NDCI法Ⅱ类水体叶绿素a浓度高光谱遥感数据估算

以太湖、巢湖为研究区,以Hyperion和HJ-1A卫星HSI高光谱数据以及实测水质浓度数据为实验数据,引入归一化叶绿素指数(NDCI),对Ⅱ类水体的高光谱叶绿素a浓度估算进行分析研究.首先对高光谱数据的光谱通道设置以及水体光谱特征进行分析,研究确定模型的最优波段.然后,将确定最优波段后的NDCI反射率因子作为变量与实测样本点数据进行回归分析,得到NDCI与叶绿素a浓度之间的回归关系,进行叶绿素a浓度的估算.与常用的比值法、一阶微分法和三波段法相比,NDCI的性能优于这3种方法,表明NDCI是一种计算简单、估算精度高、实用性强的Ⅱ类水体叶绿素a浓度估算方法.     

基于反射光谱的太湖北部叶绿素a浓度定量估算

利用地物光谱仪研究了太湖水体的反射光谱特征与叶绿素a浓度之间的定量关系,结果表明太湖水体的叶绿素a浓度可以用720 nm附近的反射率估算,同时也可以用806 nm和571 nm两个波段的反射率比值来估算,前者建立的估算模型具有较好的通用性,而后者只能较好的估算<10μg/L的叶绿素a浓度;通过对光谱微分的分析,发现叶绿素a浓度与690 nm附近的一阶微分和702 nm附近的二阶微分相关性最好,但基于反射光谱一阶微分的叶绿素a浓度估算模型,并没有显著的提高太湖叶绿素a浓度的估测精度,二阶微分后的估测精度好于一阶微分,但其估测精度仍没有利用720 nm反射光谱的反演模型高．太湖水体的叶绿素a浓度可以利用720 nm附近的反射光谱有效地估算．     

基于半分析模型的波段最优化组合反演混浊太湖水体叶绿素a

内陆水体叶绿素a浓度定量反演是水质遥感的热点与难点.本文基于对内陆水体叶绿素a、悬浮物、溶解有机物与水分子的光谱特征分析,从半分析生物光学模型出发,利用太湖实测的水面 ASD 高光谱遥感数据三波段组合,进行迭代优化,得到与叶绿素浓度密切相关而受悬浮物与黄色物质影响小的最优波段组合模型,反演精度较高,其决定系数和均方根误差分别为 0.8358、3.816mg/m3,该方法可以有效地反演高浓度悬浮物主导光学特性的水体叶绿素a浓度.     

应用实测光谱估算千岛湖夏季叶绿素a浓度

依据2010年8月的实测数据构建了千岛湖水体夏季叶绿素a浓度的实测光谱数据估算模型,并进行了验证.利用ASD FieldSpec3野外光谱仪获取高光谱数据,计算水体离水辐亮度和遥感反射率.通过寻找反演水体叶绿素a浓度的高光谱敏感波段,采用单波段相关分析、波段比值、微分光谱、三波段模型、BP人工神经网络等多种算法进行比较分析,结果表明:叶绿素a浓度与单波段光谱反射率的相关性不大;596 nm和489 nm波长处反射率比值、545 nm处光谱一阶微分与叶绿素a浓度均呈较显著相关,估测模型决定系数R2分别为0.782、0.590,RMSE分别为0.89、1.98μg/L;三波段模型的反演结果优于传统的波段比值和一阶微分法,R2为0.838,RMSE为0.71μg/L;神经网络模型大大提高了叶绿素a浓度的反演精度,R2高达0.942,RMSE为0.63μg/L.本研究为今后在千岛湖水域的夏季相邻月份进行叶绿素a浓度大范围遥感反演研究奠定了基础.     

