巢湖水体POC浓度遥感反演算法与验证

基于2013年巢湖实测数据,根据颗粒性有机碳(Particulate Organic Carbon,POC)浓度与叶绿素a之间的高度相关性,采用Gons和Simis算法估算浮游植物色素吸收a_(ph)(665),继而实现对POC浓度间接反演。结果表明,Gons和Simis算法可用于蓝藻水华未覆盖内陆水体POC浓度的估算;Gons算法(RMSE_(rel)=21.90%)相对于Simis算法(RMSE_(rel)=23.81%)可以更好地反演POC的浓度。Gons和Simis算法在巢湖POC反演中取得了较好的结果,可以结合MERIS卫星用于巢湖水体POC估算。也可以为内陆湖泊水体碳循环研究提供技术和数据支撑,具有重要的科学研究意义。     

悬浮颗粒物和叶绿素普适性生物光学反演模型

基于太湖、巢湖、滇池和三峡水库水体组分生物光学特性, 根据辐射传输模型和神经网络优化算法建立悬浮颗粒物和叶绿素浓度优化生物光学反演模型.利用野外实测数据对优化生物光学算法进行检验, 结果表明, 该优化生物光学反演模型在一定程度上可以减少测量噪音对反演精度的影响.反演结果表明, 受悬浮颗粒物和叶绿素生物光学特性时空差异影响, 该优化生物光学反演模型在太湖、巢湖、滇池和山峡反演精度具有一定的差异, 但总体上能够较为准确地反演悬浮颗粒物和叶绿素浓度.其中悬浮颗粒物反演精度(平均绝对误差: MAPE, 均方根误差: RMSE)分别能够达到23%和15.13mg/L(样本数N=228), 叶绿素反演精度(MAPE和RMSE)分别能够达到26%和17.68μg/L(样本数N=228).     

基于哨兵3A-OLCI影像的内陆湖泊藻蓝蛋白浓度反演算法研究

蓝藻是内陆富营养水体水华发生的主要优势藻种, 而藻蓝蛋白 (Phycocyanin, PC) 是蓝藻的标志性色素, 因此利用遥感估算水体中藻蓝蛋白浓度从而对蓝藻水华预警具有重要意义。利用太湖、滇池、洪泽湖的实测数据, 构建藻蓝蛋白随机森林遥感估算模型, 并将模型应用到哨兵3A-OLCI影像。通过对随机森林的输入自变量进行重要性分析, 发现第7波段 (620 nm) 、第8波段 (665 nm) 和第9波段 (675 nm) 三个波段对藻蓝蛋白反演的影响程度最大。同时, 反演结果表明, 随机森林反演的藻蓝蛋白浓度平均绝对百分比误差 (MAPE) 为34. 86%, 均方根误差 (RMSE) 为38. 67μg/L, 与Simis等半分析算法和齐琳的PCI (Phycocyanin Index) 指数模型相比, 平均绝对百分比误差 (MAPE) 分别提高了85. 06%和15. 65%, 均方根误差分别提高了26. 08μg/L和19. 86μg/L。利用地面实测数据对同步卫星影像大气校正进行精度评价, 发现MUMM (The Management Uint Mathematical Model) 算法可以用于OLCI影像的大气校正, 尤其在560779 nm处共8个波段的MAPE低于30%, 光谱曲线与实测光谱曲线形状保持一致。结果表明所构建的基于哨兵3A-OLCI影像的藻蓝蛋白随机森林反演模型, 可以成功的应用于我国的内陆富营养化湖泊, 为我国内陆湖泊藻蓝蛋白浓度的遥感反演提供一个新的算法。     

浑浊II类水体叶绿素a浓度遥感反演(II):MERIS遥感数据的应用

基于2004～2010年太湖4次野外观测数据,结合MERIS遥感资料,评价两波段、三波段、改进三波段和四波段4个模型在浑浊II类水体叶绿素a浓度估算的精度,并利用太湖(13个有效样点)以及巢湖(21个有效样点)进行模型验证.结果表明,改进三波段模型反演叶绿素a浓度较高,更适于浑浊II类水体叶绿素a浓度的遥感反演,决定系数R2在0.34~0.94之间变化,RMSE变化范围为: 3.17~8.70 μg/L.分季节率定改进三波段模型参数,并建立太湖水体春、夏、秋、冬季的模型输入参数查找表,最终将改进三波段模型应用于MERIS遥感影像(8、9、10波段),获取太湖水体叶绿素a浓度的空间分布和年内、年际变化.     

