海洋遥感-基于模型方法.docVIP

海洋遥感-基于模型的方法 基于模型的算法的基本特征是运用生物-光学模型来描述水体的组分和水体光谱辐射率或反射率的关系，以及运用辐射-传输模型模拟光穿过大气和水体的机理。那些模型将用来推断水体表面和大气顶部（TOA）的模拟光谱的范围，推断是在特定的不同的水体组分的浓度和不同的大气状况的变化范围内的前提下进行的。这些推断出来的信息将被用来建立算法，这种算法用来建立一种从辐射或反射的光谱来反演特定水体的组分的反演映射。在应用这种算法的时候将不同程度地运用到数学原则。下面将阐述产生数据的总体方法。 代数方法 最简单的基于模型的方法就是那些可以使水色的半分析模型和反演得到的地球物理数据产生关联的代数表达式。在这种方法中，首先要运用水色模型，该模型将运用从水体的原有组分的内在光学特性的光谱曲线和这些特性与各个组分的浓度的关系中得到的经验数据。正是由于在应用理论模型时要用到经验数据，该方法被称之为“半分析”方法。这种方法之后被简化，使用近似值来减少未知数的数量，或者减少未知量的相关性。其得到的结果是一系列可以不断的获得模型中的未知量的代数公式。如果它们的关联是非线性的，可以使用上面的表格或者用均分法来降低正演模型和观测的差异来解决。可以从Carder等（1999）和Lee等（1996，1999）中找到实例。下图显示了该方法的一个输出实例： 图3.6 上图为1998年6月2日从SeaWiFS获得的影像并运用Carder等（1999）的算法得到的结果，图a为叶绿素-a的分布，图b为黄色物质在400nm波段的吸收。该算法表明的结果和实地测量的得到的结果基本一致，而标准的基于一类水体的算法应用于从SeaWiFS获得的影像过高地估计了叶绿素-a的浓度。 RRS 是关于后向散射系数（bb(λ)）和吸收系数的比例（a(λ)）的函数，而bb和a可以依次被归为具有光谱特征信息的参数中。此外，后向散射和吸收（浮游生物、黄色物质、其他颗粒状物质）的参数可以通过它们各自具体的光学特性和水体各组分的浓度关联起来。水体各组分的光学特征数据是从经验数据中得到的。这些关联对于不同的区域可以进行适当的修改和调整。 这种方法的优点是它使用了特定水体组分的已知光学特性，同时和理论模型RRS相一致。尽管该方法和应用于经验关系的测量方法以及辐射-传输模型关联时会有错误产生，但是应用于具体的二类水体（Carder等，1999；Lee等1996，1999）的结果表明该方法具有很高的准确性。该方法的缺点是它只能在有限的未知模型参数和变量（浓度的反演）情况下应用。随着未知量数量的增加，由于要同时考虑到许多未知量的反演，该方法就不能再应用。下面我们将讨论一些经典的方法。 非线性最优法 基于非线性最优决策法提供了卫星辐射反演的一种新方法。在这种方法中，一个正演模型（见第二章），无论是在水体表面还是大气顶部，都可以通过最小化计算值和测量的辐射值之间的差异来进行直接反演。各种不同的方法可用来进行最小化计算，其中包括像Levebberg-Marquardt法和单一算法（Nelder和Mead，1965）。用来进行最小化计算的数学函数可以从像NetLib() 或者是IMSL(International Mathematical and Statistical Library)等的网上资源中获得，从这些网上资源中可以得到Levebberg-Marquardt法应用的各种程序。 非线性最优法的基本原则就是将模型得到的辐射和测量的辐射之间的差异（χ2）最小化，最小化计算是通过在向模型中输入参数时改变可提供的参数的浓度（如叶绿素、悬浮物质的总量、黄色物质和气溶胶的光学厚度）来实现的。χ2的表达式如下： （3.2） 其中Lsat为通过卫星传感器测量得到的辐射值，Lmod为通过模型计算得到的辐射值，其总和包括了所有的波段。对χ2设定一个阈值，当χ2小于这个值时，就不再进行递归的计算。 这种反演方法可以再现模拟环境的非线性特性，此外，该方法与像神经网络法或主成分法有不同的地方，该方法不需要预先定义的数据和模拟假设数据。在基于模拟假设数据的方法中，这些数据要覆盖大范围的浓度变化范围，而且很难选择浓度的变化范围和分布位置来表现水体中的组分随着区域的变化而发生变化的特性。 很多学者已经将该方法应用到遥感的辐射测量或实地的辐射率测量。Bukata等（1981a,b;1991）应用该方法在美国的安大略湖进行了试验研究，该研究使用的光学特性数据是该区域所特有的信息，研究表明，模拟出来的叶绿素量、悬浮物质含量以及有机碳的溶解量和实地测量的结果有着很好的一致性。另一个重要的例子是由Doerffer和Fisher(1994)做的实验，他们运用单一算法和一个大气顶部模型对水体中的叶绿素、悬挂物质、溶解的有色有机物质和气溶胶的