巢湖水体SPM和CDOM吸收特性季节差异研究

水体吸收系数作为重要的光学参量,研究它可进一步发展生物光学模型,为评估湖泊水体富营养化提供重要的理论基础。该文依据2020年8月和2021年10月在巢湖区采集的水样数据,经实验对水体组分光谱吸收和参数浓度的测定,展开对水体各组分吸收特性的研究以及季节差异分析。结果表明：巢湖夏季水体色素浓度高于秋季,而颗粒物则反之,两期水体各组分吸收特性时空差异显著;夏季总悬浮颗粒物在440和675 nm波段处的吸收系数a_p(440)、a_p(675)均值要比秋季大,且两期水体吸收类型大有差别;浮游植物夏季生长旺盛,光合色素增多,秋季因气候使其大量死亡,降解为非藻类颗粒物,导致夏季浮游植物色素颗粒物在440和675 nm波段处的吸收系数a_ph(440)、a_ph(675)、比吸收系数a^*_ph(440)和a^*_ph(675)均值大于秋季,而秋季非藻类颗粒物在440、675 nm波段处的吸收系数a_d(440)、a     

基于不同光谱主导因子的内陆湖泊水体叶绿素浓度三波段反演模型研究

利用分层聚类法,对实测的遥感反射率进行分类,结合固有光学特征和实测的水色要素,确定每种类别遥感反射率光谱变化的主导影响因子.根据太湖、滇池、三峡库区及巢湖的地面遥感实验,将其遥感反射率分为3类,类型一的光学特性由总悬浮物和浮游藻类共同主导,类型二的光学特性由浮游藻类主导,类型三的光学特性由悬浮物主导.根据每类水体光学特征的差异,分别建立叶绿素浓度的三波段反演模型,反演的平均相对误差为23.8%,均方根误差为8.5 mg/m3,其反演精度要高于未经分类而直接建立的三波段模型.     

利用高光谱反演模型评估太湖水体叶绿素a浓度分布

叶绿素a浓度是评价水体富营养化和初级生产力的一个重要参数,高光谱遥感是获取叶绿素a浓度的有效手段.为建立太湖水域叶绿素a的最佳高光谱估算模型,选取2015年5—7月共计60组同步实测高光谱数据和叶绿素a浓度数据,在地面光谱反射率和叶绿素a浓度相关性分析的基础上,使用2∶1的数据样本进行太湖水域叶绿素a的最佳高光谱估算模型的建立和验证,筛选模型分别为波段比值、三波段、荧光峰位置、峰谷距离、一阶微分、NDCI(Normalized Difference Chlorophyll Index)、峰面积、荧光峰高度、WCI(Water Chlorophyll-a Index)和四波段模型.结果表明,建模得到的四波段模型决定系数最高,峰面积模型的决定系数相对最低;四波段模型的反演精度最高,均方根误差(RMSE)为0.00376 mg·L~(-1),平均绝对误差(MAPE)为27.86%,而WCI模型的反演精度相对最低,RMSE为0.01231 mg·L~(-1),MAPE为45.11%.将反演精度最高的四波段模型应用于2015年8月3日的两景HSI(Hyperspectral Imaging Radiometer)高光谱影像数据,也得到较高精度,利用同步实测叶绿素a浓度验证的决定系数为0.7643,RMSE为0.00433 mg·L~(-1),MAPE为45.62%.在春、夏季叶绿素对水体光学特性占主导作用且叶绿素分布均匀的情景下,本研究可为太湖水域叶绿素a的高光谱反演和水环境监测提供有价值的参考,其它季节水体光谱特点的研究尚待进一步开展.     

