發(fā)布時間：2018-09-07 13:56

【摘要】：本文研究目的是建立反演清河水庫總氮、總磷含量的最適模型。以清河水庫為研究區(qū)域,總氮總磷的含量為研究對象,分別建立了單波段遙感模型、波段組合遙感模型、最小二乘支持向量機模型,研究分析三種模型預(yù)測值與實測值的相對誤差,得到最適用于清河水庫總氮、總磷含量反演的模型,即最小二乘支持向量機模型。研究內(nèi)容包括,實測數(shù)據(jù)的實驗室分析;利用spss軟件對波段值與實測值進行Pearson相關(guān)性分析并得到敏感波段及波段組合;利用敏感波段及波段組合分別建立單波段遙感模型、波段組合遙感模型、最小二乘支持向量機模型,最后對三種模型的適應(yīng)性進行分析研究。本文研究重點是最小二乘支持向量機模型的建立及對三種模型精準度的分析對比。研究結(jié)果如下:(1)所研究數(shù)據(jù)共80組,分別在2015年6月、7月、9月、10月采集,6月份總氮含量平均值最高,為1.73mg/L,9月份總氮含量平均值最小,為1.11mg/L;6月份總磷含量平均值最高,為0.07mg/L,其他三個月總磷含量的平均值相同,均為0.04mg/L。(2)Landsat8 OLI數(shù)據(jù)中與總磷相關(guān)性最好的單波段,夏季6、7月份與秋季9、10月份均為B4波段,與總氮相關(guān)性最好的單波段,兩個時段均為B5波段;波段組合中,夏季6、7月份與總磷相關(guān)性最好的為B4/B3,與總氮相關(guān)性最好的為B3/B4,秋季9、10月份與總磷相關(guān)性最好的為B4/B5,與總氮相關(guān)性最好的為B3+B4。(3)以最佳單波段或波段組合值為自變量,清河水庫總氮、總磷含量實測值為因變量分別建立的單波段模型、波段組合模型、最小二乘支持向量機模型中,單波段模型預(yù)測總氮最高誤差值為71.49%,平均值為27.21%;預(yù)測總磷最高誤差值為92.25%,平均值為36.12%。波段組合模型預(yù)測總氮最高誤差值為42.73%,平均值為20.19%;預(yù)測總磷相對誤差最高值為67.43%,平均值為24.23%。最小二乘支持向量機模型預(yù)測總氮最高誤差值為17.73%,平均值為7.10%;預(yù)測總磷的最高誤差為17.91%,平均值為6.70%。因此,最小二乘向量機模型的反演結(jié)果要優(yōu)于波段組合模型,波段組合模型要優(yōu)于單波段模型。單波段模型與波段組合模型不能用于清河水庫總氮、總磷的反演研究中,反演精度過低,達不到反演精度要求。最小二乘支持向量機模型可以用于清河水庫總氮、總磷的反演,為今后對清河水庫水質(zhì)監(jiān)測提供了有效的監(jiān)測方法與理論依據(jù)。
[Abstract]:The purpose of this study is to establish an optimal model for inversion of total nitrogen and total phosphorus contents in Qinghe Reservoir. Taking the Qinghe Reservoir as the study area and the total nitrogen and phosphorus content as the object of study, the single band remote sensing model, the band combination remote sensing model and the least square support vector machine model are established respectively. Based on the analysis of the relative errors between the predicted and measured values of the three models, the least square support vector machine (LS-SVM) model is obtained, which is most suitable for the inversion of total nitrogen and total phosphorus in Qinghe Reservoir. The contents of the research include laboratory analysis of measured data, Pearson correlation analysis of band value and measured value with spss software, and establishment of single band remote sensing model using sensitive band and band combination. The band combined remote sensing model, the least square support vector machine model, and the adaptability of the three models are analyzed and studied. This paper focuses on the establishment of the least squares support vector machine model and the analysis and comparison of the accuracy of the three models. The results are as follows: (1) the data of 80 groups were collected in June, July, September and October 2015 respectively. The average of total nitrogen content in June was the highest, which was 1.73 mg / L in September, the lowest in September, and the highest in June in 1.11 mg 路L ~ (-1) 路L ~ (-1). For 0.07 mg / L, the average value of total phosphorus in the other three months was the same, which was 0.04 mg / L. (2) the single band with the best correlation with total phosphorus in Landsat8 OLI data was B4 in summer and September and October in autumn, and the single band with the best correlation with total nitrogen. Both periods are B5 bands. The best correlation between total phosphorus and total phosphorus in summer is B4 / B3, the best correlation with total nitrogen is B3 / B4, the best correlation with TP in September and October in autumn is B4 / B5, and the best correlation with total nitrogen is B3B4. (3) the best single band or band combination value is the independent variable. In the single band model, band combination model and least square support vector machine model, the measured values of total nitrogen and total phosphorus in Qinghe Reservoir are dependent variables. The maximum error of total nitrogen predicted by single band model is 71.49, the average value is 27.21, and the maximum error of total phosphorus prediction is 92.25, with an average of 36.12. The maximum error of total nitrogen predicted by the band combination model is 42.73 with an average of 20.19, and the highest relative error of total phosphorus is 67.43 with an average of 24.23. The maximum error of total nitrogen predicted by the least square support vector machine model is 17.733.The average value is 7.10 and the maximum error of predicting total phosphorus is 17.91 and the average value is 6.70. Therefore, the inversion result of the least square vector machine model is better than that of the band combination model, and the band combination model is superior to the single band model. The single band model and the combined band model can not be used in the inversion of total nitrogen and total phosphorus in Qinghe Reservoir. The inversion accuracy is too low to meet the requirements of inversion accuracy. The least square support vector machine model can be applied to the inversion of total nitrogen and total phosphorus in Qinghe Reservoir, which provides an effective monitoring method and theoretical basis for the monitoring of water quality in Qinghe Reservoir in the future.
【學(xué)位授予單位】：沈陽農(nóng)業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：X524

