一种计算水体中悬浮物后向散射系数的方法

基于生物光学模型的水质参数反演分析方法是水质遥感监测算法的发展趋势.分析方法中需要以水体中悬浮物后向散射系数作为参数.水体中悬浮物后向散射系数目前主要有3种测量方法,但是这些方法要么因为仪器稀缺而无法普及,要么测量精度不高.提出了一种计算水体中的悬浮物后向散射系数的方法,该方法利用水面比较容易测量的反射率光谱和实验室内比较容易测量的水体各组分的吸收系数光谱,基于生物光学模型推导得出水体中的悬浮物后向散射系数.利用太湖梅梁湾试验区获取的数据检验了这种方法,并取得了较好的效果.这种方法的主要优势是:它基于生物光学模型,有严密的理论基础,具有较高的精度和通用性;另外,它使用的数据比较容易测量,方法容易实施,可为水质参数反演分析方法的建立奠定坚实的数据基础.     

基于分析方法的太湖叶绿素a反演研究——以MODIS数据为例

目前, 针对太湖水体的叶绿素波段敏感性的分析, 大多集中在实测的高光谱反射率数据或者图像提取反射率与叶绿素浓度的统计分析结果上, 缺乏基于水体光学特性的研究, 并且两者之间的一致性也一直缺少论证。研究中采用2004 年4 月和2007 年8 月的两期数据, 首先从水质参数的生物光学特性入手, 基于生物光学模型, 利用叶绿素和其他水质参数的吸收和后向散射系数, 模拟计算其他水质参数不变, 叶绿素浓度处于不同水平时的水面反射率, 分析实测反射率对叶绿素浓度变化的响应; 利用MODIS 的波段响应函数把实测光谱模拟成宽波段的MODIS 反射率, 以此作为桥梁进而对实测的高光谱反射率和MODIS 图像提取反射率与叶绿素浓度的相关程度的一致性进行分析, 为利用MODIS 图像进行水质参数反演时的反演因子选择提供了依据。     

内陆水体叶绿素a浓度反演的区域化三波段模型研究

以太湖和石头口门水库为例,建立了一种可直接计算水体叶绿素a浓度的区域化三波段模型。该模型通过对研究水体的光学特性分析,明确三波段组合与叶绿素a浓度间的函数关系参数,不仅可较好指示研究水体叶绿素a浓度水平,而且大大减小了回归算法所带来的模型不确定性。利用高精度、长时间序列的水体光学特性观测数据,建立针对不同研究水体的区域化三波段模型可为实现内陆水体叶绿素a浓度遥感监测业务化运行提供方法借鉴。     

太湖草型湖区底质对遥感反射比的贡献

水体的光谱特性主要表现为体散射而非表面反射,光学浅水中,光穿透水体而到达水底,离水辐射包含水体自身的贡献以及底质反射并透过水体到达水面的贡献.2004年10月试验获取了太湖67个样点的遥感反射比、后向散射以及吸收等表观光学量和固有光学量,同时测量了叶绿素、悬浮物和DOC含量,以及其他相关参数,如透明度、水深;以草泥均匀分布的水平朗伯性湖底、均质水体为假设条件,使用LEE模型,计算了太湖草型湖区底质对恰在水面下遥感反射比的贡献,同时计算了漫垂直衰减系数;分析了漫垂直衰减系数与透明度、悬浮颗粒以及与无机悬浮颗粒的关系,同时分析了漫垂直衰减系数与底质贡献的关系,从而为太湖水质参数遥感反演精度的提高打下了良好的基础并有了定量判断底质贡献的科学依据.     

用分析模型方法反演水体叶绿素的浓度

水体叶绿素浓度是水质评价的一个重要指标。建立水体光学传输的分析模型，进而用分析模型反演水体叶绿素浓度，对于提高遥感反演水质参数的精度和实用性具有重要意义。作者于2004年6月初对太湖18个点位进行了同步水体波谱实测和水体取样分析。由这18个点位的实测数据，利用Gordon模型建立了R（0^-）的模拟模型，并进而用优化函数的方法反演水体叶绿素浓度。反演值与实测值的相关系数达到0．99，当叶绿素浓度高于30mg／m^3时，反演的相对误差小于20％。进而用该模型反演2005年7月太湖7个点位的叶绿素浓度，反演值与实测值的相关系数为0．94，其中，有6个点位的反演值相对误差小于60％。     

