改進(jìn)SVR的內(nèi)陸水體COD高光譜遙感反演

盛 輝，池海旭，許明明*，劉善偉，萬(wàn)劍華，王錦錦

1.中國(guó)石油大學(xué)(華東)，海洋與空間信息學(xué)院，山東 青島 266580 2.珠海歐比特宇航科技股份有限公司，廣東 珠海 519080

引 言

河流及水庫(kù)作為內(nèi)陸水資源的重要組成部分，對(duì)涵養(yǎng)水源、保護(hù)生態(tài)具有重要的作用。但近幾十年來(lái)，自然因素和人為因素的雙重壓力使水環(huán)境在不同程度上受到了污染，水體富營(yíng)養(yǎng)化的趨勢(shì)愈加嚴(yán)峻，對(duì)水質(zhì)進(jìn)行動(dòng)態(tài)監(jiān)測(cè)和精細(xì)化的管理迫在眉睫。

傳統(tǒng)的水質(zhì)監(jiān)測(cè)工作主要是獲得監(jiān)測(cè)區(qū)域內(nèi)某些點(diǎn)的水質(zhì)濃度信息，這些有限點(diǎn)的信息并不能反映出整個(gè)區(qū)域的情況，而遙感水質(zhì)監(jiān)測(cè)具有實(shí)時(shí)高效、監(jiān)測(cè)范圍廣和適合于長(zhǎng)期動(dòng)態(tài)監(jiān)測(cè)等特點(diǎn)[1]?；瘜W(xué)需氧量(chemical oxygen demand，COD)可以用來(lái)表征水中有機(jī)物的含量，是遙感水質(zhì)監(jiān)測(cè)的重要指標(biāo)。COD遙感監(jiān)測(cè)主要是研究水體反射的光譜特征和COD濃度之間的關(guān)系，從而建立反演算法。水質(zhì)參數(shù)反演的方法主要有兩類：半經(jīng)驗(yàn)方法和半分析方法[2]。一些學(xué)者利用半經(jīng)驗(yàn)的分析方法研究COD和遙感參數(shù)之間的關(guān)系，通過(guò)構(gòu)建的線性及生物光學(xué)等模型反演得到了內(nèi)陸湖泊COD含量的分布情況，并進(jìn)一步分析得到了COD的來(lái)源及影響[3]。但半經(jīng)驗(yàn)?zāi)Ｐ偷臄M合精度范圍大多在0.6～0.8之間，因此模型的準(zhǔn)確性還有待提高。國(guó)內(nèi)外的部分學(xué)者研究評(píng)估機(jī)器學(xué)習(xí)進(jìn)行水質(zhì)遙感的可行性[4-5]，表明在充足樣本的情況下，人工神經(jīng)網(wǎng)絡(luò)能夠?qū)λ|(zhì)參數(shù)進(jìn)行有效的反演分析。由于某些機(jī)器學(xué)習(xí)算法參數(shù)選擇的不確定性以及COD光譜特征的微弱性，通常需要多次重復(fù)實(shí)驗(yàn)來(lái)獲得最優(yōu)參數(shù)從而提高模型的準(zhǔn)確性。另外，研究人員在野外實(shí)驗(yàn)中需要花費(fèi)大量的時(shí)間和精力才能夠收集到足夠的水質(zhì)參數(shù)數(shù)據(jù)。因此，構(gòu)建結(jié)構(gòu)簡(jiǎn)單、適合小樣本的水質(zhì)參數(shù)反演模型尤為重要。研究表明，經(jīng)過(guò)優(yōu)化的支持向量回歸機(jī)(support vector regression，SVR)具有結(jié)構(gòu)簡(jiǎn)單、全局最優(yōu)的特點(diǎn)，已經(jīng)廣泛應(yīng)用到葉綠素、懸浮物、溶解氧和水體富營(yíng)養(yǎng)化的水質(zhì)研究中[6-7]，但是針對(duì)COD的反演研究較少。因此，本工作采用改進(jìn)的SVR方法進(jìn)行COD反演。

