利用Hyperion星载高光谱传感器监测太湖水质的研究

通过分析Hyperion星载高光谱传感器的数据特征和水质参数监测精度,确定并详细讨论了波段比值、差值和NDVI算法与叶绿素、悬浮物浓度的相关性差异和敏感波段分布,建立并验证了水质参数高光谱遥感反演模型,初步评价了太湖水体富营养化状况.利用模拟环境小卫星的波段设置和反射率光谱,对比分析了Hyperion和环境小卫星高光谱监测太湖水质参数的反演精度,展示了星载高光谱监测内陆水体水质的应用潜力,有力地促进了我国环境小卫星高光谱数据在水体生态遥感监测中的预研工作.     

湖泊叶绿素高光谱空谱联合遥感反演

高光谱遥感提供的精细光谱信息给水色遥感参数反演提供了广阔的前景,然而光谱分辨率高但空间分辨率较低的特点,使得目前的高光谱水色遥感反演模型和算法普遍缺乏对空间信息的有效利用,模型的精度和稳定性往往难以保证。以巢湖为研究区,利用HJ-1A卫星HSI高光谱遥感数据,结合地面实测样点数据,在深入分析叶绿素光谱特性基础上构建基于空间八邻域与遗传算法的水体叶绿素a高光谱遥感反演模型,并以matlab7.0为平台,联合光谱指数与遗传算法求解叶绿素a浓度反演模型参数,经空间邻域分析与遗传迭代,求出叶绿素浓度最优解。结果表明,遗传算法摒弃了传统的搜索方式,以光谱信息为基础,在邻近空间域上采用模拟进化方式对水色空间进行随机优化搜索,跳出了局部极值点,能够有效提高模型反演的精度。     

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。     

滇池遥感水污染变迁分析研究

研究分别利用经验模型和混合光谱的线性分解模型计算了滇池水质的水污染变迁分析分布,利用波段运算得到特征波段（PRWI）,经过图像增强处理后提取水体和居民地混合信息。在此基础上通过分析水体的光谱特征,发现水体和居民地在近红外和短波红外上有显著差异,采用决策树模型将水体专题信息提取出来。运用目视判读和定量统计分析方法来评价提取结果得到不同时相的滇池污染分布图。结果表明混合光谱的线性分解模型在水质遥感应用中可以充分的利用遥感影像的多光谱数据,不同水质的水体在遥感图像上有较明显的反映,在内陆湖泊的水质水污染变迁分析研究提取应用中具有通用性。     

基于半分析模型的新庙泡叶绿素a浓度反演研究

叶绿素a(Chl-a)含量是反映水体水质的重要参数之一,利用遥感技术监测其浓度具有众多优势.本研究利用2004年5-9月的吉林省新庙泡实测高光谱数据和实验室分析数据,建立了基于三波段的Chl-a浓度反演模型.该模型基于水体叶绿素a、悬浮物、溶解有机物、纯水的生物光学特性分析,优化组合了3个特征波长.结果表明用该方法建立的模型具有一定的物理基础,反演精度较高,其决定系数和均方根误差分别为0.8758、4.98μg·L-1,适合于内陆水体Chi-a含量的定量提取.     

湖泊水质卫星遥感方法及其应用

通过系统性的常规水质采样分析与水面光谱测量外场同步试验,建立了由FY-1C多通道扫描辐射计、Landsat卫星TM和Seastar卫星SeaWiFS等在轨卫星多通道遥感器以及一组设想的遥感通道遥感反演叶绿素a浓度和总悬浮物浓度的优化通道组合模型,提出了一种利用水面上标准反射板的反射光谱和遥感图像本身确定大气透过率和反射率从而实现大气校正的水质指标卫星遥感反演方法．所建立的模型和方法被用于遥感解译我国典型富营养化湖泊太湖和滇池从80至90年代的富营养化程度及其分布状况随年份的变化．本项研究为进一步开展湖泊水质业务化卫星监测打下了基础．     