湖泊水体高光谱遥感反演总磷的地统计算法设计

高光谱遥感应用于内陆湖泊水质监测具有较好的发展前景,但由于内陆湖泊水体光学环境的时空多变性,如何高效利用水体高光谱特征信息,降低数据冗余度,发展高精度的水质参数反演模型具有重要的意义。针对上述问题,以巢湖为例,将遗传算法和地统计学相结合,利用环境一号(HJ-1A)卫星HSI高光谱遥感数据,建立了基于协同克里格遗传算法的湖泊水质总磷浓度高光谱遥感反演模型。实验结果显示,与传统遗传算法比较,协同克里格遗传算法模拟的ME、RMSE分别提高了128.2%、53%。经总磷实测值和反演值比对,建模和检验的相关系数R2分别为0.85、0.77。反演结果表明:协同克里格遗传算法通过利用克里格插值对传统遗传算法目标函数优化改进,使其具备克里格最佳局部估计能力,能够有效提高反演的精度。     

基于Landsat8 影像的蓝藻水华提取方法对比研究

对湖泊蓝藻水华实现精准的遥感监测, 可为湖泊的污染防控和治理提供科学依据。基于 Landsat8 多光谱数 据, 以巢湖为研究对象, 利用归一化植被指数 (NDVI) 和浮游藻类指数 (FAI) 分别对蓝藻水华进行提取, 并将提取的蓝 藻水华强度划分为三级, 进一步对这两种提取方法进行对比, 分析了巢湖的蓝藻水华分布。研究结果表明: (1) 针对 NDVI 和 FAI 两种不同提取方法确定的阈值及分级阈值可以有效地提取巢湖的蓝藻水华; (2) 相对于 NDVI 方法, FAI 方法可以降低云对提取精度的影响; (3) 巢湖西半湖及沿岸水体富营养化一直比较严重, 东半湖的富营养化也日趋严 重。研究确定的蓝藻水华提取阈值及分级阈值不仅为巢湖的蓝藻水华污染治理和预警提供方法支持, 还为其它湖泊 蓝藻水华的遥感监测提供参考依据。     

基于VIIRS数据洪泽湖悬浮物浓度估算算法研究

基于2012~2015年洪泽湖4次星地同步试验数据,建立了较高精度的水体悬浮物浓度单波段(671 nm)模型(R~2=0.74,RMSE=8.58 mg/L),并进行了验证(R~2=0.72,RMSE=11.98 mg/L);然后,将该算法成功应用到了2012~2015年464景VIIRS无云影像上.结果表明,洪泽湖悬浮物浓度呈现春夏低、秋冬高的季节特征和东、中部高,西、北部低的空间分布特征;在年际变化尺度上,悬浮物浓度年均值呈现较小的减少趋势.总体来说,VIIRS在浑浊水体悬浮物浓度上表现了较好的探测能力,在湖泊水色遥感领域具有较大潜力.     

星载激光雷达GLAS与TM光学遥感联合反演森林叶面积指数

通过对地球科学激光测高系统(Geoscience Laser Altimeter System,GLAS)波形数据进行高斯分解,提取精确的波形特征信息,计算出GLAS波形数据激光穿透指数(LPI),基于LPI提出GLAS数据反演叶面积指数(LAI)的新方法,建立了GLAS数据反演森林LAI的模型(R2=0.84,RMSE=0.64),并用留一交叉验证法(LOOCV)对反演模型的可靠性进行了验证,结果表明,该模型没有过度拟合,具有很好的泛化能力,最后通过人工神经网络融合GLAS与TM(Thematic Mapper,专题制图仪)遥感数据实现区域尺度森林LAI反演,用25个实测LAI对反演精度进行了验证,研究表明反演LAI与实测值较为接近,精度较高(R2=0.76,RMSE=0.69),为生态环境研究提供精确的输入参数,为GLAS数据大区域高精度LAI反演提供新的方法和思路.     