用于COD反演的數(shù)據(jù)源主要集中于Landsat，Modis和Sentinel-2等多光譜數(shù)據(jù)[8]。高光譜數(shù)據(jù)可以捕獲由不同水質(zhì)濃度引起的光譜變化，并在內(nèi)陸水質(zhì)監(jiān)測(cè)中顯示出巨大的潛力[9-10]。但由于水體光譜影響機(jī)理的復(fù)雜性和其他水質(zhì)參數(shù)的影響[11]，狹小區(qū)域的COD反演和變化監(jiān)測(cè)需要兼有高空間分辨率和高光譜分辨率的數(shù)據(jù)提供支持。實(shí)測(cè)的水表面光譜反射率具有受大氣影響較小的特征[12]，將其與高光譜圖像結(jié)合可以更準(zhǔn)確地估算COD濃度[13]。林建遠(yuǎn)等通過(guò)航空高光譜數(shù)據(jù)和實(shí)測(cè)的水表面反射率反演得到了杭嘉湖平原河道的COD含量，但是航空高光譜數(shù)據(jù)的獲取難度大、成本高。珠海一號(hào)高光譜衛(wèi)星(orbita hyper spectral, OHS)數(shù)據(jù)具有高空間分辨率、高時(shí)間分辨率和易于獲取的特點(diǎn)。因此，采用現(xiàn)場(chǎng)實(shí)測(cè)光譜反射率數(shù)據(jù)結(jié)合珠海一號(hào)高光譜衛(wèi)星數(shù)據(jù)用于COD濃度的反演。

針對(duì)COD光譜特征的微弱性以及SVR參數(shù)選取困難、易陷入局部極值的問(wèn)題，基于高光譜數(shù)據(jù)，提出了一種模擬退火—粒子群算法(simulated annealing-particle swarm algorithm，SA-PSO)優(yōu)化的SVR方法進(jìn)行COD濃度反演。首先，基于實(shí)測(cè)的光譜數(shù)據(jù)建立濰河—峽山水庫(kù)區(qū)域的COD高光譜反演模型，減少大氣校正對(duì)反演精度的影響。然后應(yīng)用于OHS高光譜數(shù)據(jù)對(duì)該區(qū)域的COD含量進(jìn)行遙感估算，以期為濰河流域的水質(zhì)監(jiān)測(cè)與綜合管理和OHS衛(wèi)星數(shù)據(jù)在內(nèi)陸水質(zhì)的反演應(yīng)用提供基礎(chǔ)數(shù)據(jù)與科學(xué)參考。

1 研究區(qū)域與數(shù)據(jù)

濰河及峽山水庫(kù)位于山東半島，是膠東地區(qū)的戰(zhàn)略水源地之一。濰河是流經(jīng)峽山水庫(kù)的主要河流之一，發(fā)源于沂水縣和莒縣，最終注入渤海，河長(zhǎng)200多公里，流域面積近萬(wàn)平方公里；峽山水庫(kù)的注入河流有濰河、渠河和浯河等河流，入庫(kù)量為8×108m3左右。峽山水庫(kù)周圍及濰河上下游區(qū)域分布著眾多村莊和工廠，該河域?yàn)橹苓叺貐^(qū)的居民飲水，農(nóng)業(yè)灌溉和工業(yè)發(fā)展做出了重要貢獻(xiàn)。同時(shí)，該地區(qū)的百姓生活與經(jīng)濟(jì)發(fā)展也對(duì)水質(zhì)造成了一定的影響，采用遙感技術(shù)對(duì)該地區(qū)的水質(zhì)進(jìn)行監(jiān)測(cè)顯得尤為必要。

1.1 實(shí)測(cè)數(shù)據(jù)

2019年10月26日—10月28日，分別在濰河流域的古縣大橋、峽山水庫(kù)、輝村和金口大橋附近水域進(jìn)行水體取樣和光譜采集，采集光譜數(shù)據(jù)12組，28日有效測(cè)得COD濃度數(shù)據(jù) 22組。將采水器采集到的表面水樣裝在琥珀瓶中，在瓶體貼標(biāo)簽記錄好采樣地點(diǎn)、時(shí)間和當(dāng)時(shí)的天氣情況并拍照保存，最終在實(shí)驗(yàn)室化驗(yàn)得到各采樣點(diǎn)COD的濃度值。

