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。     

利用MERIS产品数据反演太湖叶绿素a浓度研究

第三代水色传感器MERIS的荧光通道的合理设置为荧光遥感法的应用提供了广阔的发展前景。利用MERIS数据、同步地面光谱和水质监测数据,分别通过基线荧光高度（FLH）、归一化荧光高度（NFH）和最大叶绿素指数（MCI）建立了太湖叶绿素a浓度的荧光遥感估算模型。结果表明：MERIS荧光参数中最大叶绿素指数（MCI）较基线荧光高度（FLH）更适合太湖水体叶绿素a浓度的反演;归一化荧光高度（NFH）与实测叶绿素a浓度间的拟合效果最好。最后选取NFH进行MERIS荧光遥感模型的太湖叶绿素a浓度的反演,其结果客观地反映了太湖水体叶绿素a浓度的空间分布格局。     

新丰江水库叶绿素浓度时空分布特征的遥感反演研究

研究水体的辐射传输机理,分析水中叶绿素、悬浮泥沙、耗氧性有机物对入射光的吸收和散射作用,求得遥感数据与水中物质浓度的定量关系,据此推导叶绿素浓度遥感反演模型。针对环境卫星数据进行大气纠正等预处理后应用模型反演新丰江水库的叶绿素浓度,反演结果与实测数据的相关系数为0.94,平均相对误差66.67%,精度较高,由此可知水库库心全年叶绿素浓度较低,库湾地区叶绿素浓度较高,实地考察发现与该地区大量的网箱养殖有关。本文的模型选取多时相数据,综合考虑多种水质因素,采用多波段求解,精度较高。     

基于SVM模型的妫水河叶绿素a浓度的遥感反演

以北京市妫水河为研究区,基于2011年9月25日和2012年9月30日的两期叶绿素a浓度实测数据和准同步的环境一号卫星(HJ-1A)多光谱数据,分别构建一元线性和多元支持向量机模型(SVMM),通过决定系数R²和平均相对误差对模型的精度进行检验,用模型进行水体叶绿素a浓度的反演,并分析其时空分布特征。研究表明:在样本数较少的情况下,SVM具有很强的非线性映射能力,能够取得较好的预测结果,更适用于反演叶绿素a浓度。时间分布上,研究区叶绿素a浓度呈增加趋势,均值上升了6.86 μg/L;空间分布上,深水区叶绿素a浓度值低于浅水区,上游高于下游。国产HJ-1A CCD2多光谱数据以其4 d的时间分辨率,在水质动态变化监测方面具有优势。     

运用分段法反演太湖水体的叶绿素a浓度

为了提高太湖水体叶绿素a浓度的反演精度,本文采用了浓度分段法,将采样点按其浓度分成两类后分别建立统计模型,并在相关性较低的低浓度模型中采用了光谱修正园子OSS／TSS进行混合光谱分解。最后的验证结果显示,利用浓度分段模型估测叶绿素a浓度的均方根误差（RMSE）为21．12μg／L,R^2=0．92;而利用传统经验模型的估测精度为RMSE=35．72μg／L,R^2=0．72。表明浓度分段法可以有效地提高内陆富营养化水体的叶绿素反演精度。     

基于支持向量机的一类水域叶绿素a浓度反演研究

指出了用叶绿素a的浓度估计海洋初级生产力的重要作用;分析了目前采用的浓度反演方法的不足;尝试将基于统计学习理论的最小二乘支持向量机用于浓度反演, SeaBAM的数据实验结果表明该方法可以获得更高的反演精度;可以有效避免过学习的情况出现;不像神经网络那样需要确定网络结构。     