基于Radarsat2与Landsat8协同反演植被覆盖地表土壤水分的一种新方法

主动微波遥感与被动光学遥感在反演地表土壤水分方面分别具有各自的优缺点,为了将这两者的优势结合弥补缺点,提出了一种基于Radarsat 2与Landsat 8数据协同反演植被覆盖地表土壤水分的半经验耦合模型.该模型基于水云模型,将光学遥感反演得到的植被冠层含水量作为水云模型的关键输入参数,并同时考虑植被冠层与土壤以及其之间的部分对雷达后向散射系数的影响,以此来去除雷达回波中的植被部分.最后选用内蒙古呼伦贝尔市额尔古纳市大兴安岭西侧研究区的Radarsat 2与Landsat 8遥感数据,利用新的耦合模型反演得到植被覆盖区土壤水分含量,并利用地面测量数据对模型进行验证.结果表明:利用Landsat 8数据反演植被含水量算法精度较高(R2=0.89),论文提出的耦合模型反演植被覆盖地表土壤水分精度比之前算法也有了较大的提高,其中HH极化效果最好,R2由0.27提高至0.65.这表明该耦合模型具有较好的反演精度,可以应用于植被覆盖区土壤水分含量的反演.     

查干湖水体光谱荧光峰特征与叶绿素α响应关系研究

叶绿素α含量能够在一定程度上反映水质状况,利用遥感的方法监测叶绿素α具有众多优势.通过实测查干湖水体反射光谱和荧光峰特征,分析了2004年5到10月查干湖水的反射谱的荧光峰特征和水质变化的关系.结果表明:1.查干湖水体随着叶绿素α含量的增加,荧光峰位置基本上向长波方向移动,但是并不明显.2.荧光峰位置变化比较适合用于反演叶绿素α含量较高,且范围跨度较大的水体.3.查干湖水体荧光峰高度与叶绿素α具有稳定的响应关系,适合用于叶绿素α定量反演.4.荧光峰高度可以用于查干湖水体叶绿素α定量反演.这些结果为今后利用高光谱遥感技术在查干湖进行叶绿素α含量反演提供了研究和工作基础.     

Determination of CDOM and NPPM absorption coefficient spectra from coastal water remote sensing reflectance

Multilayer perceptron (MLP) neural network algorithms were developed to retrieve the absorption coefficient spectra of the colored dissolved organic matter (CDOM) and nonpigmented particulate matter (NPPM) from the remote sensing reflectance R/sub rs/ of optically complex waters. The two MLP algorithms, consisting of one hidden layer with ten neurons and requiring R/sub rs/ at 412, 490, and 665 nm as inputs, were trained with a comprehensive experimental dataset of the Northern Adriatic Sea coastal waters. The products of the proposed regional MLP algorithms showed higher accuracies than regional band-ratio algorithms, and exhibited average uncertainties of 20% and 25% in the determination of CDOM and NPPM absorption coefficients at 412 nm, respectively.     

基于倒谱与频谱分析的模糊核估计算法

图像盲去模糊是典型的图像和信号处理问题,其目的是从模糊图像中恢复出模糊核及清晰图像。在模糊核估计方面,以往的算法通常将模糊核尺度作为必要的输入参数,近年来有些算法虽然能较准确的估计参数化模糊核,但不能有效估计自然模糊图像中普遍存在的非参数化模糊核。文中利用图像梯度倒谱估计模糊核后再利用频谱分析以进一步精确的估计小尺寸模糊核的尺度。实验结果表明,文中提出的方法能适用于绝大多数场景下自然模糊图像的模糊核尺度估计。     

北极冰水混合水域的水声信道预测技术

为在北极冰水混合水域环境下实现可靠的自适应水声通信,本文对此环境下的水声信道预测技术进行研究,利用水声信道的稀疏性,使用时域预测器对少数主要路径进行预测,降低计算复杂度的同时消除大部分噪声影响,提高预测精度。本文利用2018年第九次北极科学考察进行的水声通信试验数据比较了基于不同预测系数获取算法的信道预测方法性能,数据处理结果表明本文方法收敛后的信道预测误差可以达到-30dB,证明可以实现水声信道的有效预测,为冰水混合环境的水声通信提供可靠信道状态信息。      