圖1 濰河及峽山水庫(kù)現(xiàn)場(chǎng)實(shí)驗(yàn)點(diǎn)位圖

光譜測(cè)量采用YW-TRIOS-AWRMMS水面移動(dòng)測(cè)量系統(tǒng)(光譜范圍320～943.7 nm, 共190個(gè)波段)，該儀器內(nèi)置GPS定位系統(tǒng)，攜帶方便可用于各種情況的光譜測(cè)量。測(cè)量過(guò)程中，保持伸縮桿方向和太陽(yáng)入射平面135°的夾角可使3根傳感器分別有效測(cè)量太陽(yáng)輻照度、水面輻照度和天空輻照度三種參數(shù)，并可在顯示屏上查看光譜曲線。在每個(gè)采樣點(diǎn)測(cè)量10組光譜以最小化不確定性，通過(guò)光譜數(shù)據(jù)的處理程序及Mobley(1999)的方法對(duì)光譜數(shù)據(jù)進(jìn)行處理，即可得到離水輻亮度和遙感反射率等光譜數(shù)據(jù)信息參數(shù)。

1.2 遙感數(shù)據(jù)

OHS衛(wèi)星于2018年4月26日成功發(fā)射升空，彌補(bǔ)了我國(guó)在高光譜數(shù)據(jù)上的不足，開啟了商業(yè)航天遙感的新時(shí)代。OHS衛(wèi)星空間分辨率為10 m, 4顆高光譜衛(wèi)星的重訪周期為2.5 d，單次成像范圍為150 km×320 km，光譜分辨率為3～8 nm，光譜范圍為466～940 nm, 共32個(gè)波段。由于其具有幅寬大、高空間分辨率、高光譜分辨率和高時(shí)間分辨率的特點(diǎn)，非常有利于反演光學(xué)特性復(fù)雜多變的內(nèi)陸水體、小型水庫(kù)和河流的水質(zhì)參數(shù)等相關(guān)研究。OHS數(shù)據(jù)是當(dāng)前能夠進(jìn)行小區(qū)域水質(zhì)參數(shù)反演的最佳數(shù)據(jù)源。

采用珠海歐比特宇航科技股份有限公司提供的2景濰河流域2019年10月28日的OHS高光譜數(shù)據(jù)。首先對(duì)影像數(shù)據(jù)進(jìn)行輻射定標(biāo)、大氣校正、影像拼接與陸地掩膜等處理，最終得到僅有濰河流域區(qū)域在內(nèi)的影像產(chǎn)品。大氣校正是為了消除大氣分子和氣溶膠的影響，是準(zhǔn)確獲得水質(zhì)遙感信息的前提。FLAASH模型用于遙感影像的大氣糾正具有很好的應(yīng)用效果；故使用FLAASH模型進(jìn)行大氣校正，然后根據(jù)采樣點(diǎn)的坐標(biāo)位置，在影像上提取各點(diǎn)對(duì)應(yīng)的反射率信息。

2 改進(jìn)SVR的內(nèi)陸水體COD高光譜遙感反演模型

建立COD的反演模型，首先要對(duì)光譜數(shù)據(jù)進(jìn)行歸一化和相關(guān)性分析等預(yù)處理，然后基于對(duì)COD敏感的波段結(jié)合SA-PSO算法建立SVR反演模型。

2.1 光譜數(shù)據(jù)與COD的相關(guān)性分析

為了削弱野外環(huán)境給光譜測(cè)量造成的影響，同時(shí)也使光譜數(shù)據(jù)和OHS影像光譜范圍相對(duì)應(yīng)，采用歸一化的方法對(duì)466～940 nm的光譜數(shù)據(jù)進(jìn)行預(yù)處理。歸一化的公式如式(1)

(1)

