首页
 
当前位置:首页>首页>学术研究
我所开发自适应智能算法遥感反演水体藻清蛋白、叶绿素浓度

   我所水环境遥感学科组在蓝绿藻丰度指示性色素——藻清蛋白(PC)、叶绿素(Chl-a)遥感估算方面取得研究进展,相关研究成果发表在遥感和环境科学领域的国际主流学术期刊上(IEEE Transactions on Geoscience and Remote Sensing, ISPRS Journal of Photogrammetry and Remote Sensing),该成果对内陆浑浊水体光学特性定量刻画及水环境遥感监测算法的发展具有积极的推动作用。  

  学科组与美国印第安纳大学印第安纳波利斯校区李林教授进行合作,开发了自适应智能算法PLS-ANNPartial Least Squares-Artificial Neural Networks ),对内陆重要湖泊和城市水源地的Chl-aPC进行了遥感算法研究[1-2]。研究结果表明PLS所选取的波段与波段比值算法、半解析模型所采用的特征波段基本一致,具有很好的理论基础。ANN结合PLS选取的波段信息基础上,在Chl-aPC浓度遥感反演方面表现稳定,具有很好的外推性。研究证明,在有代表性的大样本训练下,PLS-ANN模型可以直接用于水体Chl-aPC浓度估算。  

  上述研究工作分别得到NASA项目(NNG06GA92G)及国家自然科学基金项目(41171293)资助。  

  [1].   Song, K. S., Li, L., Li, S., Tedesco, L., Duan, H. T., Li, Z. C., Shi, K., Du, J., Zhao, Y., Shao, T. T. 2014. Using Partial Least Squares-Artificial Neural Network for Inversion of Inland Water Chlorophyll-a. IEEE Transactions on Geoscience and Remote Sensing, 52: 1502-1517.  

  [2].   Song, K. S., Li, L., Tedesco, L., Li, S., Hall, B., Du, J. 2014. Remote quantification of phycocyanin in potable water sources through an adaptive model. ISPRS Journal of Photogrammetry and Remote Sensing, 95: 68-80.