-
题名基于LSTM网络的海水石油污染含量遥感预测模型
被引量:6
- 1
-
-
作者
黄妙芬
王江颖
邢旭峰
王忠林
周运
-
机构
广东海洋大学数学与计算机学院
-
出处
《广东海洋大学学报》
CAS
北大核心
2021年第5期67-73,共7页
-
基金
国家自然科学基金项目(41771384)
国家重点研发计划重点专项资助项目(2016YFC1401203)。
-
文摘
【目的】建立一种基于美国陆地卫星Landsat遥感数据和长短期记忆(Long Short-Term Memory,LSTM)网络的海洋石油污染含量预测模型。【方法】利用1984-2020年在大连新港海域过境的Landsat卫星所采集的可见光-近红外波段(0.45~0.90μm)光谱数据,基于LSTM网络,分别建立空间分辨率为30 m、时间分辨率为8 d的4波段遥感反射比Rrs预测模型,并对预测模型所涉及的神经网络层数、隐藏神经元节点数和回溯时间步长等超参数进行优化;在4波段Rrs预测值的基础上,结合基于水体石油污染归一化遥感反射比指数(normalized difference petroleum remote sensing reflectance index,NDPRI)的石油含量遥感反演模型,对海域石油污染含量Co值进行预测。【结果】对于蓝光、绿光、红光和近红外4个波段,神经网络层数依次取3、3、4和3层,隐藏神经元节点取64、96、64和96个,回溯时间步长皆取6 d为最优;根据2021年1-5月现场的Co测量值,对LSTM网络预测值进行精度分析,平均相对误差为9.17%。【结论】基于LSTM网络建立的Co预测模型具有较好的精度,所预测的结果可弥补在有云情况Co数据缺失的问题,也可为相关Co未来动态演变研究提供一种新技术手段。
-
关键词
陆地卫星Landsat
长短期记忆网络(LSTM)
遥感反射比
石油污染含量
预测模型
-
Keywords
Landsat
Long Short-Term Memory network(LSTM)
remote sensing reflectance
petroleum pollutant content
prediction model
-
分类号
P76
[天文地球—海洋科学]
-