式(1)中：RN(λi)為水體遙感反射率的歸一化結(jié)果，R(λi)為原始的遙感反射率，λi為i處波長(zhǎng)，n為466～940 nm處的波段數(shù)。

Pearson相關(guān)性分析是從統(tǒng)計(jì)學(xué)的角度研究?jī)蓚€(gè)或多個(gè)隨機(jī)變量間關(guān)聯(lián)度強(qiáng)弱的方法。相關(guān)系數(shù)的大小可以描述變量間的密切程度，兩個(gè)變量的相關(guān)系數(shù)表達(dá)式如式(2)

(2)

式(2)中：yi是各個(gè)采樣點(diǎn)水質(zhì)參數(shù)的濃度，xi是各個(gè)采樣點(diǎn)的地表反射率。

2.2 基于SA-PSO算法優(yōu)化的SVR模型

SVR是基于機(jī)器學(xué)習(xí)的一種算法，通過(guò)核函數(shù)將非線性數(shù)據(jù)映射到高維空間構(gòu)造決策函數(shù)進(jìn)行線性回歸，在解決小樣本、非線性和高維模式識(shí)別問(wèn)題方面具有其獨(dú)特的優(yōu)勢(shì)，經(jīng)常用于小樣本水質(zhì)參數(shù)的反演[14]。SVR模型的數(shù)學(xué)關(guān)系為式(3)

f(xi)=ωTφ(xi)+B

(3)

式(3)中，xi為樣本數(shù)據(jù)，ω為待辨識(shí)的權(quán)重，φ(xi)為非線性映射，f(xi)為特征空間中的線性函數(shù)，B為常數(shù)項(xiàng)。

由于SVR模型存在參數(shù)選取難的問(wèn)題，如何確定最優(yōu)參數(shù)直接影響到SVR模型的學(xué)習(xí)和泛化能力。根據(jù)鳥群覓食行為提出的粒子群算法PSO常用于對(duì)SVR模型參數(shù)進(jìn)行優(yōu)化選取，將只有位置和速度兩個(gè)屬性的粒子模擬為鳥，每個(gè)粒子在空間中的極值Pbest作為潛在的最優(yōu)解Gbest; 所有粒子根據(jù)式(4)不斷調(diào)整各自的位置和速度，直至獲得最優(yōu)解。同時(shí)，在粒子群更新過(guò)程中引入模擬退火算法SA可提高PSO算法的全局尋優(yōu)能力，即利用其在尋優(yōu)過(guò)程中的突跳能力對(duì)粒子群算法進(jìn)行改進(jìn)。SA算法本質(zhì)是模擬高溫物體退火過(guò)程中尋找全局最優(yōu)解的過(guò)程。初始溫度T的確定采用適應(yīng)度和和接受概率的方法，由式(5)決定

Vi+1=ω×Vi+c1×rand×(Pbest-Xi)+

c2×rand×(Gbest-Xi)

Xi+1=Xi+Vi+1

(4)

T=(fmax-fmin)/lnp=-|Δf|/lnp

(5)

式中：fmax和fmin和Δf為初始粒子群最大、最小適應(yīng)度值及其差值，p為初始接受概率，p=0.8。

建立基于SA-PSO算法優(yōu)化的SVR模型，關(guān)鍵是利用SA-PSO算法優(yōu)化支持向量回歸模型中判別函數(shù)的懲罰因子C和核函數(shù)中核的寬度g。建立SA-PSO優(yōu)化SVR模型的主要步驟如圖2所示。

圖2 SA-PSO優(yōu)化SVR流程

(1)粒子群的初始化。對(duì)粒子速度，位置，懲罰因子C和RBF核函數(shù)寬度等參數(shù)進(jìn)行初始化。設(shè)置初始退火溫度T，并將最大迭代次數(shù)設(shè)置為200。

