-
题名基于多尺度注意力融合的叶绿素a水质参数反演研究
- 1
-
-
作者
孙帮勇
巩凯杰
于涛
别倩雯
-
机构
西安理工大学印刷包装与数字媒体学院
中国科学院西安光学精密机械研究所光谱成像技术重点实验室
莱茵技术监督服务(广东)有限公司
-
出处
《光谱学与光谱分析》
北大核心
2025年第4期1190-1200,共11页
-
基金
国家自然科学基金项目(62076199)
陕西省重点研发计划项目(2022ZDLGY01-03,2024GX-YBXM-129)资助。
-
文摘
水资源是生态环境核心要素之一,目前大量的水域被工业化污染或富营养化破坏,因此实时监测水质参数对于维护水体健康至关重要。传统水质监测多利用实地采样测量法或基于线性回归预测法,由于遥感图像与水质参数之间显著的非线性特征,传统方法费时费力且预测精度不高。深度学习方法在处理复杂非线性问题中表现出良好性能,已被多位学者应用到水质参数反演中。基于深度学习的水质反演模型仍存在解析遥感光谱图像特征不精确、模型泛化能力差等问题。提出一种基于多尺度注意力融合机制的水质反演网络模型,能够采用遥感光谱图像准确预测出叶绿素a等水质参数,为水域健康程度评价提供依据。该网络融合了先进的注意力机制和特征融合策略,通过结合CNN的局部特征学习优势和Transformer的全局特征提取能力,引入了DenseASPP模块来获取遥感图像的多尺度特征,并采用通道注意力解码器模块和池化融合模块来提取细节特征。通过融合不同尺度和层次的特征信息对叶绿素a浓度进行估计,获得了较高的反演精度和泛化性能。为验证所提出反演模型的性能,实验在Python3.7和PyTorch框架下对模型进行实现,并选择2021年1月至2022年12月的海洋遥感光谱图像和叶绿素a浓度数据进行网络训练。实验对所提出的方法与其他7种水质反演方法进行对比,客观指标所提出方法均达到了最好的性能,较对比方法中最好的在R2指标上提高了0.09,在RMSE、MAE、MAD指标上分别降低了11.99、0.089、0.029,在Evar指标上提高了0.098,在NSE指标上提高了0.041;在主观评价上,所提出方法获得的叶绿素a浓度更精确,误差更小,不同水域中表现的泛化能力更强。
-
关键词
水质反演
叶绿素A
遥感光谱图像
多尺度注意力融合
-
Keywords
Water quality inversion
Chlorophyll-a
Remote sensing spectral images
Multiscale attention fusion
-
分类号
X87
[环境科学与工程—环境工程]
X832
[环境科学与工程—环境工程]
-
-
题名基于标准的轨道交通机车车辆电子设备试验
被引量：1
- 2
-
-
作者
邝建
卢俊文
-
机构
莱茵技术监督服务(广东)有限公司
-
出处
《城市轨道交通研究》
北大核心
2012年第11期I0014-I0017,共4页
-
文摘
EN 50155—2007是轨道交通机车电子设备普遍采用的标准。介绍了电子设备运行的环境条件和电气条件,对EN 50155中要求的电子设备所需要进行的强制性试验项目的测试要求和测试方法逐一进行了剖析。基于成本和代价,目前大多数企业难以完全满足标准中的要求,建议企业至少要满足EN 50155的测试部分的要求。产品出口到欧洲等技术规范完善国家和地区的整车制造商应积极执行EN 50155中的要求。
-
关键词
电子设备试验
机车车辆
欧洲标准
轨道交通
CCTV监控系统
电磁兼容测试
认证机构
测试工作
-
分类号
U270.14
[机械工程—车辆工程]
-
