研究目的
开发和提出具有成本效益的方法，这些方法基于从大量易获取的遥感数据集中提取的观测数据，以及可应用于全球脆弱沿海地区和内陆水体进行藻华建模的流程。
研究成果
所开发的方法具有优势，因其依托现成的全球遥感数据集、成本效益高、能识别控制藻华发生的关键因素，并有望助力评估和理解全球范围内藻华发展的复杂机制。混合模型显著提升了预测性能，表明两步法在预测藻华概率方面的有效性。
研究不足
主要限制与所使用的遥感数字数据集的空间和时间分辨率有关。小于数字产品像元尺寸的藻华，或在连续两幅卫星影像获取期间出现并消失的藻华，将无法被检测到。恶劣天气条件会降低遥感数据集的质量。
1：实验设计与方法选择：
本研究采用五步法，包括建立包含相关配准遥感数据集及衍生产品的数据库、编制已知藻华发生位置清单、探究藻华发生控制因素、构建并验证MR和ANN模型，以及采用两步建模法（先时间模型后空间模型）以提高预测精度。
2：样本选择与数据来源：
研究使用了MODIS、TRMM和QuikSCAT的遥感数据集，以及科威特科学研究院（KISR）提供的实地数据。
3：实验设备与材料清单：
使用SeaDAS 6.4、ENVI 4.8和ArcGIS 10.1软件进行图像处理和GIS分析。
4：ENVI 8和ArcGIS 1软件进行图像处理和GIS分析。 实验步骤与操作流程：
4. 实验步骤与操作流程：方法包括数据预处理、利用训练数据子集构建模型，以及利用测试数据子集评估模型。
5：数据分析方法：
研究采用ROC检验进行模型验证与比较，并使用多元回归和人工神经网络技术进行数据分析。
独家科研数据包，助您复现前沿成果，加速创新突破
获取完整内容-
SeaDAS
6.4
NASA
Scientific data visualization, analysis, and processing software for ocean color data
-
ENVI
4.8
Exelis Visual Information Solutions
Geospatial imagery analysis and processing application
-
ArcGIS
10.1
ESRI
GIS for working with maps and geographic information
-
MODIS
NASA
Acquires visible and infrared data within the spectral range of 0.4 – 14.4 μm in 36 observing bands
-
TRMM
TMPA V7-3B42
NASA
Provides accumulated daily amount of precipitation
-
QuikSCAT
NASA
Retrieves wind direction and speed
-
登录查看剩余4件设备及参数对照表
查看全部
