原文传递
基于芦苇叶片高光谱的水体氮磷含量估测模型比较
| 题名： | 基于芦苇叶片高光谱的水体氮磷含量估测模型比较 |
| 正文语种： | 中文 |
| 作者： | 张曼胤 李梦洁 崔丽娟 王贺年 郭子良 李伟 魏圆云 杨思 |
| 作者单位： | 中国林业科学研究院湿地研究所 北京100091;湿地生态功能与恢复北京市重点实验室 北京 100091;河北衡水湖湿地生态系统国家定位观测研究站 河北053000 中国林业科学研究院湿地研究所 北京100091;湿地生态功能与恢复北京市重点实验室 北京 100091;北京汉石桥湿地生态系统国家定位观测研究站 北京101399 |
| 关键词： | 芦苇叶片 高光谱 水质参数 富营养化 估测模型 |
| 摘要： | 水体中的氮磷含量是评价水质营养状况的重要指标,目前高光谱技术已成为监测水体氮磷含量的重要手段,但监测对象多为开阔水面水体,对于植被覆盖水体的监测较少.植物对环境因素的响应,会在其反射光谱信息的变化中表现出来,因此植物反射光谱信息可以用来监测环境变化.本研究以北京汉石桥湿地内的微处理湿地为研究区,通过测定湿地植物芦苇(Phragmites australis)叶片反射光谱、水体总氮(TN)和总磷(TP)含量,选取敏感光谱数据构建逐步多元回归(SMLR)、BP神经网络(BPNN)以及支持向量机(SVM)3种模型估测湿地水体TN、TP含量,并采用决定系数(R2)、均方根误差(RMSE)和相对误差(RE)进行检验,以期筛选出该区域适用性最好的水体TN、TP含量估测模型.结果表明：SVM模型可实现对精度要求不高的水体TN含量的估测,其模型的R2、RMSR和RE分别为0.9474、0.6028和0.4071； BPNN模型可以较理想的进行水体TP含量的估测,其模型的R2、RMSE和RE分别为0.9133,0.3900和0.3663；BPNN模型和SVM模型更有利于基于植物光谱信息估测水体TN、TP含量.这说明利用植物叶片光谱数据估测水体TN、TP含量具有一定的可行性,这不仅为通过高光谱遥感技术大面积、快速、稳定监测湿地水体健康状况提供了方法依据,也为及时采取湿地恢复、保护措施提供了保障. |
| 会议日期： | 20171020 |
| 会议举办地点： | 厦门 |
| 会议名称： | 2017中国环境科学学会科学与技术年会 |
| 出版日期： | 2017-10-20 |
| 母体文献： | 2017中国环境科学学会科学与技术年会论文集 |
| 分类号： | X51 S79 |
检索历史
应用推荐
