秋季太湖叶绿素a浓度荧光反演研究

基于2007年11~12月太湖全湖实测水质参数和光谱数据,首先利用高斯方程对遥感反射率进行过滤分解,找出叶绿素a(chl\|a)吸收峰675 nm以后的荧光反射峰(Fluorescence Peak:FP),再以662 nm处的反射率为基准,采用归一化荧光高度法进行叶绿素a浓度(C chl-a)反演,得到chl-a反演模型。基于高斯分解获取的chl-a的荧光反射峰值R(FP)与662 nm处的反射率R (662)比值［R(FP)/R(662)］与C chl-a之间存在显著的相关性,该模型为秋季太湖水体C chl-a的最佳反演模型。在高悬浮泥沙条件下,该模型能够较好地表示出叶绿素荧光高度与叶绿素浓度之间的关系,为C chl-a反演提供新的方法和依据,并为传感器敏感波段的选取和设置提供参考。     

太湖水体悬浮颗粒物生物光学模型及MERIS数据反演

根据太湖悬浮颗粒物生物光学特性建立的悬浮颗粒物红外单波段生物光学模型具有明确的机理性.利用2006年至2009年野外实测悬浮颗粒物浓度和水体光学数据对该生物光学模型进行检验和分析.结果表明,悬浮颗粒物比后向散射系数的时空差异是影响总悬浮颗粒物生物光学模型精度的主要因素.总悬浮颗粒物在红外波长的吸收系数对总悬浮颗粒物生物光学模型精度也具有显著的影响.根据中分辨率光谱成像仪(MERIS)悬浮颗粒物 反演结果和野外实测风速数据,太湖沉积物再悬浮将显著增加水体中悬浮颗粒物的含量.     

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).     

基于高光谱遥感反射率的总氮总磷的反演

基于2005年4~10月实测高光谱数据,通过微分法和波段比值法对室内水样分析结果中的总氮和总磷浓度进行反演。结果表明:以1 nm为间隔的微分法中455 nm处的微分值对总氮浓度较为敏感,最大负相关达到-0.857,而最大正相关为波段比值(1015/528 nm)的0.803,利用上述两个因子作为自变量进行多元回归,得到总氮最佳反演模型。该模型绝对误差为0.16,实测值与预测值之间R²为0.839;波段比值(671 nm/680 nm)对总磷浓度较为敏感,达到最大负相关-0.889,选用其作为自变量进行二次多项式回归,得到总磷最佳反演模型,该模型绝对误差为0.003,实测值与预测值之间R²为0.934。     

基于实测高光谱的太湖水体悬浮物浓度遥感估算研究

悬浮物浓度是水质和水环境评价的重要参数之一.利用2007-11-08～2007-11-21 14天时间对太湖74个样点进行水质取样分析和波谱实测.在提取水体遥感反射率后,分析其与悬浮物浓度的相关关系,发现在400～900nm波段范围的备波长遥感反射率与总悬浮物、无机悬浮物浓度都存在中高度相关,最大相关系数均出现在725nm处.分别为0.883和0.869,而与有机悬浮物浓度则无较好的相关性.同时利用敏感波段的遥感反射率建立了悬浮物浓度估算的神经网络模型.结果表明:对于总悬浮物浓度,隐含层节点数为6的神经网络模型的R2=0.948,RMSE=4.947,在备节点中的训练效果最佳;而对于无机悬浮物浓度,隐含层节点数为4的神经网络模型的R2=0.956.RMSE:5.104,模型骼体训练结果最好.此外,通过测试样本对神经网络模型和经验模型的预测误差进行分析表明,无论是估算总悬浮物浓度,还是无机悬浮物浓度,无论从建模样本的建模精度,还是测试样本的误差分析,神经网络模型邰优干经验模型.