【技术实现步骤摘要】
本专利技术涉及水生态环境遥感监测，特别是涉及基于垂向预分类和深度学习的藻总量遥感估算方法及系统。
技术介绍
1、传统的藻总量估算方法主要依赖于采样分析和遥感监测浮游藻类光学特征。采样分析藻总量具有直接、快速、准确的优势，但其时空代表性有限，难以反映其动态变化。卫星遥感具有独特视角及大尺度同步观测能力，能够快速高效、周期重复地观测浮游藻类的时空变化。然而传统的藻总量遥感估算模型大都基于藻类垂向均一的假设，忽略了藻类非均匀分布的实际情况，给藻类生物量估算带来了较大误差。河口近岸、湖泊、水库等ⅱ类水体受陆源影响大，浮游藻类的垂向分布及其光学特征复杂，现有藻总量遥感估算方法难以在长时序、大范围遥感监测中取得稳定高精度。
技术实现思路
1、为了解决现有技术的不足，本专利技术提供了基于垂向预分类和深度学习的藻总量遥感估算方法及系统，基于多源遥感数据、浮游藻类相关生态指标（表层及垂向多层叶绿素a浓度、生物量等）监测数据和深度学习算法，开发考虑垂向非均匀分布的藻总量遥感反演模型。该方法融合了浮游藻类剖面监...
【技术保护点】
1.基于垂向预分类和深度学习的藻总量遥感估算方法，其特征是，包括：
2.如权利要求1所述的基于垂向预分类和深度学习的藻总量遥感估算方法，其特征是，获取水体表层的叶绿素a浓度反演结果，具体包括：
3.如权利要求2所述的基于垂向预分类和深度学习的藻总量遥感估算方法，其特征是，构建训练集和验证集，具体包括：
4.如权利要求3所述的基于垂向预分类和深度学习的藻总量遥感估算方法，其特征是，对预处理操作后的数据进行特征筛选出最优特征波段组合，具体包括：
5.如权利要求2所述的基于垂向预分类和深度学习的藻总量遥感估算方法，其特征是，所...
【技术特征摘要】
1.基于垂向预分类和深度学习的藻总量遥感估算方法，其特征是，包括：
2.如权利要求1所述的基于垂向预分类和深度学习的藻总量遥感估算方法，其特征是，获取水体表层的叶绿素a浓度反演结果，具体包括：
3.如权利要求2所述的基于垂向预分类和深度学习的藻总量遥感估算方法，其特征是，构建训练集和验证集，具体包括：
4.如权利要求3所述的基于垂向预分类和深度学习的藻总量遥感估算方法，其特征是，对预处理操作后的数据进行特征筛选出最优特征波段组合，具体包括：
5.如权利要求2所述的基于垂向预分类和深度学习的藻总量遥感估算方法，其特征是，所述训练后的transformer模型，包括：依次连接的输入层、多头注意力机制层、第一层归一化模块、前馈神经网络、第二层归一化模块和解码器；所述第一层归一化模块的输入端还与输入层连接；所述第二层归一化模块的输入端还与输入端连接。
6.如权利要求1所述的基于垂向预分类和深度...
【专利技术属性】
技术研发人员：陈金月，唐良果，李艺，王国强，张传兴，李鹏飞，任世龙，房磊，李艳霞，王新锋，任鹏杰，辛鑫，张庆竹，王桥，
申请(专利权)人：山东大学，
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。