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.     

基于叶绿素荧光峰特征的浑浊水体悬浮物浓度遥感反演

内陆水体光学特性复杂,其水质参数遥感反演是当前环境遥感研究的热点与难点.2004年10月在太湖实测了67个站点的遥感反射率与相应站点水质参数浓度,通过对水体反射率光谱的分析发现,秋季太湖悬浮物主导了水体光学特性,叶绿素荧光峰的特征主要体现为悬浮物浓度的变化.据此建立了基于水面实测岛光谱遥感反射率数据的叶绿素荧光峰特征与悬浮物浓度之间的拟合关系,发现二者具有很好的响应关系.具体分析了叶绿素荧光峰绝对高度、基线高度、归一化高度(分别归一化到560nm附近最大反射率波段与近红外810nm附近最大反射率波段)及荧光峰积分面积(包括积分总面积、基线以下面积与基线以上面积)等儿种光谱特征与悬浮物浓度之间的关系,其相关系数(R2)分别为0.8822、0.7483、0.8901、0.8547、0.8927、0.8877、0.8632,平均相对误差分别为27.25%、41.03%、27.11%、25.75%、24.91%、25.47%、27.54%.总体反演精度较高,其中总积分面积法效果最好,基线高度法效果最差,而叶绿索荧光峰波段的位移与悬浮物浓度之间不存在明显的相关性.研究结果表明叶绿素荧光峰特征在浑浊内陆水体悬浮物浓度信息提取中具有很好的应用前景,该方法可为浑浊的二类水体悬浮物遥感反演提供了一个新思路.     

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.     

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.     

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.     

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.     

混合藻类高光谱特征及其叶绿素a分离定量模型

利用地物高光谱遥感技术,在室内进行小球藻、聚球藻及其混合藻高光谱测量.得到这3组藻的反射光谱特征,同时进行叶绿素a(Chl.a)浓度测量.利用Matlab软件中的神经网络工具箱对得到的高光谱数据进行了曲线拟合.并用拟合结果和光谱测量实际结果分别建立了两种单一藻类的定量模型单一小球藻Chl.a最优的定量模型为用反射率实际值建立的小球藻单波段反射率模型Chl.a=1×10~7(R_(687))~2-37016R_(687)+53.64.单一聚球藻Chl.a最优的定量模型为利用反射率实际值建立的聚球藻两波段模型Chl.a=853 15×[R~(-1)(669)-R~(-1)(730)]×R(730)+505.78.在对两种单一藻类定量模型研究的基础上分别用单波段反射率分离模型、三波段分离模型和两波段分离模型对由小球藻和聚球藻组成的混合藻进行了Chl.a浓度分离.其中单波段反射率分离模型和两波段分离模型得到了较好的分离结果,单波段反射率分离模型结果要优于两波段分离模型结果.利用神经网络模型拟合值构建的模型要优于直接用反射率测量值构建的模型,而三波段分离模型的分离结果不理想,不适用于本研究.     

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.     

基于半分析算法的香港邻近海域叶绿素a浓度反演

为进一步了解香港近海水体特性及监测其水质状况,根据2001年3-5月在香港临近海域调查取得的实测资料,对该海域水体光谱进行解析,开发该海域叶绿素a浓度与色素吸收系数aph(675)的经验模型,具有较高相关性;用剖面数据外推及水体光谱模拟方法完成对水下表面遥感反射率光谱的推导;进而建屯反演低浓度区叶绿素a浓度的半分析算法,反演结果与实测值比较平均相对误差为45%,均方根差0.933,相关系数0.78,误差主要来源于外推演算及散射模型.结果表明该算法在低悬浮物低叶绿素浓度区域有一定适用性.     

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．     

A Monte Carlo study of rainfall forecasting with a stochastic model

A procedure for short-term rainfall forecasting in real-time is developed and a study of the role of sampling on forecast ability is conducted. Ground level rainfall fields are forecasted using a stochastic space-time rainfall model in state-space form. Updating of the rainfall field in real-time is accomplished using a distributed parameter Kalman filter to optimally combine measurement information and forecast model estimates. The influence of sampling density on forecast accuracy is evaluated using a series of a simulated rainfall events generated with the same stochastic rainfall model. Sampling was conducted at five different network spatial densities. The results quantify the influence of sampling network density on real-time rainfall field forecasting. Statistical analyses of the rainfall field residuals illustrate improvement in one hour lead time forecasts at higher measurement densities.     

Information for authors

正SCIENCE CHINA Earth Sciences,an academic journal cosponsored by the Chinese Academy of Sciences and the National Natural Science Foundation of China,and published by Science China Press and Springer,is committed to publishing high-quality,original results in both basic and applied research.     

INTERNATIONAL RESEARCH AND TRAINING CENTER ON EROSION AND SEDIMENTATION(IRTCES)

正Director:Shangfu Kuang,China Vice-directors:Chunhong Hu,China Duihu Ning,China Guangquan Liu,China The International Research and Training Center on Erosion and Sedimentation(IRTCES)was jointly set up by the Government of China and UNESCO on July 21,1984.It aims at the promotion of international exchange of knowledge and cooperation in the studies of erosion and     

Calendar of events

正~~     

Dynamic process-response model of river channel development

Feedback mechanisms, which operate upstream through drawdown and backwater effects and downstream through sediment discharge are responsible for channel evolution. By combining these mechanisms with channel processes it euables a dynamic process-response model to be developed to simulate the initial evolution of straight gravel-bed channels. When erosion commences on a land surface, sediment entrained in the headwater reach by hydraulic action is selectively transported, deposited and reworked. This produces a damped oscillation between degradation and aggradation as the channel and valley respond to spatial and temporal variations in sediment calibre and hydraulic conditions. The initial cut and fill phases are responsible for valley incision and floodplain development while secondary and subsequent activity can produce river terraces. Eventually sediment entrainment in the headwaters declines as slopes are reduced. Subsequent channel evolution is relatively insignificant because it is dependent on local weathering activity producing material that can be transported on declining slopes. Therefore landforms produced during the initial phase of development, when local weathering was non-limiting, dominate the landscape.