基于TM影像的克钦湖叶绿素a浓度反演

为了研究扎龙湿地克钦湖的富营养化情况,利用准同步实测数据和Landsat-5/TM数据反演整个克钦湖的叶绿素浓度.在对叶绿素光谱特征研究的基础上,选取TM2、TM3、TM4单波段及其1 1种波段组合与叶绿素a浓度进行相关性分析,将相关系数较大的3种波段组合分别建模,得到3个估算叶绿素浓度的反演模型,选择精度较高的模型Y=41.57×(TM3+TM4)-0.697反演了克钦湖叶绿素a浓度.通过分析结果得出:克钦湖的水体叶绿素浓度分布总体上是南湖比较低,北湖较高,大的趋势是由南向北递增.这与准同步水质采样数据基本吻合,反映了克钦湖富营养化状态的实际情况.该模型可以较好地估测克钦湖水体叶绿素a的浓度,可以满足该水体叶绿素a含量定量监测的需要,对水体水质的动态监测和预警提供理论依据.     

基于MERIS遥感图像的太湖叶绿素浓度反演

以太湖为试验区,基于MERIS遥感图像数据以及同步实测的太湖水质参数数据,应用归一化叶绿素指数算法(NDCI),对太湖水体叶绿素a浓度进行反演,得到了太湖区域的水体叶绿素a反演结果,并对反演结果进行了验证和分析。结果表明:归一化叶绿素指数反演算法能够精确地反演太湖区域的叶绿素a浓度值,模型的决定系数(R2)为0.881 2,反演精度优于传统经验统计模型,可为今后更精确地反演内陆水体的叶绿素a浓度提供参考依据。     

基于环境小卫星CCD数据对太湖地区叶绿素a浓度的反演

针对我国湖泊水体富营养化监测问题,以太湖为研究对象,使用了快速、低成本、大范围的遥感技术反演太湖水体中的叶绿素a含量.以环境小卫星CCD数据和实测数据为研究基础,使用波段比值法建立了5种叶绿素a浓度回归模型.结果表明:多项式反演模型具有最佳的拟合效果,其相关系数R=0.8845;对该反演模型进行合理性验证,并将其运用在太湖地区,最终反演了该水域的叶绿素a浓度.这表明波段比值法构建的多项式反演模型可以较为准确地反演出太湖地区的叶绿素a浓度值.     

基于环境一号卫星数据的洞庭湖叶绿素a浓度反演

通过星地同步地面试验,建立起洞庭湖水体的叶绿素a浓度遥感反演模型,运用2011年4月~2012年4月的多期环境一号卫星CCD数据,对洞庭湖叶绿素a浓度进行动态监测和分析。结果表明:环境一号卫星CCD数据第三通道(HJ3)反射率与第二通道(HJ2)和第四通道(HJ4)反射率之和的比值与洞庭湖水体叶绿素浓度具有较高的相关性,从而构建基于环境一号卫星多光谱数据的洞庭湖叶绿素a浓度反演模型;采用多期环境一号卫星CCD数据对洞庭湖的叶绿素a浓度进行了连续监测,较好地反映了洞庭湖叶绿素a的时空分布变化。     

千岛湖水体叶绿素浓度高光谱遥感监测研究初报

以千岛湖为研究对象,利用高光谱地物光谱仪在库区进行了反射光谱测量和同步水质采样分析.通过研究水体藻类叶绿素浓度与其高光谱反射特征之间的关系,建立了叶绿素a的遥感定量模型, 结果表明:光谱反射率比值R701 nm/R516 nm、IKONOS的红光与蓝光波段反射率之比与叶绿素a线性相关程度都比较高,决定系数分别为0.87和0.83,可以用来估计叶绿素a浓度;而微分光谱、单波段以及其它波段比与叶绿素a的相关性不及前两者.所以,遥感估算千岛湖叶绿素a浓度,采用比值法最准确.由于TM波段与IKONOS波段范围几乎完全相同,而分辨率不同,从经济实用的角度考虑,可以用TM数据对整个库区进行大范围遥感监测,而对其支流和小范围水面,用分辨率较高的IKONOS数据才能满足精度要求.     