植被覆盖区土壤水分反演研究——以北京市为例

以北京市为研究区域,联合使用光学遥感数据和雷达数据,对植被覆盖区地表土壤水分进行反演研究。在利用同期光学数据提取出归一化水分指数(normalized differential water index,NDWI)之后,利用water-cloud模型去除植被层在土壤水分后向散射中的贡献,然后考虑到地表粗糙度,在构建后向散射数据库的基础上分别利用HH和HV极化方式的后向散射系数构建土壤水分反演模型,并对反演结果进行对比研究。结果表明,采用HH极化方式反演土壤水分的均方根误差为0.044,相对误差为15.5%;采用HV极化方式反演土壤水分的均方根误差为0.057,相对误差为20.3%;相比而言,HH极化的反演效果更好。     

基于水体光学分类的二类水体水环境参数遥感监测进展

二类水体主要包括内陆及近岸水体,受浮游植物、悬浮颗粒、有色可溶性有机物等多种因素影响,光学特性复杂多变,难以建立统一的水环境参数遥感定量估算模型.针对水体的光学特征,进行水体光学分类,进而反演水环境参数的方法,不仅能够提高参数估算精度,而且便于模型在同类水体中推广应用.水体光学分类方法主要包括基于固有光学特征的光学分类...     

QAA在遥感影像反演中的性能评估与分析

准分析算法QAA(Quasi-analytical algorithm)作为最常用的半分析反演算法被广泛应用于水体吸收系数和后向散射系数的反演,但目前对其在大范围遥感影像中的反演性能研究还较少。基于Sentinel-3系列卫星搭载的OLCI遥感影像,将朝鲜海峡、马六甲海峡、白令海峡和霍尔木兹海峡作为不同类别大范围水体的代表海域,并选取水体漫衰减系数作为间接评价参量,对QAA在4个海峡的反演性能进行了分析评估。结果表明,基于QAA计算得到的水体吸收系数和后向散射系数具有较高的精度和可靠性,而且反演精度与水质呈线性负相关,在K_d490等于0.05 m~(-1)左右时的反演精度最高。     

水质关键因素光谱遥感监测技术分析

针对传统水体水质分析方法过度依赖于实地测量和实验室化学分析,需要耗费大量人力物力且效率不高的问题,从水质遥感监测数据获取手段、典型反演监测模型、不同水体光谱遥感监测应用状况、水质遥感监测技术应用及前景等方面分析归纳了使用遥感技术监测水质的新方法。从可用数据类型、数据特征等方面对水质遥感监测数据获取的3种主要手段进行了比较;从复杂程度、使用场景、优缺点等方面对4种典型的反演模型进行了归纳;对遥感数据和模型在Ⅰ类和Ⅱ类水体应用中的常用组合方式进行了分析总结。     

内陆湖泊颗粒有机碳反演及日变化初步研究

以太湖及洞庭湖为例,检验海洋一类水体颗粒有机碳(particulate organic carbon, POC)浓度遥感估算方法在内陆湖泊二类水体中的适用性,结果表明,一类水体POC反演模型并不适用于二类水体。针对二类水体建立了以近红外波段(834 nm)为因子的单波段POC反演模型以563及834 nm波段组合为因子的两种双波段反演模型,模型验证结果显示,单波段模型的均方根误差(RMSE)为1.12 mg/L,平均相对误差(MAPE)为35.8%,两个双波段反演模型的RMSE分别为1.09 mg/L及1.11 mg/L,MAPE分别为37.3%及37.8%,三种模型均可用于太湖及洞庭湖水体的POC浓度遥感估算。在此基础上,以太湖为例,建立了基于静止轨道卫星海洋水色(GOCI)卫星数据的太湖POC反演模型,反演模型的MAPE为35%。利用5月13日8景GOCI影像,研究了太湖POC浓度日变化,发现POC浓度日变化存在两个阶段:上午至中午的递减阶段和中午至傍晚的递增阶段。     

A soft-classification-based chlorophyll-a estimation method using MERIS data in the highly turbid and eutrophic Taihu Lake

