基于波段定制高像素无人机多光谱相机的陆浑水库水质参数反演研究

无人机载多光谱遥感在小型水体水环境监测中具有成本低、时间灵活等优势,但是常见的多光谱相机具有像素数量低、缺少内陆水体特征波段等问题,限制了无人机多光谱遥感在水环境监测中优势的发挥。针对这些问题,研究定制了面向内陆水体水质监测的高像素航天数维KP-8多光谱相机,相机包括面向内陆水体叶绿素a反演的670和700 nm波段;利用无人机飞行实验获取了浑浊富营养化的陆浑水库的多光谱影像,并利用同步水面实验获取的水质参数构建了典型水质参数透明度、浊度、悬浮物和叶绿素a浓度反演模型;将反演模型应用于多光谱影像,反演并分析了陆浑水库典型水质参数空间分布规律。结果表明：这种波段定制的高像素无人机多光谱相机在内陆水体水环境业务化监测方面具有重要潜力。     

航天成像光谱仪CHRIS在内陆水质监测中的应用

欧空局2001年10月22日成功发射的PROBA卫星上搭载了紧密型高分辨率成像光谱仪（CHRIS），它可以提供高光谱分辨率、高空间分辨率和多角度的遥感数据，它代表了新一代的地球观测数据源。CHRIS有5种工作模式，其中模式2是专门为水体研究而设计的，它在400～1 050 nm的可见光至近红外有18个波段，每个波段数据的空间分辨率是17 m。CHRIS数据的高光谱分辨率、高空间分辨率和多时相覆盖的特点为内陆水质监测提供了有利条件。为了验证CHRIS在内陆水质监测中的具体应用，在太湖梅梁湾开展了水面综合试验，在梅梁湾均匀分布的14个水面采样点分别测量了水面光谱和水质参数。利用这些数据，同时结合CHRIS数据的光谱特征，建立了叶绿素浓度反演半经验模型，应用于CHRIS图像反演了太湖梅梁湾的叶绿素浓度分布图，并取得了较好的结果。最后指出CHRIS数据不但在内陆水质监测中具有巨大潜力，而且CHRIS遥感器是今后内陆水质监测卫星遥感器的典范。     

基于PSO-RBF神经网络模型反演闽江下游水体悬浮物浓度

总悬浮物浓度是水环境重要参数之一,二类水体光谱特征复杂,光谱特征与悬浮物浓度之间关系不能用简单的线性模型来表示。利用2017年7月12日～13日2d时间对闽江40点位进行水质采样和光谱测量,结合光谱响应函数模拟GF-1 WFV1各波段遥感反射率,分析遥感因子与总悬浮物浓度相关性。利用相关系数较高的波段及组合b3、b3/b2和b3/b1,构建PSO-RBF和传统RBF神经网络总悬浮物浓度反演模型,同时建立以b3/b2为自变量的经验比值模型。结果表明:与传统RBF神经网络和经验模型相比,PSO-RBF神经网络模型效果更佳,R2=0.890,RMSE=3.01mg·L-1。基于训练好的PSO-RBF模型,应用GF-1 WFV1遥感影像对闽江下游水体总悬浮物浓度进行反演,影像反演的总悬浮物浓度RMSE=3.65mg·L-1,MRE=14.11%,遥感影像反演结果精度明显高于克里金空间插值结果。分析其空间分布特征,从上游方向往下游方向呈现增加趋势,马尾至闽江入海口河段总悬浮物浓度增加明显。     

基于光谱特征的闽江干流叶绿素a遥感反演北大核心CSCD

城乡化发展与基础设施建设滞后之间矛盾的深入导致面源污染和工业废水排放对于闽江水质造成了一定影响,因而对闽江叶绿素a进行实时监测及污染物迁移动态监测,是闽江水质治理的关键步骤。文章基于四年实测光谱及水质数据,通过闽江干流实测水体光谱特征分析以及遥感影像敏感波段分析,确定了闽江干流丰、枯水期叶绿素a光谱特征存在差异,并利用多元回归及机器学习分别构建了丰、枯水期闽江干流叶绿素a浓度反演模型,通过精度验证确定了丰、枯水期叶绿素a的最佳遥感反演模型。     