【相似文獻】

相關(guān)期刊論文 前10條

1 羅宏德,朱斌波;總氮、三氮之間濃度變化的外部條件影響[J];中國環(huán)境監(jiān)測;2001年02期

2 趙多;總氮測定中的一點體會[J];中國環(huán)境監(jiān)測;2001年03期

3 談錦清;總氮測定中消解容器的改進[J];中國環(huán)境監(jiān)測;2002年05期

4 翟美華,劉喬芳;門樓水庫總氮偏高的原因分析[J];中國環(huán)境監(jiān)測;2005年04期

5 王志偉,魏海峰;總氮測定中應(yīng)注意的幾個問題[J];干旱環(huán)境監(jiān)測;2005年01期

6 蔡裕豐;徐立生;;水質(zhì)總氮測定中的有關(guān)問題探討[J];污染防治技術(shù);2008年06期

7 袁靜;季平揚;袁藝;;修正的凱氏法測定土壤中的總氮[J];環(huán)境科學(xué)與管理;2009年02期

8 丁淑萍;;紫外分光光度法測定水中總氮的研究[J];現(xiàn)代農(nóng)業(yè)科技;2009年17期

9 章智慧;李昆華;歐文斌;吳小蘭;;影響總氮準確測定因素的探討[J];化肥工業(yè);2009年06期

10 李冰;牛春雷;李桂花;;總氮測定過程中有關(guān)問題的探討[J];科技風;2009年01期

相關(guān)會議論文 前8條

1 劉曉紅;;改良回歸方程法提高總氮測定結(jié)果準確度[A];四川省第十次環(huán)境監(jiān)測學(xué)術(shù)交流會論文集[C];2005年

2 王斌;施槻;;熱分解法與紫外分光光度法測定總氮的方法比對[A];中國環(huán)境科學(xué)學(xué)會2006年學(xué)術(shù)年會優(yōu)秀論文集（下卷）[C];2006年

3 魏春燕;鄭秀麗;張紅艷;;總氮測定過程中的注意事項[A];河北省環(huán)境科學(xué)學(xué)會六屆三次常務(wù)理事會暨貫徹落實清潔生產(chǎn)促進法提升清潔生產(chǎn)審核能力和質(zhì)量研討會論文集[C];2012年

4 郭燕;鄒孝;譚欽文;閆靜;;西河水庫總氮超標的原因簡析[A];四川省環(huán)境科學(xué)學(xué)會2012年學(xué)術(shù)年會論文集[C];2012年