Soft-classification-based methods for estimating chlorophyll-a concentration (C_chla) by satellite remote sensing have shown great potential in turbid coastal and inland waters. However, one of the most important water color sensors, the MEdium Resolution Imaging Spectrometer (MERIS), has not been applied to the study of turbid or eutrophic lakes. In this study, we developed a new soft-classification-based C_chla estimation method using MERIS data for the highly turbid and eutrophic Taihu Lake. We first developed a decision tree to classify Taihu Lake into three optical water types (OWTs) using MERIS reflectance data, which were quasi-synchronous (±3 h) with in situ measured C_chla data from 91 sample stations. Secondly, we used MERIS reflectance and in situ measured C_chla data in each OWT to calibrate the optimal C_chla estimation model for each OWT. We then developed a soft-classification-based C_chla estimation method, which blends the C_chla estimation results in each OWT by a weighted average, where the weight for each MERIS spectra in each OWT is the reciprocal value of the spectral angle distance between the MERIS spectra and the centroid spectra of the OWT. Finally, the soft-classification based C_chla estimation algorithm was validated and compared with no-classification and hard-classification-based methods by the leave-one-out cross-validation (LOOCV) method. The soft-classification-based method exhibited the best performance, with a correlation coefficient (R²), average relative error (ARE), and root-mean-square error (RMSE) of 0.81, 33.8%, and 7.0 μg/L, respectively. Furthermore, the soft-classification-based method displayed smooth values at the edges of OWT boundaries, which resolved the main problem with the hard-classification-based method. The seasonal and annual variations of C_chla were computed in Taihu Lake from 2003 to 2011, and agreed with the results of previous studies, further indicating the stability of the algorithm. We therefore propose that the soft-classification-based method can be effectively used in Taihu Lake, and that it has the potential for use in other optically-similar turbid and eutrophic lakes, and using spectrally-similar satellite sensors.     

Tracing high time-resolution fluctuations in dissolved organic carbon using satellite and buoy observations: Case study in Lake Taihu,China

Field measurements of dissolved organic carbon (DOC) concentration and remote-sensing reflectance were conducted to develop a regional, empirical red-blue algorithm to retrieve surface DOC from Geostationary Ocean Color Imager (GOCI) data for Lake Taihu, China. The auxiliary data (in-situ observations of the optical properties and water quality, buoy measurements of hydrodynamic data and water chemical parameters) were used to investigate the spatial and temporal variations in DOC. GOCI was shown to be capable of successfully obtaining hourly variations in DOC, with a root mean square error percentage (RMSP) of 17.29% (RMSE = 0.69 mg/L) for the match-up data. The GOCI-derived DOC in Lake Taihu confirms that the highest DOC concentration is in northwest Lake Taihu, followed by Meiliang Bay, Gonghu Bay and northeast Lake Taihu. Hourly DOC variation is significant and presents a different trend for each lake segment due to the variety of influencing factors. Discharge of DOC from surrounding rivers is an important factor to the variation of DOC in northeast Lake Taihu. However, organic products of algae will be the primary contributor to DOC when algal bloom occurred. During the period of algal bloom, high DOC levels in Lake Taihu can lead to hypoxia when coupled with high temperatures and low disturbance.     

ERS-1散射计数据用于全球陆地监测

该文介绍了ＥＲＳ－１（欧洲资源卫星１号）ＷＳＣ（风散射计）数据结构。描述了全球雷达后向散射系数（σ°）图的成图方法。展示池中国第一幅全球雷达后向散射系数分布图。重点分析了ＷＳＣ数据用于全球陆地监测的能力，并对全球典型地物地雷达后向散射系数进行了统计。研究结果表明：１．全球雷达后向散射系数侧重反映了全球值被图和地形图的叠合信息；２．ＷＳＣ数据能够以区域和全球尺度分区分６类主要的地表覆盖类型。它们是：     

太湖流域洪涝灾害评估模型

在地理信息系统支持下建立了太湖流域DEM模型,并建立了全流域12类共24种土地利用类型、2194个圩区、1012个乡镇和94个报汛站点的空间数据库及属性数据库。在此基础上,根据实时报汛资料,通过插值得到各乡汛期圩外水位和降雨量。圩区采用排涝计算圩内内涝水量再与DEM叠加,非圩区用乡最高水位与DEM叠加,可获得全流域淹没水深栅格数据。统计不同乡镇、不同土地类型、不同淹没水深的淹没面积,并根据当年的社会经济数据,建立了太湖流域洪涝灾害损失评估模型。对1999年太湖流域洪涝灾害评估结果表明,模型具有一定的精度,可为流域防洪减灾决策提供依据。     

基于高光谱遥感反射比的太湖水体叶绿素a含量估算模型

旨在寻找叶绿素a的高光谱遥感敏感波段并建立其定量估算模型。通过对太湖水体的连续监测，获得了从2004年6月到8月3个月的太湖水体高光谱数据和水质化学分析数据。利用实测的高光谱数据分析计算太湖水体的离水辐亮度和遥感反射比；然后，通过相关分析寻找反演叶绿素a浓度的高光谱敏感波段，进而建立反演太湖水体叶绿素a浓度的高光谱遥感定量估算模型，并用相关数据对模型进行精度分析。研究发现，水体的遥感反射比光谱在719nm和725nm存在两个峰，其中719nm处的峰更明显且稳定。通过模型的对比分析，发现用这两个峰值处的遥感反射比参与建模可以提高叶绿素a的估算精度；并且认为由反射比比值变量R719／R670所建立的线性模型对叶绿素a浓度的估算精度最理想。     