基于HJ-1卫星CCD数据的厦门海域叶绿素a浓度反演

针对HJ-1A/B卫星CCD数据,建立适合于厦门海域的叶绿素a浓度反演模型,将为持续监测该海域的赤潮提供时间序列的叶绿素a浓度数据。基于2013年7月31日厦门海域水体实测光谱与叶绿素a浓度同步测量数据,及HJ\|1B卫星CCD2光谱响应函数,对各波段遥感反射率与叶绿素a浓度的相关性进行比较,证实蓝、绿波段比值与叶绿素a浓度相关性最高。对OC3模型在内的5种模型的反演结果和实测叶绿素a浓度做相关性分析,发现各模型相关系数均达到0.7以上。利用2013年7月30日实测数据对同期厦门海域HJ-1B卫星CCD2数据叶绿素a浓度反演结果进行精度验证,结果表明本地化的10指数模型在反演叶绿素a浓度动态范围较大的区域具有更高的精度。     

资源一号02D可见近红外和高光谱影像辐射质量评价

资源一号02D（ZY1-02D）卫星搭载了我国自主研制的可见近红外相机（VNIC）和高光谱相机（AHSI）,是我国首颗民用高光谱业务卫星,具有广泛的应用前景。通过整体辐射精度、信噪比、清晰度以及信息熵4个评价指标,对ZY1-02D VNIC和AHSI数据进行辐射质量评价,并分别采用Sentinel-2 MSI和GF-5 AHSI数据进行对比。结果表明： ZY1-02D VNIC数据在可见光波段具有亮度高、信噪比高等优势;在红边近红外等波段,影像具有灰度范围大、信息量大的特点。ZY-1-02D VNIC数据在影像亮度、灰度范围、清晰度和信息量方面均优于Sentinel-2,二者信噪比近似。ZY-1-02D AHSI数据在395—1 341 nm范围内辐射质量良好;在1 929—2 501 nm范围,存在噪声严重的波段,影像质量较差。与GF-5 AHSI数据对比,ZY-1-02D AHSI数据的影像亮度和信噪比相当,但ZY-1-02D AHSI数据在灰度范围方面优势明显,且短波红外谱段的清晰度和信息量优于GF-5 AHSI数据。     

太湖藻类的遥感监测研究

随着太湖水体富营养化的日益严重和蓝藻水华爆发的逐年加剧,如何实现藻类的时空动态监测成为亟待解决的关键问题.本文在分析太湖水体光谱特征的基础上,总结了太湖藻类叶绿素浓度反演的几种常用方法:经验模型、半经验模型、分析模型、混合光谱模型、神经网络模型等,并分析了各自的优缺点;在比较了不同遥感数据源在反演估算中的应用特点后,提出新型卫星遥感数据具有遥感反演的应用优势;最后对太湖藻类的遥感监测研究中存在的问题及发展方向做出了分析和展望.     

应用MODIS数据监测巢湖蓝藻水华的研究

以巢湖为研究区域,以MODIS 卫星影像为数据源,结合准同步的地面水质监测数据,将MODIS 250 m分辨率的波段反射率与叶绿素a浓度实测值进行相关分析。在此基础上通过回归拟合,构建基于中分辨率成像光谱仪(MODIS) 的叶绿素遥感提取模型。应用模型成功提取出蓝藻爆发水域chl-a的分布。从MODIS遥感图像上可以清晰地反映出巢湖这次蓝藻爆发的强度、地点和分布范围 。研究结果表明:用MODIS影像监测巢湖蓝藻水华是可行的,其中250m分辨率波段1 、2的比值组合r2/r1与叶绿素a浓度实测值高度相关(R=0.909 3),适于反演叶绿素a浓度。     