基于Sentinel-3A的北部湾海域叶绿素a浓度遥感反演研究

以北部湾为研究对象,基于Sentinel-3A卫星搭载的OCLI水色传感器,探索了叶绿素浓度的遥感反演方法。通过利用实测光谱数据对北部湾海域进行了分区,结合实测的叶绿素a浓度和Sentinel-3A遥感数据尝试不同的反演因子,包括波段比值、波段差值和波段差比,构建了叶绿素a浓度的遥感反演模型。研究结果表明：(1)北部湾海域的遥感反射率曲线呈现明显的分区的特征,结合光谱特征将北部湾海域分为近岸水体、过渡水体和离岸水体;(2)不同水体类型适用不同的反演因子构建模型,其中R_rs(764.375)/R_rs(681.25)用于近岸水体,[1/R_rs(620)-1/R_rs(708.75)]/R_rs(753.75)用于过渡水体,R_rs(708.75)-R_rs(764.375)用于离岸水体,均取得了较好的拟合效果,相应的R2值分别为0.67、0.80和0.8;(3)分区的方法有效的提高了遥感反演北部湾叶绿素浓度模型的适用性和精度。研究基于Sentin...     

新庙泡叶绿素a浓度高光谱定量模型研究

利用吉林省新庙泡的高光谱实测数据和水质采样分析数据,尝试通过单波段、波段比值、一阶微分和峰谷间距法建立叶绿素a反演模型。结果表明:单波段光谱反射率与叶绿素a浓度的相关性较差,不宜用于该区域的叶绿素a浓度估算;680 nm和700 nm波段反射率之比、700 nm处光谱一阶微分值和两波段峰谷间距反演模型都具有较高的决定系数,分别为0.783 4、0.792 7、0.796 9,验证模型的决定系数为0.651 3、0.431 7、0.756 4,均方根误差分别为8.69μg·L-1、14.50μg·L-1、10.04μg·L-1,显著水平P<0.01。这3种方法皆可以用于新庙泡叶绿素a浓度的定量遥感,其中又以峰谷间距法为最优。     

基于TM影像的太湖夏季悬浮物和叶绿素a浓度反演

利用2006年8月1日陆地卫星TM数据与7月29日～8月1目的同步湖面采样数据,分析了典型站点反射率光谱特征,建立悬浮物和叶绿素a的反演模型。结果表明悬浮物的变化主要影响TM第2和第4波段,叶绿素a则主要影响TM第3、第4波段。TM4波段与悬浮物具有较高的相关度,利用TM4波段、3&#215;3像元窗口能较好反演出悬浮物浓度。植被指数NDVI（（TM4-TM3）／（TM4＋TM3））与叶绿素a浓度有较高的相关度,基于5&#215;5像元窗口的植被指数NDVI能很好的反演出太湖叶绿素a浓度,但不能很好地区分出水华和水草。2006年夏季,太湖悬浮物的分布特点为河口区、梅梁湾、西北近岸区最高,其次是湖心区,东太湖、胥口湾和南面的湖州附近湖区浓度最低。叶绿素a分布情况为最高的点出现在梅梁湾口、竺山湾西北部沿岸区以及西太湖近岸区;湖的大部分边缘区即与陆地交接处,叶绿素a的浓度也偏高;南面的湖州附近以及西山岛北面部分湖区叶绿素a浓度最低。而东太湖、胥口湾附近叶绿素a偏高则主要是由该水域沉水植被的发育造成的。     

基于HJ-1卫星CCD数据的厦门海域叶绿素a浓度反演

针对HJ-1A/B卫星CCD数据,建立适合于厦门海域的叶绿素a浓度反演模型,将为持续监测该海域的赤潮提供时间序列的叶绿素a浓度数据。基于2013年7月31日厦门海域水体实测光谱与叶绿素a浓度同步测量数据,及HJ\|1B卫星CCD2光谱响应函数,对各波段遥感反射率与叶绿素a浓度的相关性进行比较,证实蓝、绿波段比值与叶绿素a浓度相关性最高。对OC3模型在内的5种模型的反演结果和实测叶绿素a浓度做相关性分析,发现各模型相关系数均达到0.7以上。利用2013年7月30日实测数据对同期厦门海域HJ-1B卫星CCD2数据叶绿素a浓度反演结果进行精度验证,结果表明本地化的10指数模型在反演叶绿素a浓度动态范围较大的区域具有更高的精度。     

运用分段法反演太湖水体的叶绿素α浓度

为了提高太湖水体叶绿素口浓度的反演精度,本文采用了浓度分段法,将采样点按其浓度分成两类后分别建立统计模型,并在相关性较低的低浓度模型中采用了光谱修正因子OSS/TSS进行混合光谱分解.最后的验证结果显示,利用浓度分段模型估测叶绿素α浓度的均方根误差(RMSE)为21.12 μg/L,R2=0.92;而利用传统经验模型的估测精度为RMSE=35.72μg/L,R2=0.72.表明浓度分段法可以有效地提高内陆富营养化水体的叶绿素反演精度.     