(2)計(jì)算群體中每個(gè)粒子的適應(yīng)度。如果新的適應(yīng)性值好于原始值，則接受新位置。否則，將保留舊位置。

(3)根據(jù)式(5)更新粒子的位置和速度。

(4)收斂性的判斷。如果滿足終止條件，則算法停止。否則，執(zhí)行退火操作，轉(zhuǎn)到(2)。

(5)輸出最優(yōu)參數(shù)C和g。

3 實(shí)驗(yàn)與結(jié)果討論

進(jìn)行COD的高光譜反演，首先要對(duì)光譜進(jìn)行歸一化和相關(guān)性分析來(lái)確定敏感因子，然后根據(jù)敏感因子和COD濃度建立反演模型。最后通過(guò)使用與采樣點(diǎn)相對(duì)應(yīng)的OHS反射率數(shù)據(jù)來(lái)分析模型的準(zhǔn)確性，并將SA-PSO-SVR應(yīng)用于濰河流域的OHS數(shù)據(jù)進(jìn)行COD的空間分析。

3.1 光譜數(shù)據(jù)與COD的相關(guān)性分析

實(shí)測(cè)的原始光譜曲線如圖3(a)所示，根據(jù)等式(1)進(jìn)行歸一化的結(jié)果如圖3(b)所示。與原始光譜曲線相比，歸一化光譜曲線的形狀發(fā)生了變化，反射谷和反射峰更加明顯。從560，680和710 nm的反射率值可以發(fā)現(xiàn)，當(dāng)濃度增加時(shí)，反射峰具有向短波長(zhǎng)方向移動(dòng)而反射谷向長(zhǎng)波方向移動(dòng)的趨勢(shì)。

圖3 原始光譜(a)和歸一化后的光譜(b)

Pearson相關(guān)性分析的輸入反射率形式包括單波段和波段比值等形式。研究表明, 波段比值組合可部分消除水表面光滑度和微波等其他環(huán)境因素的影響[15]，能在一定程度上有效提高水質(zhì)參數(shù)反演的精度。對(duì)各個(gè)采樣點(diǎn)的COD濃度分別與每組光譜數(shù)據(jù)的波段比值組合做Pearson相關(guān)性分析，得到COD濃度與波段比值組合的相關(guān)性分析結(jié)果如圖4所示，最佳反演因子是518 nm/940.4 nm，663.6 nm/636.8 nm，729.2 nm/890.9 nm和752.3 nm/857.9 nm四種波段比值組合。

圖4 466～940 nm的實(shí)測(cè)光譜比值與COD濃度的Pearson相關(guān)性分析結(jié)果

3.2 COD反演

根據(jù)選取的最佳反演因子，用12個(gè)采樣點(diǎn)的光譜數(shù)據(jù)來(lái)訓(xùn)練SA-PSO-SVR模型。根據(jù)相關(guān)研究及反復(fù)實(shí)驗(yàn)，設(shè)置種群規(guī)模為50，進(jìn)化次數(shù)為200，選取參數(shù)c1和c2均為0.5，SVR模型的C和g的取值范圍為[0.1, 1 000]和[0.1, 10]。對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行歸一化處理后，經(jīng)過(guò)SA-PSO優(yōu)化獲得的懲罰因子C與核參數(shù)g分別為151.09和0.36。

利用28日測(cè)得的22個(gè)采樣點(diǎn)數(shù)據(jù)作為檢查點(diǎn)，在OHS影像上提取與采樣點(diǎn)相對(duì)應(yīng)的反射率，導(dǎo)入SA-PSO-SVR模型得到各個(gè)檢查點(diǎn)的預(yù)測(cè)值。圖5為SA-PSO-SVR精度分析結(jié)果。紅色點(diǎn)為利用光譜數(shù)據(jù)建立模型得到的實(shí)測(cè)值和預(yù)測(cè)值的分布情況，雖然某些采樣點(diǎn)的預(yù)測(cè)值與實(shí)測(cè)值具有一定差異，但依然可以看出SA-PSO-SVR模型的反演結(jié)果與實(shí)測(cè)值呈現(xiàn)較好的相關(guān)一致性，其模型決定系數(shù)為0.86。綠色點(diǎn)為檢查點(diǎn)數(shù)據(jù)的預(yù)測(cè)值和實(shí)測(cè)值的分布情況，平均相對(duì)誤差(MRE)和均方誤差(RMSE)分別為9.04%和3.64 mg·L-1，說(shuō)明該模型可以實(shí)現(xiàn)對(duì)COD濃度的有效反演。