珠江口水体组分的吸收特性分析

水体组分吸收特性是水下光场和水面光谱的主要影响因子,对其进行研究有助于提高对水体光学特性的认识和水质参数的遥感反演.基于2013年7月珠江口水体30个样本的实测数据,对珠江口水体总颗粒物、非藻类颗粒物、浮游藻类和CDOM的吸收特征进行了分析,结果表明:1总颗粒物吸收特征为非藻类颗粒物主导类型;2非藻类颗粒物的吸收系数遵循指数衰减规律,主要来源是陆源性输入,指数斜率Sd均值与空间变化幅度高于内陆二类水体;3多项式关系能较好地表达aph(440)与叶绿素a浓度的关系,而aph(675)与叶绿素a浓度存在很好的线性相关,辅助色素对浮游藻类吸收系数的影响主要在短波波段,长波波段叶绿素a的影响占主导地位,比吸收系数随叶绿素a浓度的增加而减小,呈现幂指数衰减规律;4CDOM输入以陆源为主,光谱曲线在紫外波段250~290 nm之间存在一个吸收肩,按光谱特征分段拟合Sg值能够更好地表达CDOM吸收特性,M值与A段(240~260 nm)的斜率Sg值呈现较强的正相关,珠江口水体的M值较小,CDOM中腐殖酸含量较高;5珠江口水体非色素颗粒物吸收在总吸收中占主导地位,浮游藻类吸收对总吸收的贡献远小于非色素颗粒物,CDOM吸收对总吸收的贡献最小,当CDOM中腐殖酸含量较高时,CDOM对水体总吸收的贡献大,腐殖酸含量较低时,CDOM对水体总吸收的贡献小.     

巢湖水体固有光学特性研究

水体的固有光学特性是描述水体辐射传输的基本光学特性,是建立水质参数遥感模型的基础.黄色物质、非色素悬浮物和浮游植物是影响内陆水体光学特性的3种主要物质,对巢湖水体中这3种物质在波长为400～800 nm的吸收系数进行了测量和分析.结果表明,各组分的吸收系数随其含量的增加而增加;黄色物质和非色素悬浮物的吸收系数随波长的增加呈负指数形式递减;浮游植物吸收光谱的形状与不同藻类的色素组成密切相关.绿色到近红外波段范围是遥感监测内陆水质参数的最佳波段.      

基于环境一号卫星数据的太湖叶绿素a浓度反演

环境一号卫星在大型水体水环境监测与评价中具有独特的优势。为探求遥感影像在水体叶绿素a浓度反演中的应用,基于环境一号卫星CCD数据和同步实测叶绿素a浓度值,通过影像辐射定标、大气校正和几何精校正等预处理获取水体反射率,分别将单波段和不同特征波段组合的反射率与实测叶绿素a值进行皮尔逊相关分析,选取R20.8的波段组合进行建模,通过对3种波段组合反演结果对比和精度验证,发现基于CCD数据第4波段与第3波段反射率比值的二次模型具有良好的反演效果,模型预测值与实测值的最小相对误差为0.76%,平均相对误差10.99%,均方根误差为0.007 6 mg/L,明显低于实测叶绿素a浓度的平均值;最后基于该模型实现了太湖叶绿素a浓度反演,并对叶绿素a的时空分布进行了初步分析。     

基于环境一号卫星的太湖叶绿素a浓度提取

综合环境一号小卫星的CCD数据和同步地面水质监测数据,发现可见光红波段与近红外波段的波段组合与叶绿素a实测浓度存在较高相关性,并以此为基础建立了3个提取水体表层叶绿素a浓度的遥感信息模型.经验证分析,基于近红外波段与红波段比值的模型用于叶绿素a浓度反演提取的精度良好,RMSE达到了6.04mg/m3.将该模型应用于环境一号卫星CCD数据,生成了2009年5~12月共8幅太湖水体叶绿素a浓度分布图,并对其进行了时空分析,结果符合实际,并与以往的研究结果相一致.但模型不适用于水生植被覆盖较多区域叶绿素a浓度估算.     

