[发明专利]反演高浑浊度水体中叶绿素a浓度的四波段半分析模型

摘要

本发明公开了一种用于反演高浑浊度水体中叶绿素a浓度的四波段半分析模型建立的方法。该方法在原有的三波段半分析模型基础上引入了第四个波段进行改进，用[Rrs-1(λ4)-Rrs-1(λ3)]-1代替了三波段模型因子中Rrs(λ3)的部分，用于降低高浑浊度水体中悬浮颗粒物的后向散射和吸收以及CDOM对遥感反射率的影响，突出叶绿素a浓度的特征，然后利用迭代的方法确定四个相应波段的位置，确定影响因子，并进一步利用线性回归得到反演模型。与三波段半分析模型比较，本发明的模型对于高浑浊度水体中叶绿素a浓度反演，最小化了悬浮物浓度和有色可溶性有机物的影响，极大程度上提高了模型精度。

主权项

1.反演高浑浊度水体中叶绿素a浓度的四波段半分析模型，其特征在于，所述模型的建立包括以下过程：(一)创建四波段算法基本因子四波段算法基本因子如公式(1)：[Rrs^-1(λ₁)-Rrs^-1(λ₂)]/[Rrs^-1(λ₄)-Rrs^-1(λ₃)]         (1)，其中Rrs^-1(λ)指波长为λ处的遥感反射率的倒数，λ₁、λ₂、λ₃、λ₄分别为与叶绿素a浓度信息相关度高的4个波段的波长值；(二)确定四波段算法的波段位置步骤一：设定四波段算法因子的初始波段f1i=[Rrs-1(λ1i)-Rrs-1(λ2)]/[Rrs-1(λ4)-Rrs-1(λ3)]---(2)]]>，其中λ₂、λ₃、λ₄为固定的初始值，步长为1nm，计算出每个取值对应的值；步骤二：记N为参与建模的样本数，Chla_j为第j个样本的叶绿素a浓度；则可以通过公式(3)计算得到第i个样本的标准差STE_i，确定STE_i最小的波长为λ₁的取值；STEi=[Σj=1N(Chlaj-f1,ji)2/(N/2)]0.5---(3)]]>步骤三：固定λ₁、λ₂、λ₄的取值，其中λ₁的值为上一步中取得的值，λ₃、λ₄的取值不变；设步长为1nm，根据公式(4)计算每个对应的值；f2i=[Rrs-1(λ1)-Rrs-1(λ2i)]/[Rrs-1(λ4)-Rrs-1(λ3)]---(4)]]>步骤四：通过公式(3)计算得到STE_i，确定STE_i最小的波长为λ₂的取值；步骤五，固定λ₁、λ₂、λ₄的取值，其中λ₁、λ₂的值为步骤二和步骤四计算得到的值；设步长为1nm，根据公式(5)计算每个对应的值；f3i=[Rrs-1(λ1)-Rrs-1(λ2)]/[Rrs-1(λ4)-Rrs-1(λ3i)]---(5)]]>步骤六：通过公式(3)计算得到STE_i，确定STE_i最小的波长为λ₃的取值；步骤七：固定λ₁、λ₂、λ₃的取值为步骤二、步骤四和步骤六计算得到的值；设步长为1nm，根据公式(6)计算每个对应的值；f4i=[Rrs-1(λ1)-Rrs-1(λ2)]/[Rrs-1(λ4i)-Rrs-1(λ3)]---(6)]]>步骤八：通过公式(3)计算得到STE_i，确定STE_i最小的波长为λ₄的取值；步骤九：固定λ₂、λ₃、λ₄的取值为步骤四、步骤六和步骤八计算得到的值；设步长为1nm，根据公式(2)计算每个对应的值；步骤十：通过公式(3)计算得到STE_i，再次得到STE_i最小的波长数至此，四波段半分析模型的四个波段波长位置全部确定；(三)利用线性回归计算叶绿素a四波段反演模型使用线性回归的方法，在Chla浓度与四波段模型因子[Rrs^-1(λ₁)-Rrs^-1(λ₂)]/[Rrs^-1(λ₄)-Rrs^-1(λ₃)]之间建立反演模型。