基于国产卫星多光谱影像的河流水体浊度遥感联合反演研究

基于集合建模思想,在水体光谱特征分析与敏感波段选择基础上,集成多种遥感反演模型优势,构建了河流水体浊度多光谱遥感联合反演模型(Combined Model-BP,CM-BP)。选择汉江中下游典型河段为研究区,利用2012—2013年原位观测数据,以具有较高时间分辨率和空间分辨率的国产卫星数据作为多光谱遥感数据源,测试评估了CM-BP浊度遥感反演模型适用性,并与传统波段组合模型进行精度比较,基于反演结果分析了研究区浊度时空分布特征。结果表明:基于集合建模思想构建的CM-BP模型的反演精度、适应性及稳定性均高于波段组合模型;从光谱分辨率、时空分辨率等角度考虑,环境与灾害监测预报小卫星星座系统、高分一号卫星、资源三号等国产卫星多光谱遥感数据是河流水体水质反演优选数据源;国产卫星遥感数据可以满足河流水体水质高精度、实时性与大尺度等遥感反演需要,为河流水环境监测研究提供数据基础。     

基于MODIS数据的鄱阳湖总悬浮物浓度监测分析

为了利用遥感卫星影像资料对湖泊水质进行连续、大范围的监测,以鄱阳湖为研究对象,通过对水体实测高光谱的特征分析,采用分期统计回归的方法建立总悬浮物(TSS)浓度反演模型,利用MODIS影像反演鄱阳湖TSS浓度的空间分布,并分析其时空分布特征.研究结果表明:红光和近红外波段是反演水质参数TSS的敏感波段,在同一环境下分析,...     

基于GF-1/WFV的钱塘江叶绿素a和总悬浮物浓度遥感估算

为了探究高分一号(GF-1)卫星对河流水体水质参数遥感反演的效果,使用GF-1卫星数据的16 m分辨率的GF-1/WFV传感器数据和地面实测数据,基于地面实测光谱反射率数据模拟WFV波段组合,构建水体叶绿素a和总悬浮物浓度遥感模型,从而对钱塘江流域杭州段水体水质参数进行估算。研究结果表明:基于B1-B3差值的二次多项式模型可用于叶绿素a浓度估算(R²=0.83,RMSE=0.74 μg/L),基于B3波段的二次多项式模型可用于总悬浮物浓度的估算(R²=0.92,RMSE=1 mg/L);通过模型应用于准同步的GF-1/WFV数据,较好反映了低潮位钱塘江杭州段水体叶绿素a和总悬浮物浓度的空间分布,为高分一号卫星数据遥感监测钱塘江水色参数做出了有益的探索性工作。研究方法及结果对其他流域河流水色遥感研究具有参考价值。     

基于遥感的北京城区水体悬浮物浓度监测

利用2011年6月8日同步获取的地面实测数据与TM遥感影像,以北京城区重点水体为研究对象,探讨利用卫星遥感数据定量反演夏季城市湖泊悬浮物浓度的可行性与方法。在对遥感影像进行大气校正的基础上,通过相关性分析选择最佳反演波段,并利用经验方法建立基于TM多光谱影像的定量反演模型;通过2008—2009年4景TM影像及人工准同步测量的地面数据,对模型的精度及适用性进行分析。结果表明,模型在春季具有较好的适用性,相对误差为25.06％,接近太湖等大江大湖先进反演模型的精度。     

基于航空高光谱的囫囵淖尔水体浊度反演建模

针对机载 Headwall 高光谱成像仪对水质监测能力的验证, 利用 2018 年 9 月 17 日航空高光谱数据和 17 个准同步实测水体浊度数据分别构建囫囵淖尔水体浊度波段比值反演模型、一阶微分反演模型和偏最小二乘反演模型, 估算同日的囫囵淖尔水体浊度的空间分布。研究结果表明: 利用机载 Headwall 高光谱数据构建的 3 个浊度反演模型, 验证均方根误差 RMSE 均小于验证样本浊度的极值差 5. 3 NTU, MRE 均小于 10% , 机载 Headwall 高光谱成像 仪能够较好地观测水体浊度差异; 在囫囵淖尔, 基于 Headwall 高光谱数据的偏最小二乘模型建模精度高于波段比 值模型和一阶微分模型, 决定系数 R2 达到 0.95, 综合误差 CE 为 1. 74% , 最适用于囫囵淖尔水体浊度的反演; 2018 年 9 月 17 日囫囵淖尔东部水域浊度范围为 21. 2~ 54.4 NTU, 呈现出北低南高的趋势, 湖中心区域水体浊度较低, 南部水域受水中藻类的影响, 水体浊度较高。利用航空高光谱遥感影像实现了浊度的定量反演, 为航空高光谱遥感数据用于水质参数反演提供借鉴。     

