改进SVR的内陆水体COD高光谱遥感反演

盛 辉，池海旭，许明明*，刘善伟，万剑华，王锦锦

1.中国石油大学(华东)，海洋与空间信息学院，山东 青岛 266580 2.珠海欧比特宇航科技股份有限公司，广东 珠海 519080

引 言

河流及水库作为内陆水资源的重要组成部分，对涵养水源、保护生态具有重要的作用。但近几十年来，自然因素和人为因素的双重压力使水环境在不同程度上受到了污染，水体富营养化的趋势愈加严峻，对水质进行动态监测和精细化的管理迫在眉睫。

传统的水质监测工作主要是获得监测区域内某些点的水质浓度信息，这些有限点的信息并不能反映出整个区域的情况，而遥感水质监测具有实时高效、监测范围广和适合于长期动态监测等特点[1]。化学需氧量(chemical oxygen demand，COD)可以用来表征水中有机物的含量，是遥感水质监测的重要指标。COD遥感监测主要是研究水体反射的光谱特征和COD浓度之间的关系，从而建立反演算法。水质参数反演的方法主要有两类：半经验方法和半分析方法[2]。一些学者利用半经验的分析方法研究COD和遥感参数之间的关系，通过构建的线性及生物光学等模型反演得到了内陆湖泊COD含量的分布情况，并进一步分析得到了COD的来源及影响[3]。但半经验模型的拟合精度范围大多在0.6～0.8之间，因此模型的准确性还有待提高。国内外的部分学者研究评估机器学习进行水质遥感的可行性[4-5]，表明在充足样本的情况下，人工神经网络能够对水质参数进行有效的反演分析。由于某些机器学习算法参数选择的不确定性以及COD光谱特征的微弱性，通常需要多次重复实验来获得最优参数从而提高模型的准确性。……