基于TM影像的乌梁素海叶绿素a浓度反演

首先选取预处理后乌梁素海TM影像的单波段及波段组合与实测叶绿素a浓度进行分析,发现相关性很低。然后,结合乌梁素海的水利条件和自身特点,把湖区分为两个区,发现波段组合(TM1+TM2+TM4)/TM3和TM4/TM3与叶绿素a浓度有较高的相关性。最后,选取误差较低的波段组合(TM1+TM2+TM4)/TM3建立线性模型,实时、快速地反演乌梁素海湖区叶绿素a浓度,与实地情况吻合,为乌梁素海"黄苔"预警提供理论依据。     

基于实测光谱与MODIS数据的太湖悬浮物定量估测

以太湖为研究区域,对太湖水体的水面反射光谱进行实地测试,并取样在实验室进行水质分析;根据光谱分析得到的悬浮物特征波段,估测悬浮物浓度;最后,对比MODIS波段,用最敏感波段及主成分分析法建立悬浮物估测模型.结果表明,576nm附近的反射率峰值、841nm处反射率一阶微分值和808nm附近的反射峰高与悬浮物浓度都有较好的相关性,其中峰高法和一阶微分法对悬浮物浓度的估测精度相当;MODIS波段1与悬浮物浓度相关性最好,经过主成分变化后的第一主成分和第二主成分可以较好地估测悬浮物浓度.因此,可利用MODIS数据对太湖悬浮物进行长期动态监测.     

太湖水域叶绿素a浓度的遥感反演研究

利用太湖水域MODIS遥感数据的各波段反射率组合计算值,与实测的叶绿素a浓度进行相关性分析,找到相关性最好的反射率组合,建立反演太湖叶绿素a浓度的遥感模型.结果表明,利用MODIS数据可以较好地实现对太湖水域叶绿素a浓度的定量反演计算,并以MODIS数据第3、第17波段的反射率组合作为遥感指数建立了反演叶绿素a浓度的模型.第3、第17波段的波长范围分别为459nm～479nm、890nm～920nm,这一波段选择与以往使用TM数据得到的结论有所不同.     

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.     

基于多源同步数据的闽江下游悬浮物定量遥感

利用2006-09-18的同步Landsat TM数据、水面实测光谱数据和现场水样数据,研究了闽江下游的悬浮物,在这3种同步数据的基础上建立了分别基于实测光谱与影像光谱的悬浮物遥感预测模型.结果表明,实测光谱数据在690nm波长处,归一化光谱反射率与悬浮物浓度达到最大正相关,由690nm和530nm二处的反射率构成的比值预测模型与实测悬浮物浓度的拟合精度最高,最佳拟合模型可表达为SS=116.2(R690/R530)-33.4.TM影像各波段中以(TM2 TM3)2波段组合与实测悬浮物浓度的相关性最佳.由其所建立的影像光谱预测模型与实测悬浮物浓度的拟合精度最高.最佳拟合模型可表达为SS=3793.7(RTM3 RTM2)2-16.5.模型的精度评价表明,实测光谱模型的预测能力要强于影像光谱模型.但二者差异不大.在缺乏地面实测光谱数据时.基于影像光谱的遥感定量模型仍不失为一种预测悬浮物浓度的有效方法,其对闽江下游悬浮物浓度的反演结果能较准确地反映出该区域悬浮物浓度分布的空间差异,具有较高的实用性.     

基于TM数据北京城区水体叶绿素a浓度反演方法研究

叶绿素是城市水体富营养化的重要表征参数.以北京城区重点水体为研究对象,利用2011年6月8日TM遥感影像及同步获取的实测数据,在对TM数据进行几何校正和大气校正等预处理的基础上,选取相关性最大的TM2/(TM1 +TM4)波段组合进行叶绿素a浓度反演;利用2008 ～ 2010年的历史TM影像及人工水质站点准同步的实测数据,对模型的精度及适用性进行分析得出:回归模型适用于30 m以上的北京城区水体叶绿素a浓度监测,相对误差为17.04％.     

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.     

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。     

利用Hyperion高光谱数据的三波段法反演太湖叶绿素a浓度

以2004-08-19太湖野外试验所获取的水质数据(叶绿素a浓度7.8~154.3μg.L-1,总悬浮物浓度65.0~190.2 mg.L-1,N=38)和同步的Hyperion星载高光谱数据为研究对象,利用三波段算法反演太湖水体的叶绿素a浓度.通过分析太湖固有光学量的特点,提出适用于太湖的3个特征波段的选择依据,并对波段进行优化计算,在此基础上建立了三波段统计模型,最后对模型的反演精度进行分析与评价.结果表明,Hyperion的B34(691.37 nm)、B37(721.90 nm)和B50(854.18 nm)组成三波段模型变量与叶绿素a浓度具有最高的相关系数(r=0.934),模型的决定系数(R2)和均方根误差(RMSE)分别为0.872和13.93μg.L-1,其反演精度优于传统经验统计模型,如比值模型(R2=0.844,RMSE=15.41μg.L-1)和一阶微分模型(R2=0.831,RMSE=16.00μg.L-1).研究结果证实了三波段法适用于内陆富营养化浑浊水体和Hyperion高光谱数据,为今后更精确地反演内陆水体的叶绿素a浓度提供了参考依据.     

