基于大数据的二类水体叶绿素a浓度高精度遥感反演算法研究

A wide range of accurate remote sensing retrieval of chlorophyll-a concentration is of great significance for ocean water quality monitoring, ecological resource evaluation and red tide monitoring. The accurate retrieval of chlorophyll-a concentration has been a difficult problem for marine optical remote sensing, and the current inversion accuracy is still unable to meet the application requirements for case II water. .Taken the Bohai Sea as the study region, this research utilizes optical remote sensing data, field measurement data and radiation transmission simulation data to build big data, based on which, a depth convolution neural network model(DCNN) for high precision retrieval of chlorophyll-a applicable to case II water is developed, with a view to opening up a new way of improving the retrieval precision of chlorophyll-a in the offshore waters of China under the support of big data theory and deep learning method.

叶绿素a浓度的大范围精确遥感反演对于海洋水质监测、生态资源评价、赤潮灾害监控等都具有重要意义。对于浑浊的近岸二类水体（如我国近海海域），叶绿素a浓度的准确反演一直是海洋光学遥感的难题，目前的反演精度尚无法满足应用的需求。.本项目以渤海为研究区，利用光学遥感数据、现场实测数据和辐射传输模拟数据构建大数据集；在此基础上，发展适用于二类水体叶绿素a浓度高精度反演的深度卷积神经网络模型（DCNN），以期在大数据理论和深度学习方法支撑下，开拓一条提高我国近岸二类水体叶绿素a反演精度、实现遥感监测业务化应用的新途径。

叶绿素a浓度的大范围精确遥感反演对于海洋水质监测、生态资源评价、赤潮灾害监控等都具有重要意义。对于浑浊的近岸二类水体（如我国近海海域），叶绿素a浓度的准确反演一直是海洋光学遥感的难题，目前的反演精度尚无法满足应用的需求。 . 本项目以渤海等中国近海为研究区，收集构建了现场实测数据、光学遥感数据和卫星等效光谱模拟数据集；基于数据集，为我国新型国产自主卫星海洋一号C星海岸带成像仪（HY-1C CZI）研发了浑浊水体叶绿素a浓度反演算法，已在国家卫星海洋应用中心业务化运行；开展了基于遥感反射率光谱形状的渤海水体光学分类研究，在此基础上发展了针对细分水体光学类型的叶绿素a浓度反演算法，证明了此方法是实现光学性质复杂水体高精度水色反演的可行技术路径；针对深度卷积神经网络（DCNN）、深度置信网络（DBN）以及长短期记忆网络（LSTM）等深度学习模型开展了系列研究；分别基于卫星等效模拟数据和实测高光谱数据构建了叶绿素a浓度LSTM深度学习反演模型，取得了较为满意的阶段性成果。研究结果可为海洋环境监测预报、防灾减灾等业务部门提供数据和技术支持。.