基于Landsat影像的博斯腾湖水质参数反演模型研究

以内陆博斯腾湖为研究区,通过实测数据和遥感数据,分析了单波段数据、归一化数据、波段组合数据与溶解性总固体、矿化度之间的相关性,建立并筛选获得了最优模型,以期为博斯腾湖溶解性总固体和矿化度两个指标的大面积遥感反演提供理论依据。结果表明,对溶解性总固体与矿化度浓度进行反演,单波段最优分别为B3与B2,最佳模型皆为指数模型;归一化处理后最优波段为B3与B2,最佳模型分别为二次模型与指数模型;波段组合最优为B2×B3与B2-B7,最佳模型为指数模型与指数、线性模型。通过模型的验证与比较,研究发现,归一化法对于溶解性总固体浓度的反演能达到较好的效果,而波段组合法能较好的反演矿化度浓度。     

千岛湖水体叶绿素浓度高光谱遥感监测研究初报

以千岛湖为研究对象，利用高光谱地物光谱仪在库区进行了反射光谱测量和同步水质采样分析．通过研究水体藻类叶绿素浓度与其高光谱反射特征之间的关系，建立了叶绿素a的遥感定量模型，结果表明：光谱反射率比值P701nm/R516nm、IKONOS的红光与蓝光波段反射率之比与叶绿素a线性相关程度都比较高，决定系数分别为0．87和0．83，可以用来估计叶绿素a浓度；而微分光谱、单波段以及其它波段比与叶绿素a的相关性不及前两．所以．遥感估算千岛湖叶绿素a浓度，采用比值法最准确．由于TM波段与IKONOS波段范围几乎完全相同．而分辨率不同，从经济实用的角度考虑，可以用TM数据对整个库区进行大范围遥感监测，而对其支流和小范围水面，用分辨率较高的IKONOS数据才能满足精度要求．     

镜泊湖水体富营养化空间分布特征与影响因素分析

利用2015年9月镜泊湖实测叶绿素a浓度与同步Landsat8 OLI数据建立了叶绿素a浓度波段组合模型,根据拟合度和验证精度最优原则,确定最优反演模型为(B_4+B_5)/B_3。通过Carlson营养状态指数法分析可知,镜泊湖水体营养化状态在空间上存在差异,其中湖区大部分地区属于中营养状态,南部地区湖心位置为贫营养状态,镜泊乡附近湖区处于富营养化状态。     

基于水体指数的镜泊湖叶绿素a质量浓度反演研究

结合2015年9月镜泊湖30个有效采样点的实测叶绿素a质量浓度和同步Landsat 8 OLI数据,通过分析叶绿素a的光谱特征,在Landsat8OLI数据11个波段中,选择前7个波段(B1、B2、B3、B4、B5、B6、B7)单独或组合建立叶绿素a质量浓度反演模型。利用多元统计分析法分析发现,波段组合B5/B3、(B3+B4)/B5、B3/(B1+B5)模型精度较好,决定系数R2分别为0.754 1、0.774 3、0.739 6。作为对比,另外选取典型的水体指数建立叶绿素a质量浓度反演模型;其中归一化水体指数(NDWI)、改迚归一化水体指数(MNDWI)、增强型水体指数(EWI)模型较好,R2均大于0.7,分别为0.747 6、0.726 7、0.763 5。选取上述6种模型,利用剩余采样点迚行精度检验,结果预测值与实测值之间的R2为0.0711～0.8094,其中,NDWI模型反演R2值为0.7614,平均相对误差为13.0%,最大相对误差为22.4%,最小相对误差为1.4%;均方根误差为0.20μg/L。与波段组合模型相比,水体指数模型虽然精度没有较大的提高,但其模型摆脱了波段的随机组合,更适合用来作为镜泊湖叶绿素a常用的监测方法。通过NDWI模型对镜泊湖叶绿素a质量浓度的反演,发现镜泊湖叶绿素a质量浓度分布具有一定的空间差异性,大体趋势为靠近岸边的浅水区叶绿素a质量浓度高于湖心的深水区,有河流注入的来水区高于其他湖区。     

