【技术实现步骤摘要】
基于多源遥感数据预测海水透明度和海表温度的方法
[0001]本专利技术属于海洋遥感技术应用领域，具体涉及一种基于多源遥感数据预测海水透明度和海表温度的方法。
技术介绍
[0002]海水透明度(Z
sd
)通常用塞克盘浸在水中可见的最大深度(Sechi deapth)表示，是海水能见度的一个量度，也是影响水下光场分布的重要因素；海表温度(SST)指的是海洋表层水的温度，是认识海洋水体的一个重要物理参数。对海水透明度的预测展开研究，对海洋水下生态、水体质量、航海运输以及海产养殖都具有非常重要的意义，同时，掌握未来海表温度信息对气象气候研究、航海活动、养殖业、捕捞业等具有积极的战略意义。
[0003]在以往海水透明度测量的研究中，主要是基于历史数据并构建经验线性模型和半分析算法估算过去的海水透明度。Kratzer等人(2008)提出了利用垂直方向的漫射衰减系数估算海水透明度的方法；Prasad等人(2016)通过分析大量的水色数据发现海水透明度与两波段的离水辐亮度比值之间有很好的相关关系，并基于两者构建了探...
【技术保护点】
【技术特征摘要】
1.基于多源遥感数据预测海水透明度和海表温度的方法，其特征在于，包括以下步骤：步骤A、构建训练数据集：采集水色卫星数据，所述水色卫星数据包括多年各波段的遥感反射率数据和海表温度数据，并对遥感反射率数据进行残差校正、水体固有光学量反演、海水透明度反演操作，然后对得到的海水透明度数据和海表温度数据进行时空插补，制作训练数据集；步骤B、构建预报模型，并对其进行训练以确定最佳的预报模型，所述预报模型结构及原理如下：(1)预报模型采用卷积长短期记忆网络ConvLSTM与全链接相结合的方式构建，包括N层ConvLSTM层和一个基于全连接计算的预报层，2≤N≤5；(2)将前d天的每天基于n
×
n像元组成的数据窗口共同构成的n
×
n
×
d的三维数组为模型输入，经过N层ConvLSTM网络单元前向传播学习获取数据窗口的时空特征信息，然后通过预报层计算n
×
n数据窗口的第d+1天的值，最后输出该窗口中心像元的预报值，至此完成一个中心像元值的一次预测；通过窗口滑动的方式遍历整景数据，对每个窗口执行上述操作，实现对第d+1天的整景的海水透明度和海表温度的预测。步骤C、基于训练好的预报模型，对特定海域海水透明度与海表温度进行预报。2.根据权利要求1所述的基于多源遥感数据预测海水透明度和海表温度的方法，其特征在于：所述步骤B中：ConvLSTM模型内部卷积计算公式下所示：ConvLSTM模型内部卷积计算公式下所示：ConvLSTM模型内部卷积计算公式下所示：ConvLSTM模型内部卷积计算公式下所示：ConvLSTM模型内部卷积计算公式下所示：式中，t表示第t天，*表示卷积计算方式，i、o、f，h分别表示模型网络的输入门、输出门和遗忘门、传输状态，C、H表示细胞状态和隐藏状态，W、b分别表示对应数据的权重和偏置，X表述输入的数据集，σ表示激活函数。3.根据权利要求1所述的基于多源遥感数据预测海水透明度和海表温度的方法，其特征在于：所述步骤B中，训练过程中，调节模型中ConvLSTM层的数量N从2到5，待每种模型的MAE和loss的达到精度要求时，对比模型分别在具有2、3、4、5层ConvLSTM状态下的计算速率和精度，并保存预报效率最高的模型的ConvLSTM层数和相关超参数值，作为最佳模型；确定ConvLSTM模型超参数使用的平均绝对误差和损失函数的计算公式如下：确定ConvLSTM模型超参数使用的平均绝对误差和损失函数的计算公式如下：式中，MAE平均绝对误差，loss为损失函数，x
i
是模型预测的第i个值，y
i
是第i个真实值，n为训练样本中窗口总数。4.根据权利要求1所述的基于多源遥感数据预测海水透明度和海表温度的方法，其特征在于：所述步骤A具体通过以下方式实现：步骤A1、残差校正：基于固有光学特性数据处理系统IDAS计算遥感反射率数据中的残
差；步骤A2、水体固有光学量反演：将步骤A1残差校正后的遥感反射率数据输入固有光学量算法NNSAA，获取每个波段的水体后向散射系数和吸收系数，进而得到总后向散射系数和总吸收系数；步骤A3、海水透明度反演：基于步骤A1残差校正后遥感反射率数据和步骤A2得出的总后向散射系数和总吸收系数，根据透明度反演算法计算海水透明度Z
sd
；步骤A4、数据时空插补：通过自然临点插值算法对每一景海水透明度数据和海表温度数据进行空间插补；通过线性插值算法对所需时间序列数据中缺失的海水...
【专利技术属性】
技术研发人员：周高详，何清颖，陈军，徐铭，明泽菲，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。