基于智能手机和人工神经网络反演小微水体水质参数研究

WOCN

基于智能手机和人工神经网络反演小微水体水质参数研究淦冲1,2李春旺2,3赵学梅2,4张声权1,2刘雪梅1夏永秋21. 华东交通大学土木建筑学院2. 中国科学院南京土壤研究所江苏常熟农田生态系统国家野外观测研究站3. 湖南农业大学资源环境学院4. 河海大学农业科学与工程学院

通过智能手机反演进行环境监测越来越受到关注，目前研究主要利用可见光反射率进行光学活性参数反演。本文基于水质现场监测数据，同步应用智能手机拍照，通过偏振镜、手机望远镜、不同规格滤波片、24色标准色卡，获取水体图像信息，结合逐步回归与人工神经网络方法，开展了长三角地区典型小微水体水质光学参数叶绿素和浊度以及非光学参数可溶性有机碳（dissolved organic carbon，DOC）反演监测。结果表明，研究区水体总体DOC浓度值变异范围在2.73-16.90 mg/L，浊度变异范围在6.53-91.10 NTU，叶绿素a浓度值变异范围在0.36-245.47 μg/L。通过逐步回归方法提取了水体DOC浓度的五个图像特征参数为R1＇、B/G2＇、R2"、R4"、B/G6＇，浊度图像特征参数为B/R3＇、G5"、R6"，叶绿素a的图像特征为B/G1＇、R2"、B/G4＇。结合人工神经网络模型反演水体水质参数，DOC浓度纳什系数NSE为0.62，浊度NSE为0.65，叶绿素NSE为0.67，具有较高的反演精度。本研究构建了基于智能手机反演水质光学参数的方法，并探讨了非光学参数反演的可行性，为后续开发APP应用程序和反演水质参数提供了基础和依据。