基于固有光学特性的表观光学特性剖面分布估算方法

本发明涉及海洋光学与海洋水色遥感领域，具体涉及一种基于固有光学特性的表观光学特性剖面分布估算方法及装置。

背景技术：

1、海水固有光学特性和表观光学特性是海洋水体在光辐射作用下所表现出的物理性质。由固有光学特性参数以及边界条件参数共同决定的表观光学特性参数是研究水下光场分布、厘清海水透明度和真光层深度的重要基础性参数，是浮游植物光合作用及海洋生物化学循环研究以及海洋储碳能力评估的重要支撑信息，可为水下光伏发电、赤潮等海洋生态灾害预警以及海洋防御体系的构建等提供科学的数据支撑。

2、海水表观光学特性参数可根据辐射传输方程与固有光学特性参数联系起来，基于固有光学特性参数估算表观光学特性参数对水色遥感发展、海水透明度估算、海洋生物地球化学过程及水下光场分布等涉及光学海洋学及其他交叉学科的研究与应用具有重要意义。目前基于固有光学特性参数估算表观光学特性参数主要有估算表观光学特性参数的半分析算法或者基于不变嵌入法的辐射传输数值模拟软件hydrolight。其中半分析算法通常使用、或者等固有光学特性参数估算表观光学特性参数，忽略了体散射函数角度分布对表观光学特性参数的影响；而基于不变嵌入法的辐射传输数值模拟软件hydrolight虽然具有较高精度，但是该软件每次只能利用单个站点数据进行模拟，对于多个站点数据使用不方便。

3、随着计算机技术的飞速发展，机器学习算法由于其强鲁棒性、容错性以及能够充分逼近复杂的非线性关系逐渐进入各种前端及应用研究领域。近年来，随着海洋大数据的不断积累及计算机性能的不断提升，多种机器学习算法已在海洋水色遥感及其相关领域得到较多应用。高效、准确、便捷的机器学习算法的发展为基于固有光学特性参数研究表观光学特性参数提供了一种新思路。文献“基于体散射函数及吸收系数的南海水体漫射衰减系数研究”中作者利用高效机器学习算法提出了一种基于体散射函数与吸收系数的漫射衰减系数有效估算方法，该方法考虑到了体散射函数角度分布对表观光学特性参数的影响，但是没有考虑边界条件参数对于表观光学特性参数的影响，估算精度低，且只适用于海水准固有光学特性-漫射衰减系数的研究。

技术实现思路

1、本发明的目的在于克服上述现有技术的不足，提供一种基于固有光学特性的表观光学特性剖面分布估算方法及装置。

2、为实现上述目的，本发明的技术方案是：

3、第一方面，本发明提供一种基于固有光学特性的表观光学特性剖面分布估算方法所述方法包括：

4、获取研究海域测量数据，所述测量数据包括吸收系数、衰减系数的剖面分布测量数据以及多角度体散射函数剖面分布测量数据；

5、获取与所述研究海域测量数据相匹配的边界条件参数，边界条件至少包括海平面大气压、可降水量、相对湿度、风速、总云量、能见度及太阳天顶角；

6、获取研究海域多种表观光学特性参数，表观光学特性参数至少包括辐照度、辐亮度、辐照度反射比、漫射衰减系数；

7、将所获取的研究海域多种表观光学特性参数与多角度体散射函数、吸收系数以及边界条件参数进行匹配，得到匹配数据集，并将所述匹配数据集分为训练集与测试集；

8、利用机器学习算法以及所述训练集来构建基于固有光学特性参数与边界条件参数估算多种表观光学特性参数剖面分布的机器学习模型；所述机器学习模型的输出为研究海域的表观光学特性参数的估算结果。

9、第二方面，本发明提供一种基于固有光学特性的表观光学特性剖面分布估算装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上所述方法的步骤。

10、第三方面，本发明提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上所述方法的步骤。

11、本发明与现有技术相比，其有益效果在于：

12、本发明以多角度体散射函数、吸收系数、对应剖面深度以及多种边界条件参数为基础参数，综合考虑了体散射函数角度分布以及边界条件参数对表观光学特性参数的影响，利用高效机器学习算法，以获取海洋水体多种表观光学特性参数，从而实现研究水下光场剖面分布的目的，本发明估算的表观光学特性参数具有较高精度，与经典辐射传输模拟软件hydrolight等相比，获取表观光学特性参数速度较快，使用起来方便简洁，是一种基于多角度体散射函数及吸收系数估算表观光学特性参数全新方法和思路。

技术特征：

1.一种基于固有光学特性的表观光学特性剖面分布估算方法，其特征在于，所述方法包括：

2.如权利要求1所述的基于固有光学特性的表观光学特性剖面分布估算方法，其特征在于，所述方法还包括：

3.如权利要求1所述的基于固有光学特性的表观光学特性剖面分布估算方法，其特征在于，所述吸收系数和衰减系数通过如下方式获得：

4.如权利要求1所述的基于固有光学特性的表观光学特性剖面分布估算方法，其特征在于，所述多角度体散射函数通过如下方式获得：

5.如权利要求1所述的基于固有光学特性的表观光学特性剖面分布估算方法，其特征在于，所述获取与所述研究海域测量数据相匹配的边界条件参数包括：

6.如权利要求1所述的基于固有光学特性的表观光学特性剖面分布估算方法，其特征在于，所述研究海域多种表观光学特性参数通过如下方式获取：

7.如权利要求2所述的基于固有光学特性的表观光学特性剖面分布估算方法，其特征在于，所述综合考虑、、三种评价指标以及模型估算值与海洋光学剖面仪实测值或者hydrolight模拟值的对比结果对构建的机器学习模型进行精度评包括：

8.如权利要求1所述的基于固有光学特性的表观光学特性剖面分布估算方法，其特征在于，所述表观光学特性参数至少包括辐照度、辐亮度、辐照度反射比、漫射衰减系数。

9.一种基于固有光学特性的表观光学特性剖面分布估算装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至8中任一所述方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至8中任一所述方法的步骤。

技术总结
本发明公开了一种基于固有光学特性的表观光学特性剖面分布估算方法，该方法综合考虑固有光学特性参数与边界条件参数对表观光学特性参数的影响，利用高效机器学习算法，以获取海水多种表观光学特性参数为目标，以多角度体散射函数、吸收系数、对应剖面深度以及多种边界条件参数为输入特征参量，以多种表观光学特性参数为输出变量，构建基于固有光学特性参数与边界条件参数估算表观光学特性参数的机器学习模型。本发明使用起来方便简洁，可同时估算多个站点的表观光学特性参数，且估算的表观光学特性参数具有较高精度，是一种基于多角度体散射函数及吸收系数估算表观光学特性参数全新方法和思路。

技术研发人员：李彩,张现清,郑媛宁,刘聪,周雯,许占堂,陈飞,杨泽明,范乐诗
受保护的技术使用者：中国科学院南海海洋研究所
技术研发日：
技术公布日：2024/1/15