摘 要：水質污染問題己經成為我國環保領域的重要課題，它直接影響到人類的生存與發展.水質監測與評價為水環境水資源管理和污染控制的主要手段之一，是進行水質治理和水資源開發利用的前期工作，為水資源的保護和綜合應用提供原則性的方案和依據。

    本文基于多源傳感器地面監測數據，高分辨率、多光譜遙感衛星圖像數據，以Madab為平臺，從信息融合的角度，引入支持向量機(SVM)理論與方法，并首次將該方法應用到水質監測與評價中，分析其可行性、有效性。主要研究內容及結論如下:

    (1)以地面監測數據為對象，設計并構建了基于地面監測數據的SVM水質狀況識別模型，分析長江口水質狀況，并與單因子評價方法，BP神經網絡方法和基于D-S理論的方法進行比較，說明在水質狀況識別問題上，運用支持向量機方法進行水質評價是可行的，且具有更好的分類能力。

    (2)將每月水質參數平均濃度值的監測看成一個時間序列預測問題，建立了基于地面監測數據的SVM水質監測信息融合處理模型，對太湖流域的水質參數高錳酸鹽指數月平均濃度進行監測，并與基于RBF神經網絡的預測模型作了比較，結果說明，支持向量機應用于水質監測是可行的，為間接水質監測提供了一種行之有效的方法。

    (3)利用空中監測和地面監測信息的關聯性，分別構建了基于遙感圖像與地面信息的SVM水質監測信息融合處理模型和狀況識別評價模型，通過從遙感圖像提取的平均灰度值反演地面水質參數的指標值和水質類別，實現利用遙感圖像對地面監測數據的補充，以獲取更多的水質信息，從而進行更好的水質評價。

關鍵詞：水質監測、水質評價、信息融合、支持向量機模型、遙感圖像

下載