舟山近海域悬浮泥沙浓度遥感反演研究

[目的]采用卫星遥感方法反演舟山海域悬浮泥沙的分布,并进一步探索适合的反演模型,为以后舟山海域悬浮泥沙遥感研究提供参考依据。[方法]利用实测数据、遥感数据和实验室分析的方法,对舟山海域不同水体进行光谱分析,建立水体遥感反射率与悬浮泥沙浓度之间3种不同的反演模型。[结果]遥感参数反演模型的反演效果最好;对数反演模型次之,对数模型下TM4波段的相关系数最大,TM3波段的相关系数最小;线性反演模型最差,线性模型下TM2波段的相关系数最大,TM3波段的相关系数最小。[结论]在舟山海域采用遥感参数模型可以获得较高的反演精度。     

青山湖水体总悬浮物浓度的高光谱遥感反演

利用2009年11月9日城市湖泊青山湖实测的水体高光谱遥感数据和同步水质采样数据,在分析水体固有光学特性的基础上,采用单波段、两波段比值和一阶微分3种算法进行了湖泊水体总悬浮物浓度（TSS）遥感反演研究。结果表明,单波段、两波段比值和一阶微分模型相关系数均较好,688 nm处一阶微分线性回归模型相关系数R2为0.932 8,RMSE为2.896 1 mg/L,为最佳的TSS实测光谱遥感反演模型,可以用于青山湖水体TSS浓度的反演。该研究可为水质指标大面积的卫星遥感反演研究提供基础。     

基于人工神经网络的CHRIS数据内陆水体叶绿素浓度反演研究

利用BP神经网络和CHRIS高光谱数据反演了富营养化非常严重的太湖梅梁湾地区叶绿素A浓度。首先计算了CHRIS模式2的18个波段与叶绿素A浓度的皮尔森相关系数,选择CHRIS的前5个波段和第13波段的反射率值作为神经网络的输入,以野外测量的叶绿素A浓度为神经网络的输出。实验表明,BP神经网络具有很好的非线性拟合能力,叶绿素A浓度的反演精度相对误差仅为22%,明显优于传统的多项式模型,显示BP神经网络与CHRIS高光谱数据结合的方法在内陆水体水质参数反演领域的应用具有相当的优势。     

基于遥感技术的分散式水源水质监测初探——以重庆市永川区为例

在基于统计学理论的水质遥感反演研究基础上,利用Landsat-TM遥感影像数据,结合水质反演的原理,选取典型丘陵区———永川区主要水库水体水质参数(叶绿素a、悬浮物、透明度、水温和氨氮)为研究对象,建立遥感信息同实测数据间的响应关系,得出具有区域代表性的反演模型,初步形成了一套基于遥感的分布式水质定量测算研究方法,分析结果得出水体中叶绿素a、水温和氨氮精度较高,悬浮物、透明度精度较低。     

东湖水体叶绿素浓度的遥感反演研究

环境一号卫星CCD数据具有获取周期短、空间分辨率高的特点,在内陆湖泊水质遥感监测方面具有很好的应用前景。通过与卫星同步的地面试验,建立了适用于东湖水体叶绿素浓度遥感反演模型,使得遥感数据的反演结果与地面测量一致,结果表明,东湖水体叶绿素浓度具有明显的时空分布特点,东湖东部水质和北部水质较好,南部和西部水质较差,这为东湖水质的治理提供了有效的参考依据。     

水体叶绿素遥感反演中的多尺度分析

水体遥感影像提取污染物信息普遍存在着尺度效应问题,选择合适的空间分辨率影像能够准确地表征水域污染的空间分布状况.充分利用水体空间尺度信息,研究水色遥感的尺度问题,有利于提升湖泊水体遥感反演模型的应用能力.以巢湖水域HJ-lA卫星HSI高光谱和CCD多光谱遥感数据为例,以Matlab为平台,采用基于离散小波多尺度变换分析方法,生成多光谱尺度和空间尺度影像,然后利用水体污染物的定量遥感反演方法,获取湖面水体叶绿素多尺度空间分布浓度,并利用水面同步实测数据对反演结果进行验证.通过结果比较,确定100 m分辨率的HSI高光谱数据为较优分析空间尺度.     