基于Sentinel-2遥感数据的上海市河道水质参数反演研究

由于上海市河湖水网密布,科学有效地监测河湖水质,有利于巩固河湖治理成果,为新形势下水资源的保护和管理服务。研究目的是实现卫星遥感技术在城市水体水质监测中的有效应用。基于Sentinel-2多光谱影像,采用机器学习技术建立了城市河流水质参数反演模型,对2019~2021年上海市103条河流的溶解氧(Dissolved Oxygen, DO)、高锰酸盐指数(Permanganate index, CODMn)、氨氮(Ammonia Nitrogen, NH3-N)和总磷(Total Phosphorus, TP) 4种水质参数进行了遥感反演。分析了上海市主要河流水质参数的时空变化特征,并对上海市水环境进行了评价。结果表明,DO、CODMn和TP三个水质指标的反演精度优于80%,NH3-N的反演精度优于70%;4种水质参数所属水体类别均优于V类;第一、第四季度水质优于第二、第三季度。     

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.     

浑浊Ⅱ类水体叶绿素a浓度遥感反演(Ⅰ):模型的选择

受高浓度悬浮物的影响,浑浊Ⅱ类水体叶绿素a浓度高精度定量反演一直是研究难点之一.利用2004年到2010年太湖4次实测光谱数据和水质参数,分别建立了两波段、三波段、改进三波段及四波段的叶绿素a估算模型;选择最优模型,利用巢湖2009年的实测数据进行独立验证.结果表明,四波段模型最适合高浑浊水体,线性相关性较好,决定系数...     

湖泊藻类叶绿素-α和悬浮物浓度的高光谱定量遥感模型研究

本文利用地物光谱仪对太湖水体进行了光谱测量和同步采样分析，对获得的数据尝试用光谱分离法进行分析，从中分离出蓝藻和悬浮物的特征波峰，建立波峰高度与同步水质采样得到的叶绿素-α浓度和悬浮物浓度的对应关系，得出其遥感定量反演算法，并实际应用在OMIS成像光谱仪图像上．     

基于氧气A 带的高光谱卫星气溶胶层高优化反演

针对气溶胶被动卫星遥感中由于气溶胶模型的不确定性导致的反演误差, 引入了一种基于贝叶斯理论的新型 气溶胶层高反演算法, 并应用于哨兵5 先导(Sentinel-5P) 卫星的TROPOMI (TROPOspheric Monitoring Instrument) 载 荷。该算法基于不同候选气溶胶模型的模型证据(气溶胶模型的条件概率密度) 确定符合当前观测数据条件的气溶胶 模型, 并通过两种模型选择方案分别得到估算最大值解和估算平均值解作为反演结果。以TROPOMI 观测到的一次真 实野火事件为例, 反演结果和官方产品具有很好的空间一致性, 且明显降低了低估现象, 证明在气溶胶先验知识缺乏 的背景下该算法能够高效选择合适的气溶胶模型, 为今后高光谱卫星气溶胶层高反演的业务化数据处理提供了一种 新的解决方案。     

藻类垂向分布对内陆湖泊叶绿素a反演算法影响的模拟研究

利用高斯模型模拟不同的藻类垂向分布结构,研究其对于典型叶绿素a反演算法波段比值法的影响.结果显示,藻类垂向分布不均一性导致了叶绿素a浓度反演结果与藻类生物量间不存在一一对应的关系;藻类分布集中于水面以及水下0.5 m水深时会严重干扰波段比值反演算法的准确性,说明当水体表面存在藻华现象时,将导致反演算法失效;若排除此类情况,波段比值法与水体表层0.25 m处叶绿素a浓度、0~0.25 m、0~0.5 m水深范围内平均叶绿素a浓度值之间具有独立于藻类生物量以及藻类垂向分布的相关性;内陆湖泊叶绿素a反演算法与藻类垂向分布模型相结合,是获取藻类生物量的必要条件.     

PHI高光谱图像的大气校正算法

从高光谱遥感图像中提取较为精确的定量信息,大气校正是必不可少的步骤.本文在应用大气辐射传输模型对高光谱遥感数据进行大气模拟的基础上,研究并发展基于遥感影像信息的经济、有效的大气辐射校正和反射率反演算法.该算法可以根据遥感图像有效地估计大气中气溶胶的空间分布,并分析交叉辐射的影响,进而对其进行大气辐射校正和反射率反演.通过对几景PH I高光谱遥感图像的校正试验,表明了这种算法的有效性.     

