来源：期刊VIP网 时间：
作者：徐升;钱贞兵;秦军;王彪;
单位：安徽省生态环境监测中心;安徽大学资源与环境工程学院;
摘要：在充分挖掘无人机遥感与地面水质采样数据的基础上进行叶绿素a浓度估算，为城市河流水质的高效监测与保护提供有效方法。2020—2021年以合肥市南淝河典型河段为研究区域，结合无人机多光谱遥感影像与水质实测数据，进行敏感波段筛选和特征分析，选取与叶绿素a浓度相关性最高的波段组合，构建基于贝叶斯优化的深度神经网络（BO-DNN）叶绿素a浓度遥感估算模型。结果显示，构建的模型估算精度高、泛化能力强（R~2=0.91,E_(MA)=0.018 mg/L,E_(RMS)=0.035 mg/L），且无人机遥感叶绿素a浓度深度学习估算方法得到的结果与实际地面采样结果一致性较高。当训练样本大于或等于总样本的75%时，模型精度变化不大；但随着训练样本减少至50%和25%，模型精度明显下降，表明样本集的增加有助于提高模型准确度。空间分布分析表明，南淝河叶绿素a浓度呈现明显的区域性差异，A区的高浓度区域主要分布在桥梁两侧及下游水域，受到人为干扰和污染物堆积的影响；B区的高浓度区域集中在河道两岸、中部水域及支流交汇处，多与农业化肥、农药的渗流污染及船舶航行排放有关。
关键词：叶绿素a浓度估算;深度学习;无人机遥感;南淝河
基金资助：安徽省重点研发与开发计划（202104b11020022）; 安徽省科技重大专项（201903a07020014）; 合肥市自然科学基金（202323）