耦合小波变换和偏最小二乘的悬浮物浓度和浊度高光谱建模方法

针对高光谱曲线中可能存在噪声以及传统半经验方法不能有效利用全部光谱信息的问题,提出了耦合Haar小波变换和偏最小二乘的水质遥感高光谱建模方法(Haar WT-PLS)。利用该方法,对在南四湖获取的实测高光谱数据经分解尺度为3的Haar小波变换后,将原始光谱数据压缩到47个特征变量;随后利用小波变换重构的光谱数据建立了悬浮物浓度和浊度的Haar WT-PLS反演模型,并进行了验证。结果表明:Haar WT-PLS反演悬浮物浓度和浊度精度较高,验证样本的均方根误差分别为25.05 mg/L和20.10NTU,平均相对误差分别为20.36%和13.88%。通过和单波段模型、一阶微分模型和波段比值模型进行精度对比分析,本文建立的Haar WT-PLS模型反演悬浮物浓度和浊度具有较高的精度和更好的稳定性。     

水务大数据分析与应用

<正>水体富营养化高光谱监测技术利用高光谱遥感数据“图谱合一”的特点,耦合地面监测站实测数据,构建了对叶绿素、总氮、总磷、水体透明度以及高锰酸盐指数等污染指标的反演模型,以及水环境质量综合评估模型。基于“珠海1号”卫星高光谱影像对北京市中心城区的污染物分布状态进行了反演,并开展了水环境质量的评估。技术成果可与水文站网人工监测、水环境侦察兵实时监测技术有机互补,提升水环境质量监测效率和精度。     

利用ASTER影像反演松辽平原水体悬浮物浓度

对松辽平原的ASTER影像进行几何校正、辐射校正等预处理,并利用归一化水体指数(normalizeddifference water index)做掩模提取测区内水体,再将实测的水体悬浮物浓度和各波段反射率作相关性回归分析,探求水体中悬浮物的特征波段。实验表明,当水体中悬浮物含量增加时,ASTER遥感影像的1~4波段水体反射率明显增加,且第3波段水体的反射率与实测水体悬浮物浓度关系最密切。最后确定了利用ASTER影像第3波段与水体悬浮物浓度进行线形拟合的方法反演水体悬浮物浓度。实践证明,利用回归分析所建立的线性反演模型可以很好地反演测区内水体悬浮物浓度。     

基于遥感的内陆水体水质监测研究进展

从遥感数据、反演方法和水质参数三方面综述了水质遥感监测的研究进展,介绍了国内外常用遥感数据,对比了分析法、经验法、半经验法、机器学习和综合法五种反演方法的优缺点,总结了叶绿素a、悬浮物、有色可溶性有机物等光敏参数和化学需氧量、生化需氧量、总磷和总氮等非光敏参数的研究进展。目前内陆水体水质遥感监测在卫星传感器的针对性、反演算法的时空局限性、水质参数光谱特征的复杂性、大气校正的精确性和特殊类型水体的水质监测等方面还存在问题;指出未来水质遥感监测应围绕新型遥感数据、通用反演模型、不同光谱特征、精确大气校正和特殊水体分类等方面开展。     

基于高光谱数据的汉江中下游典型河段水体悬浮物遥感反演

选择汉江中下游典型河段作为研究区域,利用2012—2013年实测水质数据及高光谱数据,基于有效信息变量筛选和神经网络算法构建研究区水体悬浮物浓度高光谱反演模型,分析评价了模型性能与估测效果,讨论了研究区水体悬浮物浓度分布特征。研究结果表明:基于变量投影重要性指数和神经网络优势构建的高光谱反演模型在反演精度、稳定性和适应性方面表现出优异的性能;而对于基于简单相关性分析构建的单波段模型和比值模型而言,建模样本选择对模型精度有较大影响,导致模型反演精度、稳定性和适用性较差;汉江中下游典型河段水体总悬浮物浓度整体上在18.8~187.0 mg/L之间变化,季节性差异明显,即春、夏两季悬浮物浓度低于秋季。     

薄云覆盖下山区河道水体遥感影像提取方法研究

MODIS遥感数据时间分辨率较高,将其应用于河道监测优势明显。但是对于山区多云地区,MODIS数据时间分辨率高的优势无从发挥,且山区沟壑众多,河道狭窄,水体像元多为混合像元,利用现有方法提取水体遥感影像难度较大。为了能够将MODIS数据的优势运用于山区河道监测,选定大渡河流域作为典型研究区域,在对MODIS数据中的典型地物进行采样分析后,首先采用基于小波变换改进的同态滤波削弱云雾,然后对归一化植被指数法(RVI)进行改进,得到了薄云覆盖下山区水体指数(CMWI),消除了薄云的干扰,实现了山区沟壑的模糊处理,突出了水体。图像增强后,河道水体清晰可辨,适用于山区河道遥感监测工作。     

资源一号02C卫星P/MS传感器数据质量评价及其在水利行业中的应用潜力分析

随着我国资源一号02C卫星的成功发射,需要对该卫星的遥感数据进行定量的质量评价。利用多项数据质量评价指标对资源一号02C卫星的全色多光谱遥感图像数据质量进行了评价,并将其和美国陆地卫星ETM+数据进行了对比分析,最后利用资源一号02C卫星多光谱数据进行了基于支持向量机和神经网络算法的水体信息提取。实验发现该卫星数据质量在很大程度上都明显超过了ETM+影像,在水利行业中有很大的应用潜力。     