基于CHRIS/PROBA数据和地面实测光谱的三峡库区水体叶绿素a浓度反演研究

使用欧空局2001年发射的小卫星PROBA所获取的CHRIS数据,结合卫星过境时的准实时地面试验数据分析,提出了一种新的半经验模型用于反演三峡库区的叶绿素a.反演的最大误差为33%,最小误差8%,平均误差22%,均在预计的范围内.考虑到实验数据与卫星过境具有6-7天的时延,可基本认为反演结果与实测值符合,并反映了叶绿素a的全局分布,反演精度满足实用要求.     

基于四波段半分析算法和Hyperion遥感影像反演太湖叶绿素a浓度

水体叶绿素a浓度不仅是水质状况的重要指标,也是制定水环境保护和水资源开发利用方案的重要依据。以2004年8月19日太湖水质浓度实验数据和同步的Hyperion影像为数据基础,研究适用于Hyperion影像的四波段半分析算法。由模型参数标定数据集(37组)对四波段半分析算法参数的拟合分析和模型检验数据集(5组)对算法精度的评估可知,基于指数拟合方法获取的四波段半分析算法具有较高的叶绿素a浓度估算精度(相关系数为0.8913,平均绝对误差为1.1109μg/L,对应的平均相对误差为5.69%,其对应的4个波段波长分别为671.02nm、701.55nm、711.72nm和742.25nm)。用以上四波段半分析算法从Hyperion影像中提取的叶绿素a浓度呈湖心低、沿湖区域高的格局。与22.23 μg/L的年均叶绿素a浓度相比较,2004年8月19日的叶绿素a浓度处于年际较高水平。     

基于GF6-WFV数据的中国东部典型湖库叶绿素a浓度反演

高分六号中分辨率宽幅相机(GF6-WFV)设计了两个红边波段,具有水体叶绿素a浓度监测的潜力。实验选取官厅水库、陆浑水库和白洋淀等6个中国东部典型湖库为研究区,获取141个采样点实测光谱和叶绿素a浓度数据。基于实测数据对4种常用的叶绿素a浓度反演半经验模型进行参数优化和模型精度验证,选取最优反演模型。结果表明,GF6-WFV数据新增红边Ⅰ波段(B5:710 nm)和红波段(B3:660 nm)构建的两波段比值模型反演精度较高,相关系数平方(R²)为0.89,平均相对误差(MRE)为34.71%,均方根误差(RMSE)为13.29 mg/m³。研究表明：利用GF6-WFV影像数据能有效反演水体叶绿素a浓度,研究基于多湖库、多时相数据建立的GF6-WFV影像水体叶绿素a浓度反演模型,在中国东部典型湖库具有较好的适用性。     

应用MODIS监测太湖水体叶绿素a浓度的研究

以太湖作为实验区,将MODIS影像不同空间分辨率的波段反射率与叶绿素a浓度实测值进行相关分析,在此基础上通过回归拟合建立遥感监测模型,并应用模型计算出太湖水体叶绿素a浓度的分布情况,对太湖水质进行了评价。研究结果表明,MODIS影像在太湖的水质监测中是可用的,其中250m分辨率波段1、2的比值组合r2/r1与叶绿素a浓度实测值高度相关(R=0.903),适于用来反演叶绿素a浓度。     

便携式全光纤海藻叶绿素a浓度测量仪的研究

介绍了能够实现对海藻叶绿素a浓度在线测量的便携式光纤荧光测量仪。该仪器将荧光法、光纤技术相结合，以超高亮度蓝色发光二极管作为激发光源，并配合有效的微弱信号检测技术。该仪器具有结构简单、小型化、可便携，探头无源、精度高等特点，具有广阔的应用前景。     

