深度神经网络叶绿素反演模型

跨湖通用

针对中国大湖泊开发的实用深度神经网络模型，可从VIIRS影像可靠反演叶绿素a，在清澈到浑浊的多种水体中均表现优于现有算法。

曹志刚 · Wang, Menghua · Ma, Ronghua · Yon, Zhang · 段洪涛 · Jiang, Lide · 薛坤 · Xiong, Junfeng · Hu, Minqi

Remote Sensing of Environment 2024

参数信息

叶绿素a反演偏差

5 %

叶绿素a反演MAPE

32 %

VIIRS Rrs偏差

−12 %

湖泊平均叶绿素a

9.5 μg L⁻¹

技术优势

跨湖通用

模型在79个湖泊上表现良好，覆盖清澈深水到浑浊浅水，表明其不依赖单一水体光学特性。

反演更准

与现有算法和其他机器学习算法相比，该模型显著降低了误差，反演精度更高。

十年长时序

模型已应用于生成2012–2021年中国大湖泊叶绿素a数据记录，支持长期变化分析。

应用场景

• 湖泊水质监测：提供十年连续叶绿素a数据，追踪湖泊营养状态变化。
• 内陆水体遥感：克服传统算法在复杂内陆水体的局限，实现跨湖反演。
• 卫星数据产品：生成可直接使用的VIIRS叶绿素a数据产品，降低使用门槛。
• 湖泊富营养化评估：通过叶绿素a估算湖泊富营养化比例，支持评估和管理。