【技术实现步骤摘要】
本专利技术属于海洋水色遥感领域，涉及一种基于差分进化粒子群的叶绿素偏振遥感反演算法。
技术介绍
1、浮游植物是海洋、湖泊生态系统中最主要的初级生产者，是水生生物的重要生命物质基础，是食物链的首要环节，通过初级生产者的同化作用为浮游动物和鱼类等生命体提供营养物质，进而推动整个海洋、湖泊生态系统的物质和能力循环、运转。浮游植物中主要含有叶绿素a，研究浮游植物中所含有的叶绿素a浓度是研究海洋和湖泊等自然水体水色反演的主要水质参数之一、是了解海洋、湖泊中生物化学循环的基础和估算海洋生产力的基本指标、是判断水域的肥瘠程度和评价水域渔业潜在生产力的基本依据。
2、目前，研究浮游植物中所含有的叶绿素a浓度主要采用水色遥感方法，海洋水色遥感是利用大气顶层接收到的离水辐射信号，经大气校正后得到遥感反射率，进而通过经验算法、半分析算法、分析算法实现表层水体叶绿素a浓度的定量遥感反演，此方法在全球气候变化、海洋初级生产力、海洋富营养化和赤潮等领域得到了广泛的应用。
3、浮游植物色素主要是通过对吸收光谱的影响改变绝大部分海洋水色，在蓝光波段的强吸收和黄绿波段的弱吸收引起海洋一类水体的颜色从寡营养水域的深蓝色向富营养水域的暗绿色变化，因此，经典的表层水体叶绿素浓度反演通常采用蓝绿波段比值算法。但是，在中国沿岸的水体中，悬浮颗粒物浓度较高，基本上大于50mg/l，在渤海湾、苏北浅滩、长江口和杭州湾等区域水体长年浑浊，悬浮颗粒物浓度甚至高于500mg/l。在上述这些区域，水体受光限制使其很难生长，叶绿素浓度都很低。因而，目前遥感的叶绿
4、水体偏振特性是由颗粒物的微观性质决定，特别是粒子偏振散射。由于大气分子、气溶胶粒子、叶绿素的吸收和散射作用，以及海气界面的折射、反射作用，可见光(自然光)在海洋-大气耦合系统传输过程中偏振特性会发生改变，其变化模式和程度由水体光学特性决定，因而，离水辐射偏振信号携带着丰富的叶绿素浓度信息，是传统海洋水色遥感的有益补充，在一定条件下可用于叶绿素浓度的定量化反演。然而，在传统水色遥感应用过程中，作为离水辐射独立属性的偏振却往往被忽略，为满足海洋水色传感器0.5％的精确辐射定标要求(替代定标后)，水色传感器的偏振响应度需小于2.5％，离水辐射偏振信息仅被当作噪声校正或者设置消偏器加以消除。因此，如何应用离水辐射偏振特性信息以构建叶绿素浓度偏振定量遥感反演算法，成为当前研究的重点课题，同时也是极具挑战的一项难题。
技术实现思路
1、本专利技术的目的是解决传统水色遥感业务化应用的叶绿素反演算法在复杂光学特性水体中误差较大的的技术问题，而提供一种基于差分进化粒子群的叶绿素偏振遥感反演算法。
2、本专利技术的技术解决方案是：
3、本专利技术基于差分进化粒子群的叶绿素偏振遥感反演算法，其特殊之处在于，包括以下步骤：
4、1)建立偏振反演模型
5、1.1)采用常规光学测量仪器测量离水辐射直接测量装置目标水域各波段的离水辐射偏振高光谱数据，再利用常规方法获取目标水域的实测叶绿素浓度；所述光学测量仪器离水辐射直接测量装置的波段测量范围为175～3300nm；
6、1.2)将测得的离水辐射偏振高光谱数据，分别采用混合编码的差分进化粒子群混合算法结合全局优化算法确定可进行偏振反演的最佳波段或最佳波段组合；
7、1.3)利用最小二乘法分别拟合最佳波段或最佳波段组合的离水辐射偏振高光谱数据与叶绿素浓度的线性关系式，并根据该线性关系式和步骤1.1)中获得的离水辐射偏振高光谱数据定量计算目标水域的反演叶绿素浓度，若反演叶绿素浓度与步骤1.1)中实测叶绿素浓度的相对偏差小于设定值，则以该线性关系式作为偏振反演模型；
8、2)反演法实现叶绿素浓度检测
9、在目标水域设置多个站点，在每个站点采用光学测量仪器离水辐射直接测量装置测量得到最佳波段或最佳波段组合中各波段的离水辐射偏振高光谱数据，将测得的离水辐射偏振高光谱数据输入到偏振反演模型中，输出反演得到的叶绿素浓度。
