[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

说明书

技术领域

本发明涉及遥感技术领域，特别涉及一种基于MERIS（The Medium Resolution Imaging Spectrometer）全分辨率影像数据的内陆水体光学分类方法。

背景技术

内陆水体是保持生态平衡和保证水体周边群众供水的关键因素。以太湖为例，其是中国的第三大淡水湖，太湖为周边的湖滨城市的供水起到了很重要的作用。但是近年来，太湖的污染越来越严重，并且出现了富营养化。严重威胁了太湖的自然生态功能。因此，对水体的定期监测成为必然。

在同一个水体中，遥感反射率会随着水体组分的变化而不同，例如太湖的某些区域可能主要受到浮游植物的影响，而其他区域有可能主要受到无机悬浮颗粒的影响，甚至是浮游藻类的影响。因此，针对太湖水体中不同区域的光学特性差异，将太湖水体分类，建立不同的反演模型成为必然。

利用卫星影像反演水环境参数，首先要解决的就是大气校正问题。提高二类水体大气校正的精度是水色遥感的一个难点。对于海洋一类水体，常采用暗像元校正方法来获取气溶胶浓度，但是，这种方法假设在近红外波段水体离水辐射率为零，因此不适合于二类水体。所以，需要一种新的方法对二类水体进行大气校正。目前，针对BEAM（Checking Tool for Bugs Errors and Mistakes）软件已开发了三种插件用于对内陆湖泊或二类水体进行大气校正。这些插件是基于人工神经网络的算法，可以从MERIS 1b数据大气顶端的辐射率反演出地表遥感反射率，进而可以反演得到水体固有光学性质和水体组分浓度。

这些研究取得了一些成果，但是针对内陆高浑浊和富营养化的水体，在大气校正与光学分类方面考虑还不足。

发明内容

（一）要解决的技术问题

本发明要解决的技术问题是：如何提供一种基于MERIS全分辨率影像数据的内陆水体光学分类方法，以对内陆水体中不同区域的局部水体进一步分类，进而为提高遥感反演精度以及为具有相同光学特性的水体建立统一的反演模型提供数据支持。

（二）技术方案

为解决上述技术问题，本发明提供一种基于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。

优选地，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。

优选地，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。

优选地，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%。

优选地，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。

优选地，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。

优选地，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。

优选地，所述平均绝对百分比误差的计算公式如下：