基于HJ-1A卫星超光谱数据的太湖叶绿素a浓度及悬浮物浓度反演

通过对2010年5月2日太湖HJ-1A卫星超光谱影像的几何纠正和6S模型辐射校正,以及水体实测光谱数据和影像光谱数据分析,将太湖28个水体采样点光谱数据分别进行归一化处理和一阶微分处理后,选取和水质参数相关系数最大的波段或波段组合建立反演模型,获得太湖叶绿素a浓度以及悬浮物浓度的空间分布图.研究表明,超光谱影像B73波...     

基于GAM模型的太湖叶绿素a含量与环境因子相关性分析

随着富营养化程度的加剧,太湖近30年来水华频发.为了探讨太湖西部沿岸水华暴发与环境因子的关系,于2017年4月1-18日（当地历年蓝藻暴发早期）在太湖西部沿岸进行了密集原位调查.共采集样品72个,测定了水温、溶解氧、各形态氮、磷营养盐浓度以及风速等环境指标,并利用GAM（广义相加模型）定量分析了叶绿素a含量与各环境因子间的关系.结果表明:①叶绿素a含量波动幅度较大（17.10~795.89 mg/m3）,太湖西部沿岸带有明显的蓝藻水华暴发现象.②水温、风速以及硝态氮浓度与叶绿素a含量的变化显著相关（P<0.05）,各环境因子按其对叶绿素a含量变化的解释率排序为水温>风速>硝态氮浓度.其中水温是影响叶绿素a含量最为重要的环境因子,叶绿素a含量随着水温的升高呈现明显上升趋势.风速也是影响叶绿素a含量的关键因子之一,较低的风速（<3 m/s）有利于蓝藻的漂移集聚从而形成水华,引起叶绿素a含量的升高.研究显示,GAM模型较好地解释了叶绿素a的含量变化,模型总体解释度达到70.6%,可为太湖西部沿岸蓝藻水华早期的预测预警提供一定的基础支撑.      

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.     

太湖叶绿素a浓度预测模型初探

以太湖2005年的监测资料为基础,运用多元统计回归和BP人工神经网络方法构建模型,探求叶绿素a与水深、水温、营养盐等10项环境因子之间的关系,通过验证发现BP模型对叶绿素a浓度的拟合值与叶绿素a浓度的实测值之间的均方误差为220．3059,优于统计回归模型的235．4569;此外对两种模型进行了灵敏度测试,结果都显示总磷不是太湖叶绿素a浓度的限制因子,而水深、水温、总氮的变化对叶绿素a浓度影响显著。本研究对太湖叶绿素a浓度预测模型的建立是十分有意义的。     

基于Landsat8影像的Himawari-8叶绿素a空间降尺度研究

新型地球静止气象卫星Himawari-8由于空间分辨率较低,其叶绿素a产品难以满足空间异质性高的近岸海域水质监测要求。为了克服这个限制,基于非线性的随机森林算法,利用陆地资源卫星Landsat8的波段反射率数据和Himawari-8的叶绿素a产品,通过构建降尺度模型,以提高Himawari-8的叶绿素a数据的空间分辨率。结果表明,2个秋季模型和2个冬季模型的模型决定系数(R²)分别达到0.6、0.72、0.71和0.85;均方根误差(RMSE)为别为1.47,1.05,1.89,0.76mg/m³。通过实测站点数据对比分析表明,降尺度模型生成的叶绿素a与葵花叶绿素a数据具有较高的一致性,R²达到了0.81,能较好的反映近岸海域叶绿素a浓度的空间变化特征。     

太湖悬浮物分布的现场监测研究

于2005年8月25日至8月28日对太湖进行现场监测,得到了太湖梅梁湾到大太湖的悬浮物、浊度数据,分析得出:(1)光照强度较高时,对应于微囊藻峰值的出现,浊度在水深0.5m处出现最高值,光照强度较弱时,浊度的分布在垂直方向上趋于均匀;(2)悬浮物浓度与浊度具有较高的相关性,悬浮物浓度值可以用浊度的测定值换算得到;(3)河流流入、风浪条件和湖内藻类繁殖等影响着太湖悬浮物的垂直和纵向空间分布,出现梅梁湾到大太湖不同的悬浮物垂直和纵向分布。     