圖5 SA-PSO-SVR精度分析

3.3 SA-PSO-SVR精度分析

從圖5可以看出，OHS數(shù)據(jù)部分反演結(jié)果與實(shí)測(cè)值差距略大，推測(cè)原因?yàn)閿?shù)據(jù)質(zhì)量參差不齊。由于TRIOS光譜測(cè)量?jī)x和OHS衛(wèi)星是兩種截然不同的傳感器，傳感器的信噪比等參數(shù)并不一致，因此兩種儀器獲得的數(shù)據(jù)質(zhì)量并不一致。研究表明，COD對(duì)水體的光學(xué)特性響應(yīng)很微弱，為了減少河道兩邊其他非水體像元的影響，采樣點(diǎn)的像元位置盡可能的選在距離監(jiān)測(cè)點(diǎn)近的河道中央，但由于河道中央流速較快，可能導(dǎo)致河中央同采樣點(diǎn)的COD濃度存在一定差異，進(jìn)而造成部分反演結(jié)果與實(shí)測(cè)值的差異較大。

另外，基于光譜數(shù)據(jù)分別建立SVR和BP神經(jīng)網(wǎng)絡(luò)和線性回歸(LR)模型，將SVR模型的懲罰因子C與核參數(shù)g設(shè)置為109.85和0.000 1；根據(jù)相關(guān)研究及反復(fù)實(shí)驗(yàn)，設(shè)置BP神經(jīng)網(wǎng)絡(luò)模型的隱含層節(jié)點(diǎn)為12，最大訓(xùn)練次數(shù)為2 000，期望誤差為0.000 1，學(xué)習(xí)速率為0.01。SVR和BP神經(jīng)網(wǎng)絡(luò)和LR模型的決定系數(shù)分別為0.712，0.598和0.494。從圖6(a)可以看出，SVR模型的整體反演效果較好，但是OHS數(shù)據(jù)的部分反演結(jié)果低于實(shí)際測(cè)量值。從圖6(b)可以看出BP神經(jīng)網(wǎng)絡(luò)模型的RMSE和MRE分別為1.93 mg·L-1和5.18%，與其他兩種模型的結(jié)果相差不大；但是從OHS數(shù)據(jù)的反演情況看，BP神經(jīng)網(wǎng)絡(luò)模型的結(jié)果陷入了局部最優(yōu)，由此也證明BP神經(jīng)網(wǎng)絡(luò)模型確實(shí)存在參數(shù)選取困難的問(wèn)題。另外，從圖6(c)可以看出，光譜數(shù)據(jù)的RMSE和MRE分別為3.00 mg·L-1和8.53%，與其他模型結(jié)果相近，但OHS影像的反演結(jié)果要普遍高于實(shí)測(cè)值。綜合來(lái)看，SA-PSO-SVR模型的反演效果優(yōu)于其他模型。

圖6 SVR, BP神經(jīng)網(wǎng)絡(luò)，LR模型預(yù)測(cè)評(píng)估

3.4 COD濃度空間分布分析

將SA-PSO-SVR模型應(yīng)用于OHS數(shù)據(jù)，得到的COD濃度空戒分布如圖7所示?？梢钥闯觯珻OD的濃度呈現(xiàn)部分區(qū)域濃度高的特點(diǎn)，在韓信壩、峽山水庫(kù)的東北部區(qū)域、渠河與濰河的交叉口及輝村與金口大橋之間的濃度明顯偏高。

