收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于时序遥感数据的水环境时空采样布局优化方法研究

李亭亭  
【摘要】:现场采样是定量遥感理论研究、反演建模、产品真实性检验等的基础,同时也是环保和水文部门业务化监测的核心。现场采样作为一种人力、物力高消耗的监测手段,如何在保证采样精度的前提下优化资源配置、提高决策水平是亟需解决的科学问题。目前湖泊采样手段多依赖专家经验的主观方法,缺乏客观规范的采样设计理论基础和评价方法,并且采样过程缺乏对水环境要素时空变化规律等先验信息的考虑。应用遥感技术进行水环境监测相关研究主要集中在大气校正、水色三要素反演、水文水动力研究等,对湖泊采样方法、采样布局优化方面关注较少。本研究以鄱阳湖水环境监测为例,建立了适用于鄱阳湖浑浊水体的叶绿素反演算法,以时空遥感数据集为基础,系统评价了常用的传统采样方法(规则采样、分层随机采样)的观测精度,并提出了时空维度变化兼顾的湖泊水环境变异特征先验规律分析方法,引入模拟退火优化算法,实现了鄱阳湖的采样布局优化,为湖泊水环境采样策略优化提供科学合理的先验知识。主要结论如下:(1)基于光学分区思想,建立了鄱阳湖叶绿素分区反演模型,鄱阳湖泥沙主导区(归一化差分叶绿素指数NDCI≤0.06)以[1/Rrs(665)-1/Rrs(705)]*Rrs(740)作为反演因子构建的三波段模型拟合效果最好,决定系数是0.65,模型的平均相对误差是38.53%;非泥沙主导区(归一化差分叶绿素指数NDCI0.06)差值模型Rrs(705)-Rrs(665)模拟结果最好,决定系数是0.63,模型的平均相对误差是39.87%。(2)基于时空聚类的思想,采用K均值聚类算法,将Sentinel卫星反射率数据集分成6个聚类,由于受到鄱阳湖水环境时空动态变异的影响,不同聚类的时序反射率均值变化差异大,结合半变异函数,结果表明,鄱阳湖中部水域空间变程高达5700m,而南部和东部水域空间变程低至1200m。(3)总体上来说,当采样点数目从162个减少到37个时,以443nm为例,规则采样和分层随机采样时序遥感反射率预测的平均绝对误差分别从3.09*10-3增加到3.95*10-3、3.17*10-3增加到4.22*10-3(sr-1);以560nm为例,规则采样和分层随机采样时序遥感反射率预测的平均绝对误差分别从6.09*10-3增加到7.76*10-3、6.37*10-3增加到8.05*10-30sr-1);以665nm为例,规则采样和分层随机采样时序遥感反射率预测的平均绝对误差分别从5.08*10-3增加到6.49*10-3、5.18*10-3增加到683*10-(sr-1);以705nm为例,规则采样和分层随机采样时序遥感反射率预测的平均绝对误差分别从5.87*10-3增加到7.55*10-3、6.18*10-3增加到7.83*10-3(sr-1)。而且规则采样布局模式精度要优于随机采样布局模式。(4)以Sentinel卫星数据的443nm、560nm、665nm和705nm波段的时序聚类结果为依据,鄱阳湖需要布设的采样点数目分别是41个、49个、45个和48个。与规则采样布局模式相比(N=52),采用模拟退火算法优化布局后,时序遥感反射率预测的平均绝对误差分别降低了 46.75%、57.57%、35.54%、43.17%。将四个特征波段的优化布局应用于时序的鄱阳湖叶绿素产品上,时序叶绿素浓度预测的平均相对误差分别是17.93%、17.78%、17.79%、18.21%。


知网文化
【相似文献】
中国期刊全文数据库 前19条
1 黄雄波;;基于自相关函数的非平稳时序数据的辨识改进[J];微型机与应用;2016年13期
2 尚继霞;;基于时序数据的辽宁省环境库兹涅茨曲线实证分析[J];统计与咨询;2013年04期
3 钟清流;蔡自兴;;基于统计特征的时序数据符号化算法[J];计算机学报;2008年10期
4 王兴家;汪晓惠;赵超;;基于神经网络的混沌时序数据失真检测方法研究[J];重庆交通大学学报(自然科学版);2007年06期
5 郝善勇,刘玉树;基于样本数据重抽样的时序数据预报方法[J];北京理工大学学报;2000年05期
6 骆金维;曾德生;郭雅;黄富平;;时序数据并行压缩速率改进技术研究[J];电子设计工程;2018年20期
7 林芝,曹加恒,刘娟,韦丰;基于信息论网络的时序数据库挖掘[J];计算机工程与应用;2003年01期