基于GF-1 WFV影像和BP神经网络的太湖叶绿素a反演

叶绿素a浓度是可直接遥感反演的重要水质参数之一,常用来评价湖泊水体的富营养化程度.太湖是典型的二类水体,光学性质复杂,应用一类水体线性反演模式拟合较为片面且难以找到最佳拟合模型.BP神经网络模型具有模拟复杂非线性问题的功能.为研究高分一号卫星16m多光谱相机WFV4结合BP神经网络进行太湖叶绿素a浓度监测的可行性,实验利用GF-1 WFV4影像和实时的地面采样数据,建立了BP神经网络模型,同时采用波段比值经验模型进行对比.经精度检验,BP神经网络模型预测值与实测值之间的可决系数R2高达0.9680,而波段比值模型的R2为0.9541,且均方根误差RMSE由波段比值模型的18.7915降低为BP神经网络模型的7.6068,平均相对误差e也由波段比值模型的19.16%降低为BP神经网络模型的6.75%.结果证明,GF-1 WFV4影像应用BP神经网络模型反演太湖叶绿素a浓度较波段比值模型精度有所提高.将经过水体掩膜的GF-1 WFV4影像用于训练好的BP神经网络反演太湖叶绿素a浓度分布,结果显示,叶绿素a高浓度区集中分布在湖心区北部、竺山湾、梅梁湾区域,与之前的研究一致.本文研究结果验证了采用BP神经网络模型对GF-1 WFV4影像进行太湖叶绿素a浓度反演的可行性.     

太湖叶绿素a浓度时空分异及其定量反演

利用2005年实测叶绿素a浓度数据分析了太湖叶绿素a浓度的时空分布特征,并利用同步光谱数据,分季节对太湖叶绿素a浓度的反演模型进行研究,从而分析叶绿素a的时空变化对反演模型的影响.首先分析1a内叶绿素a浓度随时间的变化规律,然后利用反距离加权插值法绘制叶绿素a浓度不同季节空间分布图,分析叶绿素a浓度在不同季节的空间分布规律,在此基础上分春、夏、秋3个季节和中营养化、轻度富营养化、中度富营养化、重度富营养化4个营养状态进行叶绿素a浓度定量反演模型研究.结果表明,太湖叶绿素a浓度具有明显的时空分布特征.夏季叶绿素a浓度最高,冬季最低,平均浓度分别为56.29μg/L、13.61 μg/L.秋季由于受到夏季高浓度的影响,叶绿素a浓度高于春季,平均值分别为26.43μg/L、34.78μg/L;夏季叶绿素a浓度空间变化最大,冬季全湖叶绿素a浓度含量较为均一,空间变化不明显,秋季空间差异要大于春季;全年北部湖区的空间差异较大,而南部湖区相对较小.不同季节叶绿素a反演算法模型不同,春、秋季波段比值法反演效果较好;而夏季微分法反演效果明显好于其它反演算法,不同营养状态条件下反演算法差异相对较小.     

基于MODIS影像估测太湖蓝藻暴发期藻蓝素含量

利用太湖水体藻蓝素的实测数据,基于蓝藻的光谱特征分析,选择MODIS 250m分辨率的卫星遥感影像,建立了藻蓝素估测模型.研究表明,该模型可以较为准确地识别新生蓝藻水华,辅助提取新生蓝藻水华的覆盖区.在新生蓝藻水华的覆盖区内,藻蓝素的定测估算已经失去实际意义,没有必要讨论估测的精度高低.在新生蓝藻水华的覆盖区外,藻蓝素的遥感估测精度取决于藻蓝素浓度的高低以及藻蓝素与叶绿素的定量关系,即当藻蓝素浓度35μg/L时,平均相对估测误差降至31%;但对于那些藻蓝素的浓度>35μg/L,且藻蓝素浓度与叶绿素a浓度的比值<8的湖区而言,藻蓝素浓度模型的相对估测误差约为29%.     

夏季太湖水体固有光学参数对光传输行程、积分平均余弦影响的研究

基于2006-07-29～2006-08-01于太湖采集的水体固有光学参数和部分水质参数,利用辐射传输的理论,研究了夏季散射对太湖水体中光传输行程的作用、散射和吸收对光场积分平均余弦的影响,并分析了其可能机制.结果表明,垂直入射的辐射沿入射方向的平均传输行程和积分平均余弦呈现从西北向东南递增的趋势;垂直入射的辐射沿入射方向的平均传输行程、水柱的积分平均余弦与叶绿素a、悬浮物浓度、有机悬浮物浓度及无机悬浮物浓度均呈非线性相关,其关系可用对数函数来描述.本研究对水体中光合有效辐射的环境效应、及建立生物-光学模型有着重要意义.     

水质遥感在太湖叶绿素a时空分布动态变化研究中的应用

通过研究MODIS遥感数据与太湖现场监测数据之间的规律,确定了一个基于MODIS数据的叶绿素a指数,并以此为基础构建出一个具有普适性的、反映太湖叶绿素a时空分布动态变化的反演模型,为太湖藻类爆发的机理、预警研究以及水环境管理累积数据,提供决策依据。