基于实测数据和卫星数据的黄东海透明度估测模型研究

海水透明度是描述水体光学特征的一个重要参数,也是海洋水质调查中的一个重要指标。利用2个航次的黄东海透明度数据和MODIS遥感反射率数据,进行了黄东海透明度的遥感反演研究,建立了透明度单波段模型、波段比值模型、三波段模型以及基于固有光学特性的半分析模型。结果表明,三波段模型具有较高精度,反演值与实测值之间的平均相对误差为19%、决定系数为0.719、均方根误差为1.47m。黄东海透明度估测模型的建立,有利于利用遥感影像对黄东海透明度进行全面估测,对于监测黄东海水质状况具有重要意义。     

基于GOCI影像和水体光学分类的内陆湖泊叶绿素a浓度遥感估算

叶绿素a作为水质参数之一,常用来作为衡量水体富营养化程度的指示标准.利用从太湖及洞庭湖获取的326个实测数据,基于实测遥感反射率对水体光谱进行光学分类,结果表明所采集的样点可分为3种水体类型.结合GOCI的波段设置,建立了不同类型水体的叶绿素a浓度反演模型.水体类型一可以利用490 nm(3波段)和555 nm(4波段)来反演,水体类型二可利用660 nm(5波段)和443 nm(2波段),水体类型三利用745 nm(7波段)和680 nm(6波段).精度分析表明,分类后的平均相对误差明显下降,类型一为38.91%、类型二为24.19%、类型三为22.90%;类型一均方根误差为4.87μg·L-1、类型二为8.13μg·L-1、类型三为11.66μg·L-1;分类前后的总体平均相对误差由49.78%降低到29.59%,总体均方根误差由14.10μg·L-1降低到9.29μg·L-1,分类后反演精度得到了显著提高.利用2013年5月13日8景GOCI影像反演了太湖的叶绿素a浓度,结果表明,2013年5月13日太湖叶绿素a浓度日变化显著,高值区主要集中在竺山湾、梅梁湾、贡湖湾,低值区主要集中在湖心区以及南部区域,10:00以后太湖西南部沿岸的叶绿素a浓度显著降低.这种先分类后反演的方法对于二类水体的模型反演精度的提高具有重要作用.     

基于半分析方法的内陆湖泊水体总悬浮物浓度遥感估算研究

根据生物光学原理,通过对总悬浮物吸收占水体总吸收比例光谱的分析,确定适宜总悬浮物浓度反演的波段范围;结合以往学者对太湖等水体固有光学特性的研究成果,运用最小二乘法,确定生物光学模型的相关参数,建立了浑浊湖泊水体总悬浮物浓度的单波段估算模型.结果表明,在短波波段,总悬浮物的吸收占水体总吸收的比例较高,出现光饱和现象,不适...     

基于Sentinel-2的平寨水库叶绿素a浓度反演

为实现对平寨水库叶绿素a的遥感监测,选取平寨水库2017年11月17—18日的实测叶绿素a浓度数据和准同步的Sentinel-2数据,通过选取最佳波段组合建立BP神经网络模型,对平寨水库叶绿素a进行反演,并分析其空间分布特征。结果表明:Sentinel-2红边波段对叶绿素a的敏感性优于可见光波段,在叶绿素a浓度反演方面具有较大潜力。相关系数最大的波段组合方式是:B5/B4、[1/B4-1/B5]*B6、[1/B4-1/B5]*B7和[1/B4-1/B5]*B8;BP神经网络模型可决系数R2为0.9160,平均相对误差为29.87%,反演精度优于三波段模型;平寨水库叶绿素a浓度空间分布差异明显,水面开阔的中心库区浓度较高,各支流上游河段浓度较低。Sentinel-2数据可较好地应用于喀斯特高原湖泊叶绿素a浓度反演,BP神经网络模型估测结果合理、可靠;研究结果可为平寨水库水环境治理提供科学依据。     

基于生物光学模型的晋江悬浮物遥感估算

为了建立以生物光学模型为基础的河流悬浮物遥感估算方法,以福建晋江为例,对福建晋江下游河段的光学特性和悬浮物浓度进行了测定,探讨了水面下反射率R(O-)与悬浮物浓度之间的响应关系.结果表明,绿光波长的反射率与悬浮物浓度的相关性最强,因此,用R(O-)TM2与悬浮物浓度建立了遥感估算模型,并将其应用于2008年2月28日的Landsat TM影像,反演出晋江的悬浮物浓度分布.精度分析说明,平均相对误差RE为11.93%,该模型可以有效地应用于Landsat TM反演悬浮物浓度.     