基于TM影像的微污染水质监测模型研究

以沧州大浪淀水库为研究主体,将水体TM影像与实测数据进行分析处理,得出水体反射率与水质参数相关性最高的波段组合,建立了悬浮物、总氮两种水质参数的遥感监测模型,并进行了反演和验证。结果表明所建模型满足了水库水质参数的动态监测需要,可以利用所建的模型来了解水体环境,采取措施,为附近地区人民生产和生活用水安全提供保障。     

平原水库总氮质量浓度的定量遥感研究

以沧州大浪淀水库为研究对象,将实测的总氮含量和TM遥感数据反射率进行回归分析处理,构建了总氮含量与各波段多光谱定量遥感模型,并对（TM3＋TM4）波段指数模型进行了定量反演,其结果符合水体实际水质分布情况,表明所建模型可应用于该水体总氮含量的监测需要。     

基于氮素叶绿素关系的冬小麦籽粒蛋白质含量高光谱反演

为进一步提高光谱数据反演小麦籽粒蛋白质含量的精度以及反演模型的可解释性,研究以籽粒蛋白质含量（GPC）-氮素-叶绿素之间的关系为载体,通过叶绿素筛选相关植被指数,采用偏最小二乘回归（PLS）方法建立GPC反演模型。结果表明,开花期是监测籽粒蛋白质含量的最优时期。开花期氮素与对应密度叶绿素的相关性较高。通过筛选出与叶绿素密切相关的植被指数,利用PLS建立籽粒蛋白质含量反演模型,模型决定系数R2为0.77,RMSE为0.95%,用其他年份数据进行模型验证,结果显示RMSE达到1.22%。本研究表明：基于氮素、叶绿素关系建立PLS反演模型能够实现不同年份GPC光谱遥感反演,且模型在年际间表现出较高的精度和稳定性。     

基于叶绿素a浓度的珠江口感潮河段咸潮监测研究

依据实测资料研究了珠江口最主要的感潮河段沙湾-虎门水道和磨刀门水道水体的叶绿素浓度、盐度的高光谱特征及其空间变化趋势。结果表明：水体叶绿素a浓度和反射率波段比值有较好的相关关系,最佳关系在R704/R513处,r=0.92;在盐度大于2‰的情况下,随着盐度增加叶绿素a浓度逐渐降低,并且向伶仃洋方向随着盐度的增加叶绿素a浓度是递减的。在珠江沙湾-虎门以及磨刀门感潮河段,水体表面盐度与叶绿素a浓度之间表现为较好的负相关关系,表明可以用叶绿素a浓度来推定咸潮的入侵情况。因此,通过遥感图像反演出水体的叶绿素a浓度进而推断珠江口河网区的咸潮入侵空间变化是可能的。     

基于无人机多光谱影像的海口市美舍河凤翔湿地公园水体叶绿素反演

为掌握海口市美舍河凤翔湿地公园水体中的叶绿素(CHL)空间分布，科学评估区域水体水质情况。使用无人机搭载多光谱传感器获取多光谱影像，从中提取16个光谱参数(V1～V16)，结合实测水体样本数据，构建CHL叶绿体的反演模型。结果显示：光谱参数V3与CHL具有明显的相关性，在建立的反演模型中，指数函数反演模型的精度最高，决定系数R²值为0.660。经检验，指数函数模型的估测值和实测值的拟合曲线R²值为0.870 9。研究结果符合水质参素反演精度要求，可为下一步绘制水质参数空间分布图及美舍河凤翔湿地公园的水体治理提供科学依据。