|
丹江口水库总氮、氨态氮遥感反演及时空变化研究 |
Temporal and spatial monitoring of total nitrogen and ammonia nitrogen in Danjiangkou Reservoir |
投稿时间:2021-04-02 修订日期:2021-04-29 |
DOI: |
中文关键词: 丹江口水库 Sentinel-2 MSI 总氮 氨态氮 时空变化 |
英文关键词: Danjiangkou Reservoir Sentinel-2 MSI Total nitrogen Ammonia nitrogen Spatiotemporal Changes |
基金项目:国家自然科学基金 (U170420041); 中原科技创新领军人才项目(194200510010);河南省科技攻关项目(192102110086); 农业农村部耕地利用遥感重点实验室开放课题(2020LCLU002); 河南省软科学(192400410076); 河南理工大学博士基金项目(B2017-12); |
|
摘要点击次数: 946 |
全文下载次数: 0 |
中文摘要: |
定量反演水体水质指标含量,可以明晰水质指标的时空分布特征、迁移转化规律。本文以南水北调中线工程水源地丹江口水库为研究对象,根据 哨兵2号卫星(Sentinel-2)遥感影像不同波段组合的反射率,结合2016年2月的采样点的总氮(TN)与氨态氮(NH3-N)水质监测数据建立 BP 神经网络模型,反演2016-2020年 TN 与 NH3-N 含量,以此分析库区 TN 与 NH3-N 含量的时空变化特征,并探析其变化的影响因素。结果表明:构建的BP 神经网络模型中 TN 和 NH3-N 的拟合精度均较高,R2 分别为0.863和0.877,适用于丹江口水库 TN 和 NH3-N 遥感反演研究。丹江口水库 2016-2020 年间水质整体呈上升趋势, NH3-N 含量一直符合 Ⅰ 类水质标准,而TN含量在 Ⅲ 类水质标准与 Ⅳ 类水质标准之间。研究表明,利用Sentinel-2 影像波段所建立的BP 神经网络模型,适用于TN 与 NH3-N 含量的遥感反演,以此分析不同季节适合的反演模型,可以为大型湖泊水生态环境改善及水质监管提供技术支撑。 |
英文摘要: |
1. 采用BP 神经网络,利用机器学习和深度学习并结合经验的方法,将水质参数中的关键变量与非光学活性物质参数联系起来,揭示更高层次水质参数和非光学活性物质的非线性统计关系,使反演准确度更高;
2.利用长时间序列的Sentinel-2遥感影像提取水体信息,并以此反演水体TN and NH3-N浓度,定量分析水库水质信息的年内动态变化规律,适用于大型湖泊水体监测并确保结果更加精确。 |
HTML
View Fulltext
查看/发表评论 下载PDF阅读器 |
关闭 |