基于生物光学模型的二类水体光学活性物质估算：以晋江下游河段为例

水体中各组分对光谱的吸收和散射构成了水体的固有光学特性,是生物光学模型的重要参数,是建立水质遥感半分析模型的基础.目前该方法多应用于湖泊水质监测,很少用于河流.因此, 本研究以福建晋江下游河段为例, 探讨水面下反射率R(0^-)与光学活性物质之间的关系,并建立了光学活性物质的估算模型.结果表明,利用R(0^-)₇₅₃与总悬浮物浓度、R(0^-)₇₀₂/R(0^-)₆₈₀与浮游植物色素浓度、R(0^-)₆₇₀/R(0^-)₄₂₃与CDOM吸收系数分别建立的估算模型能取得理想的效果,其决定系数分别是0.953、 0.820 5和0.621 3,对应的相对误差分别是6.1%、 21.87%和22.18%.三者中以悬浮物浓度的反演精度最高,然后依次为浮游植物色素浓度和CDOM.主要原因在于浮游植物色素的浓度相对较低,光谱信号较弱;CDOM的特征光谱波段很窄,而且该波段内的R(0^-)受到其它２种物质存在的影响.     

基于Sentinel-3 OLCI影像的秦皇岛海域悬浮物浓度遥感反演

基于2013~2021年期间秦皇岛海域遥感反射率、悬浮物浓度及叶绿素a浓度等实测数据,开展了该海域Sentinel-3 OLCI影像的悬浮物浓度遥感反演模型研究.结果表明,文献中常用的典型经验模型形式均不适用于秦皇岛海域,以490、620及708.75nm为悬浮物反演的敏感波段,以560nm为参比波段,将各敏感波段与参比波段的比值作为自变量,最终建立了适用于秦皇岛海域的Sentinel-3 OLCI四波段悬浮物浓度遥感反演模型（R²=0.69,MAPE=24.79%,RMSE=2.82mg/L）;并采用2021年7月24日Sentinel-3 OLCI影像进行悬浮物浓度遥感反演产品的真实性检验,得到反演值与实测值的平均相对误差为13.24%.将上述四波段模型用于2021年1~12月秦皇岛海域的Sentinel-3 OLCI影像,反演得到月均悬浮物浓度,发现秦皇岛海域悬浮物浓度整体呈现沿岸海域高、离岸海域低,秋冬季高、春夏季低的时空变化特征;且2018~2021年秦皇岛海域悬浮物浓度的年均值逐年递减,水体越来越澄清.     

基于生物光学模型的巢湖悬浮物浓度反演

根据2009年6月巢湖32个样点实测的遥感反射率、悬浮物浓度、吸收系数及散射系数等数据,分析巢湖水体各组分的吸收、散射等固有光学特性,确定悬浮颗粒物单位散射系数、后向散射概率等固有光学参数,构建基于生物光学模型的悬浮物浓度反演模型,并利用准同步获取的环境1号卫星CCD影像数据反演巢湖悬浮物浓度.结果表明,555 nm处悬浮颗粒物单位散射系数的平均值为0.48 m2/g,以555 nm为参考波长,建立指数衰减模型对悬浮颗粒物单位散射系数进行参数化,模型的决定系数可以达到0.99;此外,在760～900 nm(Band4)范围内,后向散射概率不具有波长依赖,其值稳定在0.051.利用所得到的表观及固有光学量构建巢湖水体遥感反射率模型,反演巢湖悬浮物浓度,得到实测值与反演值之间的相对误差随着浓度的增加而呈现下降的趋势,平均相对误差为17.25%,由此表明该方法适用于反演悬浮物浓度较高的湖泊水体;利用两景环境1号卫星CCD影像数据反演得到的巢湖悬浮物浓度主要在0～100 mg/L之间变化,其中6月13日巢湖悬浮物浓度40 mg/L的水域占到总面积的54.37%,而6月15日巢湖61.62%的水域悬浮物浓度40 mg/L,且这2 d巢湖悬浮物的分布与当时的气候变化一致.     