基于遗传BP神经网络算法的主被动遥感协同反演土壤水分

提出了一种基于遗传神经网络算法的主被动遥感协同反演地表土壤水分的方法.首先,建立一个BP神经网络,并采用遗传算法对BP网络的节点权值进行了优化.然后分别将TM数据(TM3,TM4,TM6)、不同极化和极化比的(VV,VH,VH/VV)ASAR数据作为神经网络的输入,土壤水分含量作为网络的输出,用部分实测数据对网络进行训练并反演得到研究区土壤水分布图.最后,利用地面实测数据分别对遗传神经网络优化算法的有效性和主被动遥感协同反演的效果进行了验证,结果表明,新优化算法是有效可行的,且TM和ASAR协同反演的结果比两者单独反演的结果明显要好,体现了主被动遥感协同反演土壤水分的优势与潜力.     

基于邻域聚合与深度学习的小样本荒漠草原物种分类

随着气候变化和人类活动的影响,内蒙古草原逐渐荒漠化。为了解决传统地面调查的局限性,以及高光谱数据小样本分类难的问题。本文利用无人机(unmanned aerial vehicle, UAV)高光谱遥感技术对荒漠草原物种进行数据采集,并提出一种邻域聚合算法结合深度学习的小样本分类方法。首先,通过遗传算法(genetic algorithm, GA)与最佳指数因子(optimum index factor, OIF)对高光谱数据进行波段选择;其次,构建高光谱数据邻域特征,采用邻域聚合算法对其进行邻域特征融合;最后,采用多层感知机(multilayr perceptron, MLP)对融合后的特征进行分类。结果表明,邻域聚合算法在每类地物只有10个样本的情况下总体精度可达93.41%,Kappa系数为0.912 0;并与SVM和多种深度学习模型对比,邻域聚合算法计算效率高、模型大小最小、分类精度最高。该方法的提出,满足草原物种识别要求,为草原生态系统的动态监测提供新方法。     

基于高分二号卫星遥感数据的建筑物高度提取

建筑高度信息提取是高分辨率卫星遥感获取城市空间信息的热点问题之一。为了实现建筑物高度信息的高精度提取,提出了一种基于 规则信息的面向对象的建筑物高度反演方法。首先根据建筑物阴影几何、纹理、和光谱特征建立基于规则信息的建筑物阴影 提取算法,进行建筑物阴影信息提取,再通过计算像元平均值算出阴影长度,构建卫星、太阳、建筑物和其阴影的空间模型反演 建筑物高度。采用扬州市两个实验区(佳家花园和杉湾小区)的高分二号卫星遥感数据进行高度反演试验,通过对反演小区的105栋 建筑物实际高度测量,对反演结果验证,总体精度为96.5%。表明该方法在城市建筑物高度信息提取方面具有较高的精度。     

基于改进的扩散平滑和RBM的高光谱图像分类

为了改善传统分类方法在高光谱遥感图像去噪和特征提取方面的不足,提出了一种基于改进的扩散平滑算法和RBM的方法.该方法使用自适应扩散系数,对相应的区域进行不同程度的扩散平滑,实现了对高光谱遥感图像的快速去噪;然后利用多层限制玻尔兹曼机构建DBN网络,实现对高光谱遥感图像的分类.实验表明,与传统的分类方法和DBN相比,该方法在高光谱图像地物分类精度上有所改善.     

基于非线性核空间映射与人工免疫网络的高光谱遥感图像分类

提出了一种基于非线性核空间映射人工免疫网络的高光谱遥感图像分类算法.根据生物免疫网络基本原理构建了人工免疫网络模型,利用非线性核函数将高光谱训练样本映射到高维空间,完善了人工免疫网络中目标样本核空间相似性分选方法,降低了人工免疫网络识别样本所需的抗体数量,提升了算法的分类精度和运算效率.为了验证算法的有效性,利用两组高光谱遥感数据将多种高光谱分类方法进行了对比实验.实验表明该算法分类精度和算法运算时间上都有较大改善,是一种分类精度更高、运算速度更快的改进型基于人工免疫网络的高光谱遥感图像分类新方法.