5 馬紅波;宋金明;;渤海南部海域沉積物中吸附態(tài)氮和總氮的分布特征及控制因素[A];新世紀 新機遇 新挑戰(zhàn)——知識創(chuàng)新和高新技術(shù)產(chǎn)業(yè)發(fā)展（下冊）[C];2001年

6 朱瑞芝;解聰敏;傅學(xué)起;馮建興;;IC法測定湖泊底泥中總氮[A];天津市第六屆色譜學(xué)術(shù)交流會論文集[C];1989年

7 馮倩;劉聚濤;丁惠君;袁桂香;張偉;;鄱陽湖生態(tài)經(jīng)濟區(qū)畜禽糞便污染物產(chǎn)生量及其氮耕地負荷[A];中國水利學(xué)會2013學(xué)術(shù)年會論文集——S2湖泊治理開發(fā)與保護[C];2013年

8 洪倩;歐述俊;陳森爐;韓兆興;劉瑞民;;白溪水庫總氮總磷控制研究[A];中國原水論壇專輯[C];2010年

相關(guān)重要報紙文章 前9條

1 張興剛邋張建民;國內(nèi)環(huán)保標準首次要求控制總氮[N];中國化工報;2007年

2 本報記者 杭春燕 劉燁;新標準下，，13市空氣都未合格[N];新華日報;2013年

3 記者 蔣麗英;陽澄湖總氮改善一個類別[N];蘇州日報;2013年

4 記者 劉宇男;集中式飲用水源85.7%達標[N];四川日報;2011年

5 首鋼長治鋼鐵公司動力廠 李小婷;影響總氮空白吸光度的若干因素分析[N];山西科技報;2012年

6 劉曉東;南水北調(diào)隱憂：水體總氮超標[N];江蘇經(jīng)濟報;2006年

7 趙林;水質(zhì)紛爭，映射瓶裝水行業(yè)標準缺失[N];中國食品報;2009年

8 張興剛;多數(shù)化企反應(yīng)冷淡令人擔憂[N];中國化工報;2008年

9 張興剛;農(nóng)資企業(yè)反應(yīng)冷淡令人擔憂[N];農(nóng)資導(dǎo)報;2008年

相關(guān)博士學(xué)位論文 前3條

1 趙茜;短程脫氮工藝去除煤氣化廢水中總氮的特性及效能研究[D];哈爾濱工業(yè)大學(xué);2015年

2 潘國鋒;水質(zhì)總氮光譜檢測建模方法研究[D];江南大學(xué);2014年

3 張懷志;黃浦江上游水源保護區(qū)農(nóng)田氮磷流失特征研究[D];中國農(nóng)業(yè)科學(xué)院;2005年

相關(guān)碩士學(xué)位論文 前10條

1 邸麗嬋;基于超聲氧化的總氮紫外光譜檢測[D];燕山大學(xué);2015年

2 梁康甫;水質(zhì)總氮總磷在線監(jiān)測裝置的性能優(yōu)化研究[D];江南大學(xué);2016年

3 王慶鶴;典型自然河道形態(tài)結(jié)構(gòu)差異對水體自凈作用的關(guān)系[D];貴州大學(xué);2016年

4 王旭丹;關(guān)于懸浮物對水中總氮測定敏感度的分析研究[D];天津大學(xué);2016年

5 王云霞;基于Landsat8的清河水庫總氮、總磷反演研究[D];沈陽農(nóng)業(yè)大學(xué);2017年

6 戚科美;人工水草對污染河流中氮磷等污染物的去除效果研究[D];山東師范大學(xué);2017年

7 郭姿珠;水體中總氮測定方法的研究[D];中南大學(xué);2008年

8 何禮;投放式總氮自動測定儀的研制[D];河北科技大學(xué);2014年

9 王靜靜;影響土壤中可溶性總氮、銨態(tài)氮和硝態(tài)氮測定條件的研究[D];內(nèi)蒙古農(nóng)業(yè)大學(xué);2015年

10 馬仁坤;污水中總氮測定的紫外分光光度法的研究[D];江南大學(xué);2011年

本文編號：2228454