基于离散粒子群和偏最小二乘的水源地浊度高光谱反演

随着面源污染的加剧,导致水源地水体富营养化程度日趋严重,浊度作为衡量水体富营养化的一项重要指标,是水质评价的重要参数。为降低浊度偏最小二乘(Partial least squares,PLS)反演模型建模的不确定性,提高模型反演精度,提出了基于离散粒子群(Discrete binary particle swarm optimization,DBPSO)和偏最小二乘的水体浊度反演模型。以2015年10月在南水北调东线重要水源地微山湖获取的水体浊度和准同步的HJ-1A HSI高光谱数据为例,利用HJ-1A HSI B26-B105(中心波长:518~870 nm)全谱段光谱反射率(Original spectral reflectance,OSR)和归一化光谱反射率(Normalized spectral reflectance,NSR)直接构建浊度OSR-PLS和NSR-PLS反演模型,同时利用离散粒子群算法优选输入浊度PLS反演模型的最佳原始波段反射率和归一化光谱反射率,在此基础上提出并构建浊度OSR-DBPSO-PLS和NSR-DBPSO-PLS反演模型;然后对上述模型进行精度评价,分析光谱归一化处理和特征波段优选对PLS模型反演精度的影响,选择精度最高的模型反演微山湖水体浊度分布。结果表明:NSR-PLS模型精度(R2=0.91)高于OSR-PLS模型(R2=0.50),对波段进行归一化处理能提高浊度PLS反演模型精度;DBPSO能够识别浊度PLS反演的最佳波段,浊度PLS建模所需的波段数由80个分别减少为44个(OSR波段)和36个(NSR波段),在此基础上构建的OSR-DBPSO-PLS模型(R2=0.96)和NSR-DBPSO-PLS模型(R2=0.97)均具有较高精度,显著高于直接利用全谱波段构建的浊度PLS模型反演精度;选择综合误差最小的NSR-DBPSO-PLS模型反演微山湖水体浊度,反演结果符合实际,该模型适用于HJ-1A HSI数据和内陆水体浊度反演。     

基于可变集和云模型的河湖水系连通方案优选决策方法

河湖水系连通工程方案优选是一个具有确定性的评价指标和评价标准与具有不确定性评价因子及其权重变化相结合的分析过程,所涉及的资源准则类、经济准则类、社会准则类、环境准则类、工程准则类等各评价指标具有中介过渡性,导致不同的多属性决策方法得到的结果具有不确定性,需对这些决策方法进行稳定性评价。根据可变集的对立统一数学定理,提出河湖水系连通方案优选决策可变集原理与方法,并提出了基于云模型的可变集决策结果灵敏度分析方法。以浙北引水工程中的新安江方案（S1）、富春江方案（S2）和太湖-富春江方案（S3）为例,分综合评价和不同准则评价两种情况评价分析了3种方案的排序,同时分析了单一指标变化和多个指标权重变化下的可变模型评价结果鲁棒性。结果表明：利用级别特征值和相对差异度来分析多准则综合评价结果,说明S3优于S1和S2;从指标灵敏度分析看,可变模型（α=1,p=1）和（α=2,p=1）综合评价的方案排序稳定性较好;从权重灵敏度分析看,4种参数组合的可变模型综合评价的方案排序容易受指标权重变化的影响,尤其是S2和S3;结合综合评价和不同准则评价的指标灵敏度和指标权重灵敏度分析来看,评价结果受指标体系的影响,说明该方法需要结合不同研究对象进行具体分析后选择合适的评价方法。