A Weighted Algorithm for Estimating Chlorophyll-a Concentration from Turbid Waters

Accurately estimating phytoplankton Chlorophyll-a(Chla) concentration from remotely sensed data is particularly challenging in turbid, productive waters. In this study, a weighted Chla concentration algorithm (WCA) are constructed to smooth the performance of three-bands semi-analytical algorithm(TSA) and four-bands semi-analytical algorithm(FSA). The performance of WCA, TSA and FSA algorithms are calibrated and validated by three independently datasets collected from Chesapeake Bay, USA, Yellow River Estuary, China, and Taihu Lake, China. Results of this study indicated that: (1) The accuracy and stability of TSA, FSA and WCA in Chesapeake Bay have a superior performance than it in Taihu Lake and Yellow River Estuary; (2) In Taihu Lake and Yellow River Estuary, the TSA and FSA algorithms are not stable for estimating Chla concentration, especially in Taihu Lake, the accuracy and stability of TSA, FSA and WCA algorithms are quite bad; (3) The WCA can greatly improve the accuracy and stability of TSA and FSA algorithms, but it is greatly depended on the performance of TSA and FSA algorithms; and (4) Although the TSA, FSA and WCA algorithms are semi-analytical algorithm, however, the optimal bands, accuracy and stability of these algorithms are very timely and located dependence.     

航天高光谱遥感器CHRIS的水体图像大气校正

CHRIS(Compact High Resolution Imaging Spectrometer)是欧空局于2001年10月发射的PROBA-1卫星上搭载的探索性高光谱遥感器,它具备高空间分辨率、多角度观测、高光谱成像等特点,为水质遥感监测提供不可多得的数据源。基于卫星遥感图像定量监测水质,一个关键步骤就是进行精确的大气校正,提取水面反射率。相比陆地遥感图像,水面反射率是弱信号,对大气校正的要求更高。6S(Second Simulation of SatelliteSignal in the Solar Spectrum)和MODTRAN(MOderate resolution TRANsmittance code)是两种常用的大气辐射传输模型。本文选取基于6S的REMS(Remote Sensing Environmental Monitoring System)和基于MODT-RAN的ACORN(Atmospheric CORrection Now)两种大气校正软件,对太湖梅梁湾的三景不同成像角度CHRIS图像进行大气校正,将大气校正后的图像水体反射率与地面同步实测水体反射率进行比较分析。结果表明,经过大气校正的CHRIS图像得到的水面反射率与实测反射率波形十分地接近,在全部波长范围内的相关系数达到90%。分析实测的水体反射率角度特征,发现图像的角度特征更明显。三个观测角度下反射率之间的各差值都呈现出在绿光波段较大,在红光和近红外波段偏小的特点,这和实测结果相符。ACORN校正后的图像的角度特征更好地与实测结果吻合。     

利用ASAR图像监测土壤含水量和小麦覆盖度

以高级合成孔径雷达（ASAR）影像数据和地面实测数据为基础，分析了裸土、低覆盖（覆盖度为0．2左右）冬小麦麦地的后向散射与土壤含水量、地表粗糙度及小麦覆盖度之间的关系，探讨了裸土和冬小麦麦地土壤含水量及小麦覆盖度的反演方法。分析结果表明：①裸土后向散射系数受地表粗糙度和土壤质地的综合影响较大，裸土的后向散射和土壤含水量正相关关系未达显著，反演裸土土壤含水量必须考虑这两个因素的影响。②冬小麦麦地两种极化后向散射对土壤含水量和小麦覆盖度的敏感性差异明显。由于小麦植株与土壤的水平同极化后向散射差异较大，水平极化后向散射系数和小麦覆盖度及土壤含水量相关性达到显著；冬小麦麦地的垂直同极化后向散射对土壤含水量较敏感，垂直极化后向散射系数和土壤含水量的相关性达到显著，但与小麦覆盖度的相关性相对较低。据此，利用冬小麦麦地的两个同极化后向散射系数，建立了后向散射系数与土壤含水量和小麦覆盖度之间的关系模型，实现了小麦覆盖度和冬小麦覆盖下的土壤含水量反演。验证结果表明：土壤含水量和小麦覆盖度反演结果与地面调查和测量结果一致。