我所開發自適應智能算法遙感反演水體藻清蛋白、葉綠素濃度
我所水環境遙感學科組在藍綠藻豐度指示性色素——藻清蛋白（PC）、葉綠素（Chl-a）遙感估算方面取得研究進展，相關研究成果發表在遙感和環境科學領域的國際主流學術期刊上（IEEE Transactions on Geoscience and Remote Sensing, ISPRS Journal of Photogrammetry and Remote Sensing），該成果對內陸渾濁水體光學特性定量刻畫及水環境遙感監測算法的發展具有積極的推動作用。
學科組與美國印第安納大學印第安納波利斯校區李林教授進行合作，開發了自適應智能算法PLS-ANN（Partial Least Squares-Artificial Neural Networks )，對內陸重要湖泊和城市水源地的Chl-a和PC進行了遙感算法研究[1-2]。研究結果表明PLS所選取的波段與波段比值算法、半解析模型所采用的特征波段基本一致，具有很好的理論基礎。ANN結合PLS選取的波段信息基礎上，在Chl-a和PC濃度遙感反演方面表現穩定，具有很好的外推性。研究證明，在有代表性的大樣本訓練下，PLS-ANN模型可以直接用于水體Chl-a和PC濃度估算。
上述研究工作分別得到NASA項目(NNG06GA92G)及國家自然科學基金項目（41171293）資助。
[1]. Song, K. S., Li, L., Li, S., Tedesco, L., Duan, H. T., Li, Z. C., Shi, K., Du, J., Zhao, Y., Shao, T. T. 2014. Using Partial Least Squares-Artificial Neural Network for Inversion of Inland Water Chlorophyll-a. IEEE Transactions on Geoscience and Remote Sensing, 52: 1502-1517.
[2]. Song, K. S., Li, L., Tedesco, L., Li, S., Hall, B., Du, J. 2014. Remote quantification of phycocyanin in potable water sources through an adaptive model. ISPRS Journal of Photogrammetry and Remote Sensing, 95: 68-80.
附件下載：
吉公網安備22017302000214號