圖7 COD濃度分布情況

結(jié)合濰河流域地理情況并查閱相關(guān)資料發(fā)現(xiàn)，濰河流域附近分布著眾多工廠，大部分企業(yè)將工業(yè)污水排入河中，這些河流(濰河、渠河等)攜帶污染物最終匯入峽山水庫(kù)，是導(dǎo)致峽山水庫(kù)東部沿岸區(qū)域的COD濃度明顯高于其他區(qū)域的原因之一。另外，庫(kù)區(qū)及濰河等其他河流兩岸分布著眾多村莊，百姓的農(nóng)業(yè)生產(chǎn)活動(dòng)依賴于該區(qū)域的水資源，農(nóng)業(yè)生產(chǎn)帶來(lái)的化肥、農(nóng)藥等污染物也是造成該局部區(qū)域COD濃度過(guò)高的原因之一。同時(shí)，研究表明農(nóng)作物腐爛死亡降解產(chǎn)生的有機(jī)物也會(huì)造成局部區(qū)域的COD濃度增高。另外，在韓信壩和山陽(yáng)村附近區(qū)域有多處攔河大壩，部分區(qū)域河流徑流量減少，遙感影像獲取的COD反射信息不充分，造成該區(qū)域的COD反演結(jié)果偏高。

4 結(jié) 論

針對(duì)SVR模型參數(shù)選取困難和易陷入局部極值的情況，本文基于水面以上的光譜數(shù)據(jù)建立了SA-PSO-SVR模型，通過(guò)珠海一號(hào)衛(wèi)星數(shù)據(jù)反演得到了濰河—峽山水庫(kù)流域COD的分布情況，得到以下結(jié)論:

(1)通過(guò)對(duì)濰河—峽山水庫(kù)區(qū)域的實(shí)測(cè)光譜進(jìn)行分析，結(jié)果表明該區(qū)域?qū)崪y(cè)的水面光譜具有典型內(nèi)陸湖泊水域復(fù)雜渾濁水體的光譜特征，560和710 nm附近的光譜曲線形狀呈現(xiàn)明顯的雙峰特征，反射率幅值較大。當(dāng)濃度增加時(shí)，反射峰具有向短波長(zhǎng)方向移動(dòng)而反射谷向長(zhǎng)波長(zhǎng)方向移動(dòng)的趨勢(shì)。

(2)引入SA-PSO算法對(duì)SVR模型的參數(shù)進(jìn)行優(yōu)化選取，解決了局部最優(yōu)的問(wèn)題，其反演效果明顯也好于其他模型。將基于實(shí)測(cè)光譜建立的SA-PSO-SVR模型應(yīng)用在珠海一號(hào)衛(wèi)星數(shù)據(jù)上可以進(jìn)行COD遙感估算，說(shuō)明了基于實(shí)測(cè)光譜和高光譜衛(wèi)星影像的水質(zhì)參數(shù)反演方法具有良好的應(yīng)用前景和推廣價(jià)值。同時(shí)，反演得到的COD濃度分布情況可以為珠海一號(hào)衛(wèi)星數(shù)據(jù)的內(nèi)陸水質(zhì)參數(shù)反演和濰河流域的綜合管理提供科學(xué)依據(jù)。

珠海一號(hào)數(shù)據(jù)的驗(yàn)證結(jié)果說(shuō)明了COD反演的有效性，但由于星載傳感器和地面光譜儀信噪比等儀器參數(shù)的不同，并受到其他復(fù)雜的大氣和光學(xué)水體組分的影響，該方法還需要有足夠的論據(jù)對(duì)此進(jìn)行進(jìn)一步的詳細(xì)分析。此外，雖然基于實(shí)測(cè)光譜建立的SA-PSO-SVR模型在濰河流域表現(xiàn)出了相對(duì)較好的性能，但在其他復(fù)雜的水環(huán)境的應(yīng)用性能還有待研究。因此，接下來(lái)的工作將多次收集濰河流域的光譜、COD濃度等其他水體成分的信息，并根據(jù)長(zhǎng)期觀測(cè)資料進(jìn)一步探討COD的時(shí)空變化；同時(shí)，在包含多個(gè)內(nèi)陸水域的綜合數(shù)據(jù)集的基礎(chǔ)上，對(duì)SA-PSO-SVR方法進(jìn)行更全面的評(píng)估。