新技术决定未来,遥感反演模型研究现状

目前生物光学模型与水质光学模型的研究是基于经验、半经验-半分析和软计算方法，如神经网络、偏最小二乘、遗传算法、模糊数据学、极限学习机(ASAC-ELM)算法及支持向量机等，且大部分反演模型的精准度误差均在20%以上，有待提高。如任春涛利用径向基(Radial basis function, RBF)神经网络(neural network)方法构建了适合湖泊水体水质浓度遥感反演模型，水质浓度遥感反演平均误差控制仅为±25%。叶绿素的遥感反演模型效果也较差，误差高达29.4%以上；仅清洁水体的反演效果相对较好，误差为16.2%。遥感藻蓝蛋白反演模型的平均相对误差甚至高达为59.1%。

大气校正是水质遥感应用的关键，在可见光波段大气的分子及气溶胶的后向散射占了传感器接收辐射量的90%以上, 即使是很小的大气校正误差也能引起很大的水质参数反演误差，故须发展大气校正模型以增加反演模型的可靠性。目前比较常用的是基于图像特征的相对校正法和基于大气辐射传输模型法。

(资讯来源:《现代科学仪器》期刊，由“现代科学仪器网”官方发布，转载请注明来源)