利用MODIS反演武汉东湖叶绿素a浓度  

Retrieval of Chlorophyll-a Concentration in East Lake in Wuhan Using MODIS Data

作　　者：杨小琴[1,2] 何报寅[1] 梁胜文 肖锐[1,2] 胡柯 

机构地区：[1]中国科学院测量与地球物理研究所,武汉430077 [2]中国科学院研究生院,北京100049 [3]武汉环境监测中心站,武汉430051

出　　处：《世界科技研究与发展》2009年第3期497-500,共4页World Sci-Tech R&D

基　　金：中国博士后科学基金(2003034495);武汉市环保局课题"武汉市地表水环境质量监测优化布点研究"(0703);武汉市建委课题"遥感技术在武汉市生态环境质量监测中的应用研究"(200728)

摘　　要：以武汉东湖作为研究区域,对经过大气校正后MODIS影像的波段反射率与叶绿素a浓度实测值进行相关分析,分别应用BP人工神经网络模型和线性回归模型对武汉东湖的叶绿素a浓度进行了反演,并对两种反演方法的拟合和预测效果进行了比较。利用BP神经网络反演得到的拟合值与叶绿素a实测值的拟合效果略好于线性回归方法得到的结果,神经网络模型的可决系数R^2值0.90大于线性回归模型的R^2值0.820。神经网络模型预测的最小绝对误差为0.07μg/L,线性回归模型的最小绝对误差为2.08μg/L。最后分析了两个模型各自的优势,将模型应用到武汉东湖2008年5月19日的MODIS影像上反演出东湖水体叶绿素a浓度的分布情况,并对东湖水质进行了评价,结论与多年的地面监测结果一致。Based on relating the MODIS bands reflectivity after atmospheric correction to chlorophyll-a（chl-a） measurements, using artificial neural network model and linear regression model to retrieve chl-a concentration in East Lake in Wuhan. By comparing the fitting and forecasting results, the correlation of the fitting value and chl-a measurements by using BP neural network is slightly better than the result with using the linear regression model. The coefficient of determination of the BP neural network model （ R^2 = 0. 90） is higher than the value of linear regression model （ R^2 = 0. 820）. The minimum forecasting absolute error of BP neural network model is 0. 07μg/L, and the linear regression model is 2. 08μg/L. The advantage of each model is analyzed, the distribution map of chlorophyll-a concentration is gained by applying the model to the image of East Lake in Wuhan on May 19th ,2008 and the water quality is evaluated. The result of this study is consistent to the ground monitoring restilt of many years.

关 键 词：MODIS 叶绿素A 神经网络模型 线性回归模型 武汉东湖 

分 类 号：X87[环境科学与工程—环境工程] X524