应用MODIS监测太湖水体叶绿素a浓度季节变化研究

以太湖作为实验区,利用波段比值、差值和组合算法讨论了非成像及成像高光谱数据和叶绿素浓度相关性差异和敏感波段分布,在此基础上将不同时段的MODIS影像,不同空间分辨率的波段反射率与叶绿素a浓度实测值进行相关分析,通过回归拟合建立并验证了不同季节的叶绿素a浓度遥感监测模型,并应用模型计算出太湖水体叶绿素a浓度的分布情况,对太湖水质变化进行了评价.研究结果表明,MODIS影像在太湖的水质动态变化监测中是可用的.     

叶绿素反演三波段模型的多时相应用

基于对内陆水体叶绿素a、悬浮物、溶解有机物与纯水的固有光学特性分析和三波段模型的理论,利用太湖实测的水面高光谱遥感数据波段组合,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。其中春季最后以[Rrs-1（677）-Rrs-1（696）]×Rrs（754）为因子建立模型,决定系数和均方根误差分别为0.9885、1.80332ug/l,验证数据的模型的均方根误差为5.8646ug/l,平均相对误差为25.5%,秋季的叶绿素浓度较高,三波段模型迭代计算中,用于去除无机悬浮物和黄色物质影响的波段不能稳定出现,为此我们补充计算了二波段模型,分别以[Rrs-1（680）-Rrs-1（710）]×Rrs（770）和R（680）-1×R（770）为因子,取得的模型决定系数和均方根误差分别为0.881,11.6322ug/l和0.883,11.52633ug/l,验证数据的均方根误差和平均相对误差为15.456ug/l,20.3%和15.684ug/l,21.4%,两种模型都能取得不错的反演效果。因此该方法可以有效地去除悬浮物和黄色物质的影响,有效地针对不同时相的特点取得较好的反演效果。     

基于半分析模型的石头口门水库总悬浮物浓度反演研究

总悬浮物（TSM）是水质遥感反演的重要参数之一,以遥感技术为手段监测总悬浮物浓度成为未来发展的趋势。利用2008年6月13日在石头口门水库采集的高光谱数据和实验室分析数据,计算得到水体总悬浮物的后向散射系数,并经相关分析,选取675 nm处的后向散射系数建立总悬浮物浓度的反演模型,决定系数为0.8327。与基于遥感反射率的经验方法比较,半分析方法具有一定的物理意义,反演精度更高,且在悬浮泥沙含量较高的区域效果更佳。     

使用光谱平滑提高浑浊水体叶绿素a浓度估算模型的应用精度

水体叶绿素a浓度估算是水质参数遥感监测的重要内容,由于采样时间和地点的限制,传统估算模型的参数和形式具有较大的时间和空间依赖性。光谱平滑可以突出不同数据集的共同特征,从而增加模型的预测精度,因此考虑使用平滑方法来提高水体叶绿素a浓度估算模型的应用精度。利用太湖2004年夏季和2011年春季共4个月的数据,对比分析了移动平均、多项式平滑和核回归平滑处理前后浑浊水体实测反射光谱的变化,以及该变化对叶绿素a浓度三波段遥感估算模型和模型应用精度的影响。结果表明：核回归平滑处理后的光谱数据建立的三波段模型的残差正态分布更好,估算模型更为稳健。将2004年7月数据建立的模型用于8月数据,估算的叶绿素a浓度的RMSE从平滑前的33.56 mg/m³降低到了平滑后的25.60 mg/m³;将2011年3月建立的模型用于4月数据,估算的叶绿素a浓度的RMSE从平滑前的16.68 mg/m³降低到了平滑后的10.57 mg/m³。由此可以认为,实测光谱的核回归平滑处理有助于提高叶绿素a浓度三波段模型的应用精度,且对于叶绿素a浓度变化较大的夏季数据的改进效果更显著。