摘要
山东半岛是中国最大的半岛，所属海洋面积占渤海和黄海总面积的37%。总氮浓度是近岸海域水质评价的重要指标之一，总氮监测对于水资源保护有着重要的意义。水质遥感监测能够对水体进行长期、动态监测，并揭示多尺度时空变化，但如何利用长时序水质参数数据构建合适的反演模型是进行长期动态监测的关键。 本文以山东近岸海域的总氮浓度为研究目标，基于2008年至2018年获得的实测总氮浓度数据、MODIS和GOCI遥感影像反射率数据，通过分析得到敏感因子，构建了基于机器学习、深度学习的多种总氮浓度遥感反演模型，最后利用最优反演模型方法得到了2008年至2018年山东近岸海域总氮浓度的时空分布情况。本文的主要研究内容及结论如下： （1）研究了长时序MODIS和GOCI样本集的总氮浓度敏感因子。以青岛灵山湾为例分析了近岸海域水体的光谱特征，以±6小时的时间窗口以及剔除标准对MODIS和GOCI总氮样本数据进行筛选后，分别提取各自的遥感反射率数据构建样本集，并与总氮浓度进行Pearson相关性分析，结果表明MODIS的B2~B4波段对总氮浓度较敏感，GOCI的敏感因子则集中在B3、B4、B5和B3/B4、B3/B5等。 （2）构建了长时序近岸海域总氮浓度的一维卷积残差网络等遥感反演模型。基于遥感反射率数据及实测总氮浓度数据，分别构建了对卷积网络引入残差模块的一维卷积残差网络、BP（BackPropagationNeuronNetWork，BP）神经网络、PSO（ParticleSwarmOptimization，PSO）粒子群算法优化的BP神经网络、卷积网络模型，对比评价各模型的精度，一维卷积残差网络模型优于其它模型。 （3）反演了山东近岸海域总氮浓度的时空分布情况。对于山东近岸海域长时序总氮浓度反演，综合对比分析各遥感影像数据源、样本区域月份分类反演方式及构建的模型后，应用月份时相分类反演方式的一维卷积残差网络总氮反演模型，得到了山东近岸海域总氮浓度的时空分布情况。总氮浓度在每年的春夏秋三季整体呈现逐渐下降的趋势，且具有近岸高于远岸的空间分布规律。
NETL