福建省自然科学基金计划项目申请书.docx

福建省自然科学基金计划项目申请书

本项目拟以闽江流域为研究区，聚焦高浊度二类水体水质遥感反演中的关键科学与技术问题，探索基于物理约束深度学习模型的叶绿素a、总悬浮物浓度和浊度高精度反演方法，为福建省流域水环境遥感监测提供技术支撑。闽江是福建省最大的河流，其水环境质量直接关系到福州等城市的饮用水水源安全与近岸海域生态健康。近年来，随着流域内点源与非点源污染负荷的增加，水体富营养化与悬浮物污染问题日益突出。传统的地面采样监测方式虽然精度高，但频率低、点位分散，难以满足大范围动态评估需求。卫星遥感能够同步获取全流域的反射光谱信息，已成为水质监测的重要手段。然而，闽江水体泥沙含量较高，光学信号受悬浮颗粒散射与植被碎屑吸收影响显著，属于典型的二类水体。常用的经验类反演算法在时空迁移时精度骤降，而半分析模型又依赖难以准确量化的固有光学参数。因此，亟需发展一种适应复杂水体的高鲁棒性反演模型，实现从水质参数反演到动态趋势分析的系统性突破。

在国内外已有研究中，水质遥感反演经历了由波段比值经验回归到半分析模型再到机器学习的发展过程。早期研究者利用蓝绿波段比值与经验回归估算叶绿素浓度，在开阔海域一类水体中取得良好效果，但应用于内陆浑浊水体时精度明显下降。此后，基于辐射传输机理的固有光学量反演方法被引入，通过水体吸收与散射的物理关系推导水质参数，提升了模型的物理可解释性，但该方法的参数化过程复杂，对实测