基于环境一号卫星高光谱遥感数据的巢湖水体叶绿素a浓度反演

三波段模型是基于生物光学模型构建的叶绿素a浓度反演半分析模型,是目前反演内陆富营养化浑浊水体叶绿素a浓度效果较好的方法.本文通过星地同步实验,分析巢湖水体各组分光谱特征,分别基于地面实测数据与环境一号卫星高光谱遥感数据建立三波段模型反演巢湖水体叶绿素a浓度.结果表明,由于特征波段在不同数据源的位置不同,导致了两个模型波段选择及反演精度的差异.因此,只有在充分考虑遥感数据的光谱特征的条件下,分析遥感信息理论和实际图幅影像有效结合在一起的地物信息,才能进一步优化三波段模型的波段选择,实现遥感数据定量反演水体叶绿素a浓度的目标.     

秋季太湖悬浮物高光谱估算模型

2004年10月,在太湖设置67个采样点,现场测量了水体遥感反射比、后向散射系数和辅助参数,实验室分析了水体的悬浮物浓度和水色要素吸收系数.本文在对遥感反射比光谱分析的基础上,比较了几种水体遥感反射比光谱估算悬浮物浓度的方法,结果发现广泛应用的带比值项的算法,虽然可以应用于太湖总悬浮物浓度估算,但是普遍存在相对误差较高的弱点.通过对光谱的分析,确定了750hm单波段算法的参数,并提出了利用近红外812nm波峰高度来估算水体悬浮物的方法.文中还详细阐述了为什么比值算法等在太湖水体悬浮物浓度估算中相对误差比较高,并解释了利用近红外估算精度高的原因,并指明以上算法在遥感应用中的优点和不足,以及现实水体(水质)遥感对现有遥感器配置和遥感算法的需求.     

巢湖浮游植物叶绿素含量与反射光谱特征的关系

利用高光谱地物光谱仪在巢湖进行了反射光谱测量和同步水质采样分析。在分析巢湖水体反射光谱特征的基础上,通过研究水体光谱反射率与叶绿素浓度之间的关系,利用反射率比值法和一阶微分法分别建立了叶绿素a的遥感定量模型。结果表明反射率比值R705nm/R680nm和690nm反射率的一阶微分均与叶绿素a浓度有较好的相关性,且用反射率比值法估算叶绿素a效果较好。     

应用水表面下辐照度比估测太湖夏季水体叶绿素a浓度

利用便携式光谱辐射计,采用一定的观测角度获取水体表面的光谱,进而提取水表面下辐照度比R(0-)信息,分析R(0-)光谱特征与叶绿素a浓度之间的相互关系,结果表明太湖夏季水体叶绿素a浓度与R(0-)光谱曲线762 nm、727nm和496nm处的相关系数较大,分别达到了0.85、0.84、-0.80.通过单波段、波段比值模型分析,认为以R(0-)761、R(0-)762/R(0-)496、R(0-)727/R(0-)496为自变量的二次函数模型是利用水表面下辐照度比R(0-)估算太湖夏季水体中叶绿素a浓度的最佳模型,模型的决定系数R2分别达到了0.923、0.919、0.916,回归估计的标准误差S分别为0.012、0.013、0.013,F检验值分别为101.241、96.576、92.925.利用剩余10个样本对估算模型进行精度和误差检验,结果表明以R(0-)762/R(0-)496为自变量的二次函数模型好于另外两个,对太湖夏季水体叶绿素a浓度估算具有一定的实用性.此外,将光谱微分技术应用到R(0-)信息分析太湖夏季水体叶绿素a浓度,结果不能获得较高的预测精度.     

吉林查干湖水体叶绿素a含量高光谱模型研究

叶绿素a含量能够在一定程度上反映水质状况,高光谱遥感可有效反演叶绿素a含量.该研究通过分析水体叶绿素a浓度与其高光谱反射特征之间的相关关系,采用单波段相关分析、波段比值、微分光谱和神经网络模型等多种算法建立了叶绿素a高光谱定量模型.结果表明:叶绿素a与单波段光谱在蓝、绿波段相关系数较低,而在红光与近红外波段有明显提高,微分光谱也表现出同样的趋势;反射率比值算法模拟效果好于线性回归法;神经元网络模型可以大大提高实测光谱数据的反演能力,确定性系数高达0.95.这为今后利用星载高光谱传感器在查干湖进行叶绿素a浓度大面积遥感反演提供了研究基础.     