广州流溪河水库叶绿素a遥感反演研究

叶绿素a是衡量水体初级生产力和富营养化程度的一项重要指标。本研究在讨论分析反演水体叶绿素a浓度的半分析生物光学模型理论基础上,利用Landsat TM数据及中巴资源卫星02星CCD相机高分辨率数据,结合实测数据建立广州流溪河水库叶绿素a浓度的波段比值型反演模型。该模型对两个不同监测日期的叶绿素a浓度反演效果较好,拟合系数(R2)分别达到0.860和0.715,均方根误差分别为0.102μg/L和0.198μg/L。反演结果表明,流溪河水库叶绿素a浓度整体较低,均在2.0μg/L以下,空间分布在湖库区较均匀,入库支流玉溪河水域叶绿素a浓度略高于湖库区。     

影响悬浮颗粒物吸收系数测量的相关因素研究

水体悬浮颗粒物吸收系数是水色遥感研究中的关键参数之一,为研究不同因素对吸收系数测量结果的影响,分别采用透射法(T法)、透射反射法(T-R法)和吸收法(A法)测量颗粒物吸收系数.结果表明,A法在测量悬浮颗粒物吸收系数时受滤膜差异性、滤膜含水量以及滤膜颗粒物分布不均匀等因素的影响较小,测量精度较高.对不同测量方法的光程放大因子的研究结果表明,不同测量方法,不同颗粒物富集量会有不同的光程放大因子.采用线性拟合的方法求得A法、T法和T-R法的平均光程放大因子为4.01、2.32和2.20,相关系数分别为0.90、0.80和0.87.对于A法和T-R法,采用二次多项式拟合的方法计算光程放大因子可以提高测量精度,相关系数分别为0.95和0.94.对比各影响因素对测量结果造成的平均相对误差发现,光程放大因子是颗粒物吸收系数测量最大的误差来源.     

滇池水体总悬浮物散射系数参数化模型

总悬浮物的散射系数是水体非常重要的固有光学量之一,散射系数的参数化研究,对于水体生物光学模型的构建具有非常重要的意义.2009年9月对滇池水体25个样点进行野外采样,对滇池水体水质参数、悬浮物的吸收、散射特征进行分析,并利用乘幂模型对散射系数进行参数化,分析了模型精度与色素颗粒物吸收之间的关系,进而改进乘幂模型.结果表明,在色素颗粒物吸收较强的波段,普通乘幂模型的平均相对误差为0.08,模型改进后相对误差缩小为0.02;在色素颗粒物吸收较弱的波段,会出现模型的过修正,这主要取决于色素颗粒物的吸收,因此,没有必要对乘幂模型进行修正.     

香港近海海域叶绿素a定量反演及时空变化分析

以2009~2019年HJ-1A/B卫星多光谱数据和对应日期的实测数据为数据源,通过预处理提取出各波段组合反射率并与实测叶绿素a浓度数据进行统计相关性分析,选取相关性最高的波段组合作为特征变量与2/3的实测叶绿素a浓度数据进行建模,并用剩下的1/3实测叶绿素a浓度数据进行精度验证以确定最佳遥感反演模型,最后根据最佳反演模型对2009-2019年的香港近海海域叶绿素a浓度进行反演,明晰该海域近10年的叶绿素a浓度时空变化特征.结果表明：利用HJ-1A/B卫星多光谱数据反演香港近海海域叶绿素a浓度的最佳波段组合为第3波段和第2波段比值（B3/B2）,相关系数（r）为0.893;最佳反演模型为利用B3/B2构建的e指数回归模型（Chl=0.004e^6.693(B3/B2)）,决定系数（R²）为0.934,均方根误差（RMSE）为0.255μg/L,平均相对误差（RPD）为25%;近10年香港近海海域的叶绿素a浓度时空变化特征：空间上整体呈现“东高西低,由东向西逐渐减小”的分布特征,西部海域比东部海域平均浓度低5μg/L左右;2017年内呈“春低秋高,夏升冬降”的随季节变化特点,其中秋季最高,夏春两季次之,冬季最低.