10、进一步地，步骤1.1)中，所述离水辐射偏振高光谱数据包括离水辐射偏振遥感反射率和/或偏振度。
11、进一步地，步骤1.2)具体为：
12、步骤1.2.1)混合编码
13、定义一个辅助搜索空间s'＝[-a,a]d，则解空间为s＝{0,1}d，其中的a为正整数，d为离水辐射偏振遥感反射率或偏振度的波段数；采用混合编码方式将离水辐射偏振遥感反射率或偏振度的波段数d初始化为a种群和b种群；其中，a种群作为粒子群算法的初始种群，b种群作为差分进化算法的初始种群；
14、步骤1.2.2)差分进化粒子群混合算法
15、a)将a种群按照粒子群算法执行个体的速度和位置更新，利用评价准则函数计算可用于偏振反演的波段或者波段组合解；将b种群按照差分进化算法进行变异操作和交叉操作，利用评价准则函数计算可用于偏振反演的波段或者波段组合解；其中，评价准则函数是指算法一次迭代后参与支持向量机svm计算的种群分类精度，计算表达式为：fit(x)＝svm_accuracy；其中，x为用于支持向量机svm计算的样本；
16、b)判断a种群和b种群迭代后得到的波段解或者波段组合解是否满足迭代的终止条件；若是，则当前得到的波段解或者波段组合解为最佳波段；若否，将a种群和b种群迭代后得到的波段解或者波段组合解在种群之间共享，调整更新各自的寻优方向，返回步骤a)。
17、进一步地，步骤1.3)中，所述偏振反演模型包括离水辐射偏振遥感反射率的偏振反演模型和/或离水辐射偏振遥感偏振度的偏振反演模型；
18、所述离水辐射偏振遥感反射率的偏振反演模型为：
19、chla1＝-k1×rrsp+a1
20、所述离水辐射偏振遥感偏振度的偏振反演模型为：
21、chla2＝-k2×dop+a2
22、chla为叶绿素浓度；
23、k1、k2分别为两个偏振反演模型的斜率
24、a1、a2分别为两个偏振反演模型的截距本文档来自技高网...
【技术保护点】
1.一种基于差分进化粒子群的叶绿素偏振遥感反演算法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于差分进化粒子群的叶绿素偏振遥感反演算法，其特征在于：
3.根据权利要求2所述的基于差分进化粒子群的叶绿素偏振遥感反演算法，其特征在于，步骤1.2)具体为：
4.根据权利要求3所述的基于差分进化粒子群的叶绿素偏振遥感反演算法，其特征在于，步骤1.3)中，所述偏振反演模型包括离水辐射偏振遥感反射率的偏振反演模型和/或离水辐射偏振遥感偏振度的偏振反演模型；
5.根据权利要求4所述的基于差分进化粒子群的叶绿素偏振遥感反演算法，其特征在于：
6.根据权利要求1-5任一所述的基于差分进化粒子群的叶绿素偏振遥感反演算法，其特征在于：步骤1.1)还包括将测量数据中结果变异系数≥10％的数据剔除的步骤。
7.根据权利要求6所述的一种基于离水辐射偏振特性的水体叶绿素偏振遥感反演算法，其特征在于：步骤1.2)中，最佳波段为368nm。
8.根据权利要求7所述的基于差分进化粒子群的叶绿素偏振遥感反演算法，其特征在于
...【技术特征摘要】
1.一种基于差分进化粒子群的叶绿素偏振遥感反演算法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于差分进化粒子群的叶绿素偏振遥感反演算法，其特征在于：
3.根据权利要求2所述的基于差分进化粒子群的叶绿素偏振遥感反演算法，其特征在于，步骤1.2)具体为：
4.根据权利要求3所述的基于差分进化粒子群的叶绿素偏振遥感反演算法，其特征在于，步骤1.3)中，所述偏振反演模型包括离水辐射偏振遥感反射率的偏振反演模型和/或离水辐射偏振遥感偏振度的偏振反演模型；
5.根据权利要求4所述的...
【专利技术属性】
技术研发人员：刘佳，何贤强，李思远，贾欣胤，陈铁桥，王一豪，
申请(专利权)人：中国科学院西安光学精密机械研究所，
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。