结合温度因子估算太湖叶绿素a含量的神经网络模型

神经网络方法估算复杂水体水质参数的优越性已经得到证实.基于太湖水体实测叶绿素a浓度,利用MODIS 250m影像和反演得到的水温数据建立了估算太湖水体叶绿素a含量的两个单隐层BP神经网络模型:NN1模型不含温度因子、NN2模型包含温度因子,采用Levenberg-Marquardt算法训练网络,利用初期终止方法提岛网络泛化能力,均取得了较高估算精度,其中包含温度因了的反演模型精度稍有提高,但不显著.     

基于反射光谱和模拟MERIS数据的太湖悬浮物遥感定量模型

利用地物光谱仪研究了太湖水体的反射光谱特征,通过对比分析,发现580nm反射率值和810nm的反射峰高是太湖悬浮物的敏感波段,并通过光谱微分的方法,发现840nm附近的一阶微分与悬浮物浓度相关性最好,基于上述结论,分别建立了太湖悬浮物的反射光谱和一阶微分遥感定量模型,并利用反射光谱数据,模拟MERIS数据的波段设置,结果表明MERIS第5、12、13波段可以很好的估测太湖的悬浮物浓度.     

基于矩阵模型进行抗荧光干扰的蓝藻原位检测方法

藻蓝蛋白与叶绿素a作为特征色素常用于表征蓝藻的生物量.藻蓝蛋白与叶绿素a通常用荧光光谱或原位荧光强度检测,但是在实际水体中藻蓝蛋白与叶绿素a的荧光效应相互干扰会影响测量精度,极大限制了该方法的应用.本文根据朗伯比尔定律,利用二阶矩阵模型设计了一套在荧光检测过程中"激发光-发射光"优化抗干扰的波长选择方法,并利用多元线性回归分析建立了两种色素浓度与荧光强度之间的多元校正线性模型,实验验证了所筛选蓝藻荧光分析法中特定激发光和发射光波长的有效性.本研究实现了两种色素检测过程中的成功解耦,可在藻蓝蛋白的原位检测中排除水体中藻蓝蛋白与叶绿素a之间的相互干扰,提高藻蓝蛋白和叶绿素a的原位检测精度,为开发便携式蓝藻检测传感器时的波长选择提供理论基础.     

太湖叶绿素a同化系统敏感性分析

太湖叶绿素a同化系统对于不同参数的敏感性将直接影响到该系统能否精确的估算太湖叶绿素a的浓度分布.利用2009年4月21日环境一号卫星(HJ-1B CCD2)影像数据反演太湖叶绿素a浓度场信息.以此作为背景场信息,结合基于集合均方根滤波的太湖叶绿素a同化系统,分析和评价了样本数目、同化时长、背景场误差、观测误差和模型误差对于同化系统性能的影响.结果表明:从计算成本、系统运行时间和同化效果等方面分析,当集合样本数目达到30~40左右时同化系统取得了较好的结果;同化系统对于背景场误差的估计变化不是很敏感,即初始场的估计是否准确对于同化系统的性能影响不是很大;同化系统对于模型误差和观测误差的变化较为敏感,不同的测试点位由于水体动力学性质不一,其敏感性的表现形式有所差异;利用数据同化方法可以有效地估算太湖叶绿素a浓度.     

YSI(多参数水质检测仪)测定叶绿素a浓度的准确性及误差探讨

YSI(多参数水质检测仪)由于其快速、轻便的特点,已广泛应用于野外水体中叶绿素a的测定.通过将YSI测得的叶绿素a值与分光光度法测定值进行比较,对YSI6600水质测定的准确性和数据采集进行评估.结果显示,YSI测定值多数偏低,且与分光光度法测定值之间存在显著性差异;时间上,冬季比夏季具有更大的线性相关性.分段回归结果显示,随着叶绿素a浓度不断增大,两组数据的差值也不断增大.YSI测定误差产生于3个方面:(1)测定前YSI校准方法的不同;(2)其它种类具有荧光特性色素的存在;(3)YSI自身结构.     