8 郑斌祥,杜秀华,席裕庚;一种时序数据的离群数据挖掘新算法[J];控制与决策;2002年03期
9 朱明,蔡庆生;基于约束满足的相似时序数据的搜索算法[J];计算机工程;2000年01期
10 姜高霞;王文剑;;时序数据曲线排齐的相关性分析方法[J];软件学报;2014年09期
11 葛利;;《时序数据挖掘与过程神经元网络》[J];全国新书目;2013年12期
12 曾红月,姚敏;时序数据挖掘方法研究[J];计算机工程与设计;2004年11期
13 黄雄波;;多周期时序数据的傅氏级数拟合算法[J];计算机系统应用;2015年07期
14 钟清流;蔡自兴;陈明权;杨先芬;;时序数据的动态有界符号化方法[J];控制与决策;2008年10期
15 关云鸿;杨静;;高维时序数据的相似搜索[J];贵州大学学报(自然科学版);2006年01期
16 张荣明;邹湘军;顾邦军;罗陆锋;周艳琼;;基于探索性分析的时序数据研究[J];系统仿真学报;2006年S2期
17 贾素玲;陈当阳;姜浩;;时序数据挖掘中的数据表示算法[J];计算机工程与应用;2006年29期
18 孙颂恩;施润身;;时序数据中弱限制周期模式的挖掘[J];计算机辅助工程;2005年04期
19 黎实,彭作祥,庞皓;金融时序数据建模中的模型设定问题[J];财经科学;2005年03期
中国重要会议论文全文数据库 前7条
1 张荣明;邹湘军;顾邦军;罗陆锋;周艳琼;;基于探索性分析的时序数据研究[A];中国系统仿真学会第五次全国会员代表大会暨2006年全国学术年会论文集[C];2006年
2 鲍远松;董文生;;一种分布式时序数据库的存储架构设计及实现方法[A];中国计量协会冶金分会2018年会论文集[C];2018年
3 张明伟;周清波;宫攀;陈仲新;周勇;刘佳;;基于MODIS时序数据分析的作物识别方法[A];农业工程科技创新与建设现代农业——2005年中国农业工程学会学术年会论文集第六分册[C];2005年
4 刘帅;李琦;;基于重建NDVI时序数据的植被覆盖变化研究[A];遥感定量反演算法研讨会摘要集[C];2010年
5 许馨文;马卫国;张宝雷;;基于国家级开发区的聚类方法初探[A];京津走廊经济崛起与工业园区产业集群研究——纪念廊坊开发区建立十五周年暨工业园区产业集群专题征文研讨活动论文集[C];2007年
6 曹晖;司刚全;张彦斌;贾立新;;基于模糊时序数据挖掘的火电厂制粉系统优化算法[A];2007'仪表,自动化及先进集成技术大会论文集(一)[C];2007年
7 孙启龙;吕颖;张利国;;基于深度学习的道路可靠性评估方法与实验[A];第37届中国控制会议论文集(E)[C];2018年
中国博士学位论文全文数据库 前7条
1 吴吉庆;面向Internet的时序数据快速分发技术研究[D];国防科学技术大学;2011年
2 张贵生;数据驱动的金融时间序列预测模型研究[D];山西大学;2016年
3 何周舟;基于时序数据的结构学习与模式预测联合优化算法研究[D];浙江大学;2016年
4 白天;连分式方法在脉冲去噪、时序数据压缩及视频镜头检测中的应用研究[D];合肥工业大学;2014年
5 赵静;基于高斯过程的动态系统研究[D];华东师范大学;2016年
6 叶红梅;面向流域生态安全的景观格局演变研究[D];华中科技大学;2009年
7 钟清流;时序、图像特征检测的理论、方法及应用研究[D];中南大学;2008年
中国硕士学位论文全文数据库 前10条
1 李亭亭;基于时序遥感数据的水环境时空采样布局优化方法研究[D];武汉大学;2018年
2 韩日旺;关于时序网络鲁棒性与修复性的研究[D];华中师范大学;2018年
3 李凤;非平衡时序数据的动态时间规整过采样方法研究[D];暨南大学;2018年
4 吴俊锋;面向TLE数据的多变量时序数据分类算法研究[D];国防科学技术大学;2016年
5 杨云丽;大数据背景下的时序数据分析[D];中国科学技术大学;2018年
6 籍姣荣;基于仿射变换的时序数据信息处理方法研究[D];黑龙江大学;2018年
7 沈亮亮;面向金融领域的时序数据挖掘方法研究与应用[D];海南大学;2018年
8 冯康;时序数据在线分类与规则发现[D];华中科技大学;2016年
9 周强;时序数据挖掘在经济领域中的应用研究[D];合肥工业大学;2005年
10 秦臻;基于非负矩阵分解的时序数据聚类方法[D];哈尔滨工业大学;2016年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978