[发明专利]一种极地海洋冬季初级生产力遥感反演方法

权利要求书

1.一种极地海洋冬季初级生产力遥感反演方法，其特征在于，包括：

获取有效数据量大于设定值的MODIS卫星图像；

对获取的MODIS卫星图像进行处理得到瑞利校正辐亮度计算参数，基于所述计算参数得到瑞利校正辐亮度，基于瑞利校正辐亮度得到训练数据集，所述计算参数包括遥感反射率；

基于所述遥感反射率，在处理后的MODIS卫星图像中筛选像元，基于训练数据集和像元得到筛选训练数据集；

基于所述筛选训练数据集构建神经网络模型；

对获取的目标卫星影像进行处理，得到模型输入参数，将所述模型输入参数输入神经网络模型，得到目标卫星影像的遥感反射率；

基于所述目标卫星影像的遥感反射率得到叶绿素浓度；

基于所述叶绿素浓度利用初级生产力模型反演极地海洋冬季初级生产力；

所述神经网络模型采用反向传播算法进行训练；神经网络模型的初始值随机获取，初始值取值范围为0～1，训练使权重值和偏差值迭代更新；

用训练目标和输出结果的均方根误差评估训练结果；

当迭代更新次数超过迭代阈值或均方根误差变大，停止训练；

所述初级生产力模型为：

，

式中z为水深；t为时间；C是浮游植物碳生物量；Chla（z）是Chla的垂直剖面，Chla为叶绿素浓度，NPP为初级生产力，G（z，t）是浮游植物的生长速率；

所述Chla（z）的计算公式为：

，

式中，Chla（0）是水面的Chla；MLD为混合层深度；

所述G（z，t）的计算公式为：

，

式中G₀是微藻在0°C下的最大生长速率；r是决定浮游植物生长对温度敏感性的参数；L（z，t）表示光场对浮游植物生长的影响；SST是海表面温度；

所述L（z，t）的计算公式为：

；

式中PUR（z，t）是光合可用辐射；E'_k是光谱光适应参数；

所述的计算公式为：

。

2.根据权利要求1所述的一种极地海洋冬季初级生产力遥感反演方法，其特征在于，所述获取有效数据量大于设定值的MODIS卫星图像，包括：

获取有效数据量大于10%的MODIS卫星图像，获取的MODIS卫星图像空间范围覆盖不同纬度区域，MODIS卫星图像的时间范围跨度至少为1年。

3.根据权利要求1所述的一种极地海洋冬季初级生产力遥感反演方法，其特征在于，所述对获取的MODIS卫星图像进行处理得到瑞利校正辐亮度计算参数，基于所述计算参数得到瑞利校正辐亮度，基于瑞利校正辐亮度得到训练数据集；

所述计算参数，包括遥感反射率、卫星接收到的总辐亮度、大气透射率、瑞利辐亮度、太阳天顶角、观测天顶角和相对方位角。

4.根据权利要求1所述的一种极地海洋冬季初级生产力遥感反演方法，其特征在于，基于所述遥感反射率，在处理后的MODIS卫星图像中筛选像元，基于训练数据集和像元得到筛选训练数据集，包括：

使用像元框划分处理后的MODIS卫星图像，筛选出有效像元占总像元数比例大于阈值的像元框；

比较设定时间内的MODIS卫星图像，筛选出设定时间内变异系数小于系数阈值的像元。

5.根据权利要求1所述的一种极地海洋冬季初级生产力遥感反演方法，其特征在于，基于所述筛选训练数据集构建神经网络模型，包括：

构建从瑞利校正辐亮度到遥感反射率的具有单个隐含层的神经网络模型；

所述神经网络模型包括输入层、输出层和隐含层，隐含层中包含13个神经元，输入层包括太阳天顶角、相对方位角、观测天顶角和瑞利校正辐亮度，输出层为遥感反射率；

隐含层神经元用线性函数传递到输出层。

6.根据权利要求1所述的一种极地海洋冬季初级生产力遥感反演方法，其特征在于，所述基于所述目标卫星影像的遥感反射率得到叶绿素浓度，包括：

利用算法生成叶绿素浓度，所述算法公式为：

，

式中，a=0.2424，b=-2.7423，c=1.8017，d=0.0015，e=-1.228；R是蓝绿色波长的Rrs最大频带比，Rrs为遥感反射率。