应用MODIS监测太湖水体叶绿素a浓度的研究

以太湖作为实验区,将MODIS影像不同空间分辨率的波段反射率与叶绿素a浓度实测值进行相关分析,在此基础上通过回归拟合建立遥感监测模型,并应用模型计算出太湖水体叶绿素a浓度的分布情况,对太湖水质进行了评价。研究结果表明,MODIS影像在太湖的水质监测中是可用的,其中250m分辨率波段1、2的比值组合r2/r1与叶绿素a浓度实测值高度相关(R=0.903),适于用来反演叶绿素a浓度。     

基于Landsat 8与实测数据的水质参数反演研究

目前遥感技术已成为监测水质参数的重要手段,精度更高的水质参数反演模型是当前水质监测的重点。但由于水环境的复杂性、遥感数据的局限性等多重原因,水质参数遥感反演精度有限,且多集中于水色水质参数反演。为了得到精度更高的水质参数反演模型,以天津市海河下游段为研究区,对Landsat 8 OLI遥感影像进行大气校正、辐射定标等预处理,通过实验室理化分析测定水体的总磷、氮氨、总氮浓度及电导率,建立实测水质参数与Landsat 8 OLI遥感影像数据的统计回归模型及神经网络模型,采用决定系数(R~2)、平均绝对误差(MAE)、均方根误差(RMSE)进行精度检验,神经网络模型反演结果 R~2均大于0.85,MAE分别为0.019、0.09、0.242、0.411,RMSE分别为0.024、0.118、0.286、0.562,反演精度较好。结果表明:基于神经网络建立的水质参数反演模型精度较高。     

基于半分析模型的石头口门水库总悬浮物浓度反演研究

总悬浮物（TSM）是水质遥感反演的重要参数之一,以遥感技术为手段监测总悬浮物浓度成为未来发展的趋势。利用2008年6月13日在石头口门水库采集的高光谱数据和实验室分析数据,计算得到水体总悬浮物的后向散射系数,并经相关分析,选取675 nm处的后向散射系数建立总悬浮物浓度的反演模型,决定系数为0.8327。与基于遥感反射率的经验方法比较,半分析方法具有一定的物理意义,反演精度更高,且在悬浮泥沙含量较高的区域效果更佳。     

应用MODIS监测太湖水体叶绿素a浓度季节变化研究

以太湖作为实验区,利用波段比值、差值和组合算法讨论了非成像及成像高光谱数据和叶绿素浓度相关性差异和敏感波段分布,在此基础上将不同时段的MODIS影像,不同空间分辨率的波段反射率与叶绿素a浓度实测值进行相关分析,通过回归拟合建立并验证了不同季节的叶绿素a浓度遥感监测模型,并应用模型计算出太湖水体叶绿素a浓度的分布情况,对太湖水质变化进行了评价.研究结果表明,MODIS影像在太湖的水质动态变化监测中是可用的.     

基于高光谱数据和MODIS影像的鄱阳湖悬浮泥沙浓度估算

本文旨在寻找悬浮泥沙浓度的MODIS遥感影像估算模型,并利用实测的高光谱数据对其敏感波段和反演模型进行测试和验证。以鄱阳湖为研究区域,利用光谱数据进行分析,为利用遥感影像建模提供依据。进一步利用同步进行的鄱阳湖水质采样分析与MODIS影像中等分辨率各个波段反射率及其组合进行相关分析,寻找反演悬浮泥沙浓度的敏感波段。实验表明,MODIS的第一波段反射率对于悬浮泥沙浓度有很好的匹配(R² = 0.91; n = 25),进而建立了鄱阳湖地区的悬浮泥沙浓度遥感定量估算模型。利用估算模型和鄱阳湖地区历史MODIS影像,得到了鄱阳湖悬浮泥沙浓度分布图。基于对汛期鄱阳湖悬浮泥沙浓度的连续监测,可对长江倒灌入鄱阳湖现象的形态进行观测。     