基于统计特征的音频中隐藏信息估计方法

该文基于信息嵌入不同位平面所引起的幅度统计分布变化,提出了一种音频中隐藏信息长度估计方法。通过该方法,不仅可以判别未知音频中是否包含隐藏信息,而且还能有效识别信息嵌入位平面和较精确地估计隐藏信息长度。该方法已在微机上进行了实验,实验结果表明,该方法识别正确率较高,隐藏信息长度估计较精确,可有效用于音频隐藏分析。     

POSTERIOR CRAMéR-RAO BOUNDS ANALYSIS FOR PASSIVE TARGET TRACKING

For the problem of deterministic parameter estimate, the theoretical lower bound of estimate error is the Cramér-Rao bound; while for random parameter, the lower bound of estimate error is generally termed by Posterior Cramér-Rao Bound (PCRB). Under the background of passive tracking where the target's state can be seen as a time-varying random parameter, PCRB of the state estimate error is analyzed in this paper, and the relation between PCRB and varied condition is also fully investigated using different simulation examples. The presented analytical method provides a theoretical base for performance assessment of all kinds of suboptimal estimate algorithms used in practice.     

POSTERIOR CRAMéR-RAO BOUNDS ANALYSIS FOR PASSIVE TARGET TRACKING

For the problem of deterministic parameter estimate, the theoretical lower bound of estimate error is the Cramér-Rao bound; while for random parameter, the lower bound of estimate error is generally termed by Posterior Cramér-Rao Bound (PCRB). Under the background of passive tracking where the target's state can be seen as a time-varying random parameter, PCRB of the state estimate error is analyzed in this paper, and the relation between PCRB and varied condition is also fully investigated using different simulation examples. The presented analytical method provides a theoretical base for performance assessment of all kinds of suboptimal estimate algorithms used in practice.     

Underdetermined blind source separation based on sparse representation

This paper discusses underdetermined (i.e., with more sources than sensors) blind source separation (BSS) using a two-stage sparse representation approach. The first challenging task of this approach is to estimate precisely the unknown mixing matrix. In this paper, an algorithm for estimating the mixing matrix that can be viewed as an extension of the DUET and the TIFROM methods is first developed. Standard clustering algorithms (e.g., K-means method) also can be used for estimating the mixing matrix if the sources are sufficiently sparse. Compared with the DUET, the TIFROM methods, and standard clustering algorithms, with the authors' proposed method, a broader class of problems can be solved, because the required key condition on sparsity of the sources can be considerably relaxed. The second task of the two-stage approach is to estimate the source matrix using a standard linear programming algorithm. Another main contribution of the work described in this paper is the development of a recoverability analysis. After extending the results in , a necessary and sufficient condition for recoverability of a source vector is obtained. Based on this condition and various types of source sparsity, several probability inequalities and probability estimates for the recoverability issue are established. Finally, simulation results that illustrate the effectiveness of the theoretical results are presented.     

Assessment of SeaWiFS atmospheric and marine products for the northern Adriatic Sea

An evaluation of the accuracy of atmospheric and marine satellite-derived products is presented and discussed for the northern Adriatic Sea coastal region using match-ups of in situ and Sea-Viewing Wide-Field-of-View Sensor (SeaWiFS) data for the period September 1997-September 2001. The study, making use of a simple atmospheric correction scheme including a near-infrared (NIR) turbid-water correction, has shown mean relative percentage differences between in situ and satellite-derived aerosol optical thickness lower than 23% in the spectral range between 443 and 865 nm. By applying regional empirical bio-optical algorithms for chlorophyll a concentration (Chla), total suspended matter concentration (TSM), and diffuse attenuation coefficient at 490 nm (K/sub d/(490)), match-ups analysis has shown mean relative percentage differences of 40% for Chla, 28% for TSM, and 30% for K/sub d/(490). The analysis is supported by comparison of in situ and satellite-derived normalized water leaving radiances to highlight the importance of the NIR turbid-water correction and to discuss the intrinsic uncertainties due to the use of empirical algorithms.