基于深度神经网络算法的水体透明度反演方法

水体透明度能够直观反映湖泊水质状态,掌握长时间大尺度湖泊水体透明度是控制和改善湖泊水生态环境的关键。由于滇池的水质原位监测工作起步较晚,导致长时间序列的历史湖泊水体透明度数据的缺失。为此,以滇池为研究区,以深度神经网络算法为理论基础,以原位监测和MODIS遥感影像为数据,对2001年1月1日—2018年12月31日滇池水体透明度进行反演,并利用地理空间分析方法探讨了滇池湖泊水体透明度时空变化特征。研究结果表明:(1)提出的反演模型具有较好的性能(RMSE=0.1359,MAE=0.1134),能够客观反映湖泊水体透明度状况;(2)时间变化特征分析结果表明,滇池水体透明度总体呈现下降趋势,综合变化率为-0.08 m/10 a;(3)空间变化特征分析结果表明,水体透明度较高的区域下降率较大,水体透明度较低的区域变化趋势相对稳定,距离城区及居民区较近的水体透明度相对较低;人类活动将成为影响滇池水体透明度变化的重要因素,同时也是造成滇池水体污染的主要因素。