无人机遥感和GWR结合的水华短时预测方法

目前水华已成为国内外一个重要的环境问题,单一的光学遥感方法难以实现精细化的水华预测.针对上述问题,本文以无人机多光谱影像、水质、水温及气象数据为数据源,首先通过像素匹配法(Matching Pixel-by-Pixel,MPP)反演水质参数及归一化植被指数(Normalized Difference Vegetation Index,NDVI)阈值法提取水华信息,然后基于地理加权回归(Geographical-ly Weighted Regression,GWR)建立涵盖面积信息和位置信息的水华短时预测模型,并探讨了预测窗口尺寸对预测结果的影响.结果表明:①本文方法可以实现精细化的水华短时预测,在应用中对水华面积预测精度达到96.19%,在水华空间分布的预测上对水华和非水华的总体分类精度均大于0.97,生产者精度、Kappa系数均大于0.5;②MPP反演的总氮、总磷和溶解氧浓度与实测数据都有着较高的相关性,其决定系数R2分别达到0.89、0.85、0.89;③不同尺寸的预测窗口直接影响预测结果精度,相比8×8、12×12、14×14,选用10×10预测窗口得到的总体分类精度、生产者精度、Kappa系数最高,分别为0.98、0.77、0.77.该模型可为短时水华预测提供借鉴,有利于水华监测、预测工作的进一步深入与完善.