中文关键词无人机(UAV)遥感多光谱水质参数反演模型空间分布 英文关键词unmanned aerial vehicle(UAV)remote sensingmultispectralwater quality parameterinversion modelspatial distribution

作者	单位	E-mail
黄昕晰	浙江农林大学信息工程学院, 杭州 311300 浙江省林业智能监测与信息技术研究重点实验室, 杭州 311300 林业感知技术与智能装备国家林业局重点实验室, 杭州 311300	huangxinxi0502@163.com
应晗婷	浙江农林大学信息工程学院, 杭州 311300 浙江省林业智能监测与信息技术研究重点实验室, 杭州 311300 林业感知技术与智能装备国家林业局重点实验室, 杭州 311300
夏凯	浙江农林大学信息工程学院, 杭州 311300 浙江省林业智能监测与信息技术研究重点实验室, 杭州 311300 林业感知技术与智能装备国家林业局重点实验室, 杭州 311300	xiakai@zafu.edu.cn
冯海林	浙江农林大学信息工程学院, 杭州 311300 浙江省林业智能监测与信息技术研究重点实验室, 杭州 311300 林业感知技术与智能装备国家林业局重点实验室, 杭州 311300
杨垠晖	浙江农林大学信息工程学院, 杭州 311300 浙江省林业智能监测与信息技术研究重点实验室, 杭州 311300 林业感知技术与智能装备国家林业局重点实验室, 杭州 311300
杜晓晨	浙江农林大学信息工程学院, 杭州 311300 浙江省林业智能监测与信息技术研究重点实验室, 杭州 311300 林业感知技术与智能装备国家林业局重点实验室, 杭州 311300

中文摘要 无人机多光谱遥感可用于监测多个水质参数，如悬浮物、浊度、总磷和叶绿素等，建立稳定和准确的水质参数反演模型是开展这一工作的前提.matching pixel-by-pixel（MPP）算法是一种针对无人机影像高分辨率特点的反演算法，但其存在运算量过大和过拟合的问题，基于此，提出optimize-MPP（OPT-MPP）算法，以克服运算量过大和过拟合的问题.本研究以浙江省杭州市青山湖作为研究区域，采集45个样本，分别构建悬浮物浓度（SS）与浊度（TU）的OPT-MPP算法反演模型.结果表明，最佳悬浮物反演模型的决定系数R²达到0.7870，综合误差为0.1308；最佳浊度反演模型的决定系数R²达到0.8043，综合误差为0.1503.最后利用分别建立的两个参数的最优模型，实现青山湖各实验区域的水质参数空间分布信息的反演. 英文摘要 Unmanned aerial vehicle (UAV) multispectral remote sensing can be used to monitor multiple water quality parameters, such as suspended solids, turbidity, total phosphorus, and chlorophyll. Establishing a stable and accurate water quality parameter inversion model is a prerequisite for this work. The matching pixel-by-pixel (MPP) algorithm is an inversion algorithm for high resolution features of UAV images; however, it is associated with problems of excessive computation and over-fitting. To overcome these problems, the optimize-MPP (OPT-MPP) algorithm is proposed. In this study, Qingshan Lake in Hangzhou City, Zhejiang Province, was used as the research area. Forty-five samples were collected to construct the OPT-MPP algorithm inversion model for two water quality parameters:the suspended sediments concentration (SS) and turbidity (TU). The results showed that the optimal suspended sediment concentration inversion model had a determination coefficient (R²) of 0.7870 and a comprehensive error of 0.1308. The optimal turbidity inversion model had a R² of 0.8043 and a comprehensive error of 0.1503. Hence, the inversion of the spatial distribution information for water quality parameters in each experimental area of QingShan Lake was realized by using the optimal models of the two established parameters.

PDF全文下载地址:

https://www.hjkx.ac.cn/hjkx/ch/reader/create_pdf.aspx?file_no=20200817&flag=1&journal_id=hjkx&year_id=2020