闽江流域福州段悬浮物浓度的遥感分析

利用1996 年和2003 年两个时相的卫星遥感影像, 对闽江流域福州段的悬浮物浓度进行了反演和评估。利用斜率法反演了水体的悬浮物浓度, 并通过制作密度分割图和差值影像图来直观地反映1996 年到2003 年水体悬浮物浓度在时间和空间上的分布变化。研究结果显示, 2003 年闽江流域福州段的悬浮物浓度几乎在整个河段比1996 年有较大幅度的上升。对比上游水质, 可以判断悬浮物浓度上升的主要原因是由于上游泥沙携带量增多而引起的。随着近年来福州城市化的快速发展, 城市工业废水和生活污水的排放量增加也是部分原因之一。     

GF-1 WFV影像的中小流域洪涝淹没水深监测

针对目前水深监测仍主要依赖Landsat、SPOT等国外遥感卫星的问题,提出采用国产高分一号(GF-1)卫星16m分辨率WFV影像进行洪涝淹没水深监测。通过以中小流域为研究区,采取RS和GIS结合的水深测算方法计算淹没水深:在利用RS影像提取淹没范围的基础上,运用GIS方法由水面高程和地面高程之差计算得出淹没水深的空间分布。结果表明,GF-1卫星作为新兴的国产遥感数据源,凭借空间分辨率高和回访周期短的优势,可帮助摆脱对国外卫星遥感数据的依赖;GF-1卫星WFV影像提取水体精度较高,能广泛应用于中小流域洪涝灾害监测;RS和GIS结合的洪涝淹没水深监测算法简单易行,可快速计算在淹没范围已知情况下的水深。相关结果可为洪涝灾害监测与评估提供信息依据。     

GF-1 WFV 影像的中小流域洪涝淹没水深监测

针对目前水深监测仍主要依赖Landsat、SPOT等国外遥感卫星的问题,提出采用国产高分一号(GF-1)卫星16 m分辨率WFV影像进行洪涝淹没水深监测。通过以中小流域为研究区,采取RS和GIS结合的水深测算方法计算淹没水深：在利用RS影像提取淹没范围的基础上,运用GIS方法由水面高程和地面高程之差计算得出淹没水深的空间分布。结果表明,GF-1卫星作为新兴的国产遥感数据源,凭借空间分辨率高和回访周期短的优势,可帮助摆脱对国外卫星遥感数据的依赖;GF-1卫星WFV 影像提取水体精度较高,能广泛应用于中小流域洪,涝灾害监测;RS和GIS结合的洪涝淹没水深监测算法简单易行,可快速计算在淹没范围已知情况下的水深。相关结果可为洪涝灾害监测与评估提供信息依据。     

内陆水体悬浮物波段比值优化模型及藻类丰度对模型精度影响研究

内陆水体中浮游植物的存在对悬浮物（TSM）遥感反演模型精度具有一定的影响,藻类丰度会导致水体遥感反射率降低。实验基于中国、澳大利亚和美国内陆水体的372个采样点（4个数据集）水质分析和光谱实测数据,构建内陆水体遥感反射率与TSM的相关关系,建立最优波段比模型（OBR）,并分析了藻类颗粒物存在对该模型精度的影响。由于水质的不均一性,不同区域的水质参数敏感波段存在差异,因此各数据集用于建模的最优波段比值不同。结果表明,OBR模型精度较高,误差较小,中国水体模型验证均具有较好效果（石头口门水库：R²=0.87,RMSE=14.1 mg/L;查干湖：R²=0.82,RMSE=23.6 mg/L）,澳大利亚水体模型验证效果最佳,R²值高达0.95（RMSE=4.2 mg/L）,美国水体模型精度较低（R²=0.78,RMSE=3.7 mg/L）。研究发现,模型精度受水体叶绿素（Chla）浓度和Chla/TSM比率影响,当水体以TSM浓度较高的非藻类颗粒物为主时（如中国石头口门水库和南澳洲地区水体数据集）,最优波段比值模型表现更好;而当水体以浮游植物为主时,水体中的浮游植物的丰度会使光谱信号复杂化,从而限制或降低TSM浓度遥感算法的精度（如美国印第安纳州中部水库数据集）。     

