[发明专利]基于MERIS全分辨率影像数据的内陆水体光学分类方法

权利要求书

1.一种基于MERIS全分辨率影像数据的内陆水体光学分类方法，其特征在于，包括步骤：

A：对内陆水体的MERIS全分辨率影像数据进行预处理；

B：根据所述内陆水体的几何参数和大气条件，模拟大气顶端辐射率，进而建立训练集；

C：根据所述训练集构建前馈型BP神经网络；

D：将所述预处理后的MERIS全分辨率影像数据进行smile校正后输入所述BP神经网络，利用所述BP神经网络对所述smile校正后的MERIS全分辨率影像数据中波段1至10以及波段12进行大气校正，得到MERIS全分辨率影像数据中波段1至10以及波段12的地表遥感反射率数据；

E：根据所述波段1至10以及波段12的地表遥感反射率数据，对所述内陆水体进行光学分类。

2.如权利要求1所述的方法，其特征在于，所述步骤A具体包括步骤：

A1：获取具有野外实测数据对应日期的MERIS全分辨率影像数据，从中提取内陆水体的MERIS全分辨率影像数据；

A2：利用BEAM软件对所述内陆水体的MERIS全分辨率影像数据进行辐射定标和几何纠正。

3.如权利要求1所述的方法，其特征在于，所述步骤B中，所述内陆水体的几何参数包括：所述内陆水体对应的平均海拔、太阳天顶角，以及传感器的方位角。

4.如权利要求1所述的方法，其特征在于，所述步骤B中，所述内陆水体的大气条件包括：所述内陆水体对应的平均气压、平均温度、平均湿度、平均臭氧密度和气溶胶的组分浓度；所述气溶胶中：尘埃粒子的浓度为40%到50%，水溶性粒子的浓度为20%到50%，海洋性粒子的浓度为0，煤烟的浓度小于20%；并且，所述气溶胶中每种组分的浓度值的变化步长为10%。

5.如权利要求1所述的方法，其特征在于，所述步骤C中，采用Matlab工具箱，根据所述训练集构建前馈型BP神经网络。

6.如权利要求1所述的方法，其特征在于，在所述步骤D之后还包括步骤S：将所述波段1至10以及波段12的地表遥感反射率数据与地面实测遥感反射率数据进行对比分析，判断所述波段1至10以及波段12的地表遥感反射率数据的误差是否小于预定阈值，如果是，执行步骤E；否则，返回所述步骤B。

7.如权利要求6所述的方法，其特征在于，所述波段1至10以及波段12的地表遥感反射率数据的误差，通过计算所述波段1至10以及波段12的地表遥感反射率数据与地面实测遥感反射率数据的平均绝对百分比误差或者均方根误差获得。

8.如权利要求7所述的方法，其特征在于，所述平均绝对百分比误差的计算公式如下：

MAPE=1nΣi=1n|yi-yi′yi|;]]>

其中，MAPE表示所述平均绝对百分比误差，n表示样本象元数量，y_i表示样本象元的地面实测遥感反射率，y′_i表示样本象元从影像反演获得的地表遥感反射率。