【技术实现步骤摘要】
本专利技术涉及数据处理，尤其涉及一种水体中叶绿素含量的估算方法及系统。
技术介绍
1、叶绿素a(chl-a)是包含在所有浮游植物种类中的叶绿素类型，会通过改变水体的初级生产力和富营养化程度来影响水生生物，在估算浮游植物生物量和富营养化状态中起着重要作用。当前，叶绿素a浓度过高导致的水体富营养化引起了一系列水生态系统异常问题，包括沉水植物消减、蓝藻水华频发、初级生产力和微生物量增加、生物多样性下降以及养分循环利用效率加快等。估算水体的叶绿素a含量，有助于为政府部门和决策者制定水体富营养化和有害藻华治理措施提供信息支撑。
2、当前，叶绿素a的测量主要是通过三波段tbm模型，利用遥感技术，通过测量水体在蓝光、绿光和红光三个波段的反射率，反演计算出叶绿素a的浓度。这种方法具有快速、大面积同步观测的优势，常用于生态环境监测和评估。
3、然而，三波段tbm模型只选取了蓝光、绿光和红光三个波段，忽略了其他可能有用的波段信息，导致模型无法充分利用所有可用数据，影响测量精度。并且，三波段tbm模型基于一定的假设，例如水体中只有叶绿...
【技术保护点】
1.一种水体中叶绿素含量的估算方法，其特征在于，包括：
2.根据权利要求1所述的水体中叶绿素含量的估算方法，其特征在于，所述S3具体为：构建基于遗传算法与人工神经网络结合的叶绿素含量估算模型，通过所述遗传算法，计算反向路径，确定所述人工神经网络的最佳网络权重；
3.根据权利要求2所述的水体中叶绿素含量的估算方法，其特征在于，所述S3中的通过所述遗传算法，计算反向路径，确定所述人工神经网络的最佳网络权重，具体包括：
4.根据权利要求3所述的水体中叶绿素含量的估算方法，其特征在于，所述适应度函数具体为：
5.根据权利要求3所...
【技术特征摘要】
1.一种水体中叶绿素含量的估算方法，其特征在于，包括：
2.根据权利要求1所述的水体中叶绿素含量的估算方法，其特征在于，所述s3具体为：构建基于遗传算法与人工神经网络结合的叶绿素含量估算模型，通过所述遗传算法，计算反向路径，确定所述人工神经网络的最佳网络权重；
3.根据权利要求2所述的水体中叶绿素含量的估算方法，其特征在于，所述s3中的通过所述遗传算法，计算反向路径，确定所述人工神经网络的最佳网络权重，具体包括：
4.根据权利要求3所述的水体中叶绿素含量的估算方法，其特征在于，所述适应度函数具体为：
5.根据权利要求3所述的水体中叶绿素含量的估算方法，其特征在于，所述s307具体为：
【专利技术属性】
技术研发人员：王国强，阿膺兰，朱宜，薛宝林，王运涛，
申请(专利权)人：北京师范大学，
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。