基于PCA和WNN的潮滩沉积物粒度与运移趋势的遥感研究

作者：刘兴兴; 张东^*; 韩飞

来源：海洋与湖沼, 2019, 50(06): 1168-1180.

• 潮滩
• 沉积物
• 遥感
• 粒度参数
• 粒径运移趋势
• 小波神经网络
• 主成分分析

在淤泥质海岸,了解潮滩表层沉积物的粒度空间分布特征与粒径运移趋势,是认识潮滩水沙过程、冲淤演变和地貌演化的重要手段。针对传统粒径趋势分析空间范围有限、现有遥感反演模型形式简单且精度难以提高的问题,论文研究并实现了一种基于遥感粒度参数驱动的潮滩沉积物粒径运移趋势分析方法,首先利用PCA(Principal Component Analysis)主成分分析法从HJ-1A多光谱遥感影像中提取反演因子,采用小波神经网络(WaveletNeuralNetwork,WNN)模型结合野外采样数据进行参数训练与建模,反演沉积物粒度参数的空间分布;然后以遥感粒度参数驱动GSTA(Grain Size Trend Analysis)沉积物粒径趋势分析模型,实现了淤泥质潮滩表层沉积物的粒径运移趋势模拟。该方法在江苏中部淤泥质海岸的精度验证结果表明:平均粒径、分选系数、偏态的模型检验组数据10次运行结果平均绝对误差分别为0.22Φ、0.15、0.42,平均相对误差分别为5.32%、12.47%、14.59%;三个粒度参数的变异系数值变化范围较稳定。与已有的遥感模型相比,平均粒径反演精度接近,而且分选系数、偏态的反演精度有较大提高。遥感反演与实测粒度参数模拟的粒径运移趋势矢量相似性系数为0.67,矢量长度差小于0.4的矢量占80.74%,角度差小于90°的矢量占84.31%,两者有较高的相似性。在潮滩不同位置,沉积物粒径运移趋势总体呈现不同的规律性特征,与当地水动力条件较为吻合。该方法基于遥感技术实现,为大范围的潮滩沉积物粒度特征分析与粒径运移趋势研究提供了一种快速且有效的途径。

• 单位
  江苏省地理信息资源开发与利用协同创新中心; 南京师范大学