苏州平原河网区浅水湖泊叶绿素a与环境因子的相关关系

运用回归统计方法,研究苏州平原河网区60个浅水湖泊水体叶绿素a与水温、pH、Do、CODMn、TN、TP等环境因子的相关性,建立相应的同归方程,同时分析了湖泊水体叶绿素a的时空分布特征.研究表明,平原河网区浅水湖泊水体叶绿素a含量具有一定的时空差异性,冬季叶绿索a平均含量比夏季低,但冬、夏季叶绿素a含量空间分布具有一定相似性,整个区域呈现较明显的东高两低的分布趋势;湖泊水体叶绿素a含量与理化环境因子水温、pH、DO、CODMn呈显著正相关,水温可能是平原河网区浅水湖泊浮游植物生长的限制性因子:叶绿素a与NO2-N呈显著正相关,与NH4 -N无明显负相关,与NO3-N无显著正相关,与TN无显著相关,而叶绿素a的对数与TP的对数呈一定的正相关,与TN/TP的对数呈显著负相关.平原河网区浅水湖泊可能是一定程度的磷限制性湖泊.     

洪泽湖叶绿素a浓度的时空变化特征

叶绿素a浓度是衡量藻类生物量及评价水体营养状态的重要指标.基于洪泽湖2012年12月至2013年11月的水质监测数据,利用统计手段分析湖区叶绿素a浓度的时空变化规律,并进一步探究叶绿素a浓度与各项水质理化因子的响应关系.从时间维度上看,洪泽湖叶绿素a浓度季节变化规律在不同湖区有所差异,东部湖区叶绿素a浓度随季节变化曲线呈"双峰型",分别在3月和8月达到峰值.北、西部湖区叶绿素a浓度在春季变化平缓,并在秋季达到峰值.从空间维度上看,3个湖区之间叶绿素a浓度在春、冬两季存在显著差异,其余季节差异不显著.典范对应分析表明洪泽湖不同月份、不同湖区叶绿素a浓度与水质理化因子之间存在不同的响应关系.本研究为探究洪泽湖藻类时空异质性原因、宏观掌控其营养状态以及制定相应水质改善措施提供参考依据.     

辽河流域太子河流域N、P和叶绿素a浓度空间分布及富营养化

通过对太子河流域46个采样点溶解性无机氮、溶解性无机磷、总氮、总磷、电导率、p H、溶解氧和叶绿素a浓度及相关环境因子的测定,分析氮、磷浓度与叶绿素a浓度的空间分布特征,利用回归分析判别氮、磷与叶绿素a浓度的相关性,冗余分析判别河流水质与环境因子的关系,并初步评价太子河流域水体富营养化状况.结果表明:太子河流域氮、磷浓度具有明显的空间异质性,表现为上游浓度较低且变化较平稳,辽阳段浓度逐渐上升且波动增大,鞍山段浓度最高.冗余分析显示氮、磷浓度的空间分布特征与土地利用方式、海拔、河岸缓冲带宽度、植被多样性密切相关.叶绿素a浓度与氨氮、硝态氮、溶解性无机氮、溶解性无机磷、总氮、总磷和电导率呈显著正相关,说明营养盐的增多在一定程度上会促进浮游藻类的增长.太子河流域水体富营养化评价综合指数显示,太子河流域"中"营养状态点位有27个,占58.7%,"富"营养状态点位有19个,占41.3%,没有"贫"、"重富"和"极富"营养状态.     

太湖梅梁湾春季浮游植物初级生产力

用黑白瓶测氧法对梅梁湾春季浮游植物初级生产力的变化特征进行研究,探讨了初级生产力的日变化、垂直变化、区域分布、浮游植物现存量与初级生产力的关系以及不同曝光时间对P-I曲线的影响.结果表明,梅梁湾浮游植物初级生产力存在明显的日变化,最大值出现在10:00-14:00;初级生产力在梅梁湾分布呈现为从湾内向湾口逐渐递减的趋势;除表层水受光抑制影响使其生产力相对较低外,初级生产力随水深的增加而降低;初级生产力与叶绿素a存在显著的正相关,用水柱层平均叶绿素a浓度来估算初级生产力比用表层叶绿素a浓度来估算要更为精确;短的曝光时间往往带来高的初级生产力和同化系数.