水质遥感监测的关键要素叶绿素a的反演算法研究进展

叶绿素a浓度是表征水体富营养化程度的重要指标,通过遥感手段反演叶绿素a浓度是实现水体富营养化监测的一个有效途径,已衍生出了一系列叶绿素a浓度反演算法。这些算法各有所长,适用范围也各自有别。由于水体光学特征差异,盲目套用这些算法难以取得预期效果。为了推动水质遥感的进一步发展,从遥感反演的原理和数据源出发,对国内外利用遥感技术反演水体叶绿素a浓度的算法进行综述。根据算法结构设计的不同,将反演算法分为6大类,分别为荧光峰和反射峰算法、波段算法、指数算法、智能算法、基于水体分类的算法体系以及分析类算法,系统地梳理各类算法并分析算法特征。从算法适用的叶绿素a浓度区间和水体类型等角度出发,总结各类算法的适用范围,评述各类算法的优缺点,以期为环境和遥感工作者提供参考。主要结论如下：①Ⅱ类水体算法外推适应性较弱,应建立并补充实测数据集,研究各类水体光学特性异同点,构建基于水体分类的通用算法体系;②无人机技术与高光谱传感器的结合可为内陆水体水质监测提供新思路;③应结合机器学习算法与机理模型,发展物理原理约束的高精度反演模型。     

基于Sentinel-3A的北部湾海域叶绿素a浓度遥感反演研究

以北部湾为研究对象,基于Sentinel-3A卫星搭载的OCLI水色传感器,探索了叶绿素浓度的遥感反演方法。通过利用实测光谱数据对北部湾海域进行了分区,结合实测的叶绿素a浓度和Sentinel-3A遥感数据尝试不同的反演因子,包括波段比值、波段差值和波段差比,构建了叶绿素a浓度的遥感反演模型。研究结果表明：(1)北部湾海域的遥感反射率曲线呈现明显的分区的特征,结合光谱特征将北部湾海域分为近岸水体、过渡水体和离岸水体;(2)不同水体类型适用不同的反演因子构建模型,其中R_rs(764.375)/R_rs(681.25)用于近岸水体,[1/R_rs(620)-1/R_rs(708.75)]/R_rs(753.75)用于过渡水体,R_rs(708.75)-R_rs(764.375)用于离岸水体,均取得了较好的拟合效果,相应的R2值分别为0.67、0.80和0.8;(3)分区的方法有效的提高了遥感反演北部湾叶绿素浓度模型的适用性和精度。研究基于Sentin...     

广州市河网水体总悬浮物变化的遥感分析

悬浮物是指悬浮在水中的固体物质,它的含量是衡量水污染程度的指标之一,同时也是影响水体光学属性的主要指标之一。珠江是我国境内的第三长河流,包括东江、西江、北江等支流,汇合至广州河段然后进入南海。该研究基于高精度光学卫星遥感数据对珠江河网悬浮泥沙含量进行评价。利用5个航次现场实测的总悬浮物及水体光谱数据,建立了基于Landsat卫星的珠江河网总悬浮物浓度遥感反演模型,并使用Landsat-7与Landsat-8数据提取了1999—2014年珠江广州段河网总悬浮物浓度。研究发现,珠江广州段总悬浮物浓度自1999年开始增加,至2002年达到最高,2002年以后存在逐步降低的趋势。该研究成果可为决策部门及广大市民提供快速、高质量、可视化的水质变化信息。