validation)估计模型推广误差并使用PSO优选SVR模型参数,实现了模型参数的自动全局优选,在训练好的SVR模型基础之上对水质进行反演.以渭河陕西段为例进行实证研究,实验结果表明,本文提出的水质反演模型较常规的线性回归模型有更高的反演精度,为内陆河流环境遥感监测提供了一种新方法.     

基于半分析模型的石头口门水库总悬浮物浓度反演研究

总悬浮物（TSM）是水质遥感反演的重要参数之一,以遥感技术为手段监测总悬浮物浓度成为未来发展的趋势。利用2008年6月13日在石头口门水库采集的高光谱数据和实验室分析数据,计算得到水体总悬浮物的后向散射系数,并经相关分析,选取675 nm处的后向散射系数建立总悬浮物浓度的反演模型,决定系数为0.8327。与基于遥感反射率的经验方法比较,半分析方法具有一定的物理意义,反演精度更高,且在悬浮泥沙含量较高的区域效果更佳。     

基于时空融合的缺失值填补算法

为提升PM 2.5浓度预测精度,提出基于时空融合与缺失值填补的预测方法。抓住时空相关性,以历史气象和PM 2.5浓度数据作为输入,利用长短时记忆神经网络和人工神经网络从时空两个维度对未来一小时PM 2.5水平进行预测,用模型树进行融合。由于数据集中存在大量的连续缺失数据,为弥补其带来的不利影响,利用所提算法对预测模型进行辅助。实验结果表明,时空融合比单维度单模型的预测表现更佳,提出的填补算法使预测误差进一步降低。     

清河水库叶绿素a浓度反演模型研究

针对无法及时、准确获取清河水库叶绿素a浓度情况,提出比值线性回归模型与最小二乘支持向量机两种遥感反演模型对清河水库叶绿素a浓度进行预测。通过SPSS软件分析计算OLI数据的单波段及波段组合与叶绿素a浓度之间的相关关系,选取相关系数最大者分别构建比值线性回归模型和非线性的最小二乘支持向量机模型(LS-SVM),对清河水库叶绿素a浓度进行了遥感定量反演研究。结果表明,相比于比值线性回归模型,LS-SVM模型更适用于清河水库叶绿素a的反演研究。LS-SVM模型将预测值与实际值的可决系数R2从0.635提高到0.966,均方根误差从4.83减小到2.67,平均相对误差从16.43%减小到7.21%,利用LS-SVM模型对叶绿素a浓度的反演精度显著提高。     

基于群决策的P2P借贷信用风险评估

运用群决策方法,对随机森林、神经网络、梯度提升树三种算法所生成的个体学习器进行集成,构建基于群决策的P2P借贷信用风险评估模型.选取人人贷、拍拍贷的数据进行实验研究,结果显示,集成模型的风险评估效果较个体学习器有所提升,且优于传统的逻辑回归方法.