遥感图像在秦皇岛海域赤潮监测中的应用研究

论文摘要

赤潮是指海水中某些浮游植物、原生动物或细菌在一定环境条件下爆发性增殖或聚集在一起而引起的水体变色的一种生态异常现象。本文从两个方面着手完成秦皇岛海域赤潮的监测。其一,建立基于现场实测数据的神经网络赤潮预测模型；其二,利用MODIS卫星遥感数据,建立检测秦皇岛海域赤潮发生的模型,并监测其发展趋势。在利用现场实测数据建立基于神经网络的赤潮预测模型方面,本文分别应用粒子群算法和遗传算法,建立起PSO-LMBP和GA-LMBP的赤潮预报模型,以改善LMBP网络在学习训练中容易陷入局部极小的缺点。经仿真实验证明,该改进算法有效提高了赤潮预报的稳定性和准确度。此外,还构建了基于主成分分析PCA算法的GRNN神经网络赤潮预测模型。实验结果证明,PCA-GRNN神经网络赤潮预测模型的预测精度高,且网络收敛快。在利用MODIS遥感数据监测赤潮方面,本文使用叶绿素a浓度阈值分割法、波段比值阈值分割法、最大似然监督分类法、基于决策树的赤潮信息提取方法,通过ENVI软件,分别进行秦皇岛海域的赤潮提取。实验结果表明,叶绿素a浓度探测方法对秦皇岛海域赤潮探测效果一般,模型尚有待改进；波段比值阈值分割模型、最大似然监督分类法均存在一定的不足之处；本文提出的秦皇岛海域多波段差值决策树赤潮检测模型,在对秦皇岛海域赤潮探测时,取得了满意的结果。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 赤潮概述
• 1.2 选题背景及研究意义
• 1.2.1 课题来源
• 1.2.2 秦皇岛海域概况
• 1.2.3 秦皇岛海域近年赤潮发生情况
• 1.2.4 秦皇岛海域赤潮生物种类
• 1.2.5 研究目的及意义
• 1.3 国内外研究现状
• 1.4 论文篇章结构及技术路线图
• 1.4.1 篇章结构
• 1.4.2 遥感图像赤潮提取的技术路线图
• 第2章 优化的LMBP神经网络赤潮预测模型
• 2.1 误差反向传播网络——BP网络
• 2.1.1 BP神经网络的结构
• 2.1.2 误差反向传播算法
• 2.1.3 BP神经网络的学习过程
• 2.1.4 BP神经网络的局限性
• 2.1.5 基于Levenberg-Marquardt法的改进算法
• 2.1.6 实验结果
• 2.2 PSO优化LMBP网络的赤潮预测模型
• 2.2.1 PSO算法
• 2.2.2 PSO-LMBP算法
• 2.2.3 实验结果
• 2.3 GA优化LMBP网络的赤潮预测模型
• 2.3.1 遗传算法
• 2.3.2 GA-LMBP算法的神经网络结构
• 2.3.3 用遗传算法优化神经网络权值的学习过程
• 2.3.4 实验结果
• 2.4 三种神经网络预测模型的实验分析
• 第3章 PCA-GRNN网络赤潮预测模型
• 3.1 主成分分析——PCA算法
• 3.2 模型输入因子选择
• 3.2.1 导致赤潮发生的环境因子
• 3.2.2 数据样本
• 3.2.3 数据的主成分分析
• 3.3 广义回归神经网络——GRNN网络
• 3.3.1 GRNN神经网络的理论基础
• 3.3.2 GRNN网络的结构
• 3.3.3 GRNN网络的特点
• 3.4 PCA-GRNN网络赤潮预测模型
• 3.4.1 模型设计
• 3.4.2 实验分析
• 第4章 卫星遥感图像处理理论基础
• 4.1 卫星遥感图像处理理论基础
• 4.1.1 卫星海洋遥感
• 4.1.2 水色卫星介绍
• 4.1.3 遥感数据介绍
• 4.2 数据定标
• 4.3 辐射校正
• 4.4 图像重采样
• 4.5 几何校正
• 4.6 大气校正
• 4.6.1 大气校正的必要性
• 4.6.2 Flaash模块介绍
• 4.6.3 利用Flaash处理MODIS数据
• 4.7 图像裁剪
• 4.8 图像增强
• 第5章 利用遥感图像探测秦皇岛海域赤潮
• 5.1 叶绿素a浓度法提取赤潮信息
• 5.1.1 叶绿素遥感的基本原理
• 5.1.2 叶绿素提取算法
• 5.1.3 赤潮判别
• 5.1.4 应用结果
• 5.2 波段比值法提取赤潮信息
• 5.2.1 赤潮水体光谱特性
• 5.2.2 波段比值算法
• 5.2.3 应用结果
• 5.3 基于目视解译的监督分类赤潮信息提取
• 5.3.1 先验类别知识获取
• 5.3.2 最大似然算法的水体分类
• 5.3.4 算法分类的流程
• 5.3.5 应用结果
• 5.4 基于多波段差值的决策树赤潮信息提取
• 5.5 实验结果分析
• 第6章 总结
• 参考文献
• 致谢