基于改进遥感蒸散模型的西南地表蒸散研究

基于卫星遥感资料以及气象站点数据,利用基于地表净辐射、植被指数、月平均气温和月温差的混合型线性双源遥感蒸散模型估算了我国西南地区地表蒸散量,并与MODIS数据作对比验证。结果表明:改进后的遥感蒸散模型估算的蒸散值与MODIS监测的值具有很好相关性,其模拟精度依次为:秋季冬季夏季春季。利用改进后的模型研究了西南地表蒸散,发现近20 a来该地区实际蒸散呈现明显的增加趋势,春、夏两季蒸散量较大,占全年总量的62.3%,春季由东南向西北递减,广西大部分地区以及云南南部实际蒸散量较大,而川西则较小;夏季与秋季呈现由东向西递减的趋势,由广西、贵州、重庆向云南和四川递减;冬季则呈现由南向北递减的规律。     

无人机载高光谱仪在八里湖水质监测中的应用研究

结合八里湖的水文及水质特征,采用无人机搭载高光谱成像设备,对选取的代表性水域进行检测。通过采集远距离、大范围的水体光谱数据,实现叶绿素浓度、悬浮物浓度、总氮、总磷等多参数的测定以及影像同步呈现;通过对比分析采集的光谱数据和采样水体的实验室检测数据,寻找存在这两者之中的相互关系,并通过水质数据对高光谱模型进行修正,将模型应用到常规水质监测中。结果表明,模型各指标偏差在可控范围内;无人机载高光谱反演结果和水质常规检测结果比对,水质类别评价一致性较高。     

环境卫星遥感反演在水源地水质应急监测预警中的精度探讨及修正方法研究

以辽宁东部某水源地为实例,结合环境卫星7期的影像数据,分析各波段与水源地应急监测指标(叶绿素、透明度、悬浮物、富营养化)的相关性,建立适合于各水质指标的定量反演模型,并结合采样数据对比分析反演精度,通过建立回归方程对反演指标进行修正。结果表明:未修正前,卫星遥感反演值和采样测定值相对误差在40%～50%之间;修正后,相对误差降低到20%～25%之间,基本满足水源地应急监测预警的需要。研究成果对于水源地应急遥感监测、预警具有重要的参考价值。     

悬浮泥沙反射光谱特性和泥沙量估算试验研究

通过实验室含沙水体的配比试验，对不同浓度含沙水体进行了光学特性测量，建立了不同悬沙含量遥感反演模型，结果表明：1）确立的水体光谱反射率和悬沙浓度之间的数值关系，为用卫星遥感技术探测表层悬沙浓度做了基础性的研究，取得了令人满意的效果；2）悬沙水样的敏感波段位于700nm～720nm，730～750nm和800～850nm；3）利用主成分分析方法结合多元线性回归可较为精确地估算悬沙含量，其模型反演能力明显优于敏感波段线性模型。对于浓度范围为0．1905g／L～3．6991g/L的悬沙水体，主成分回归模型反演精度更高，反演值和实测值的平均相对误差仅为5％左右；4）用实验室含沙水体配比方法进行的悬沙浓度与光谱关系的研究，其数据采集的同步性好，精度可靠。     

基于BP神经网络的温榆河水质参数反演模型研究

为进一步提高内陆水体水质参数遥感反演的准确性,北京市温榆河被选为研究对象,研究选取ETM＋数据和准同步实测水质指标（浊度、BOD;）数据,建立了多个隐含层数目为1的BP神经网络模型,并选出分别针对浊度和BOD5的最佳神经网络模型,利用ETM＋影像的波段组合值反演了浊度和BOD,浓度值。最后将其反演结果与常规多元线性回归模型的反演结果进行精度比较。结果表明：温榆河的水质参数遥感反演为非线性问题,使用BP神经网络方法进行浊度与BOD,两种水质参数反演的结果优于线性回归方法的反演结果。     

遥感技术在东居延海水面面积监测中的应用

选择2007—2009年的TM影像、CBERS影像、P5、中国资源卫星、环境减灾卫星等13景高分辨率卫星遥感影像进行预处理后,提取了东居延海水面面积,但MODIS影像解译东居延海水面面积总体偏小,最大误差达13.3%,平均误差为4.9%。通过建立高分辨率影像与MODIS影像解译东居延海水面面积修正模型,对MODIS影像解译结果进行误差修正。结果表明:修正后的MODIS影像解译面积总体精度有较大提高,最大误差为5.8%,平均误差为2.6%。     

基于哨兵2号的白洋淀水质监测方法研究

水质监测是水环境保护的重要工作内容，为水环境评价提供重要的参数指标信息，利用卫星遥感手段进行水质监测具有大范围、长时序、低成本、周期性、快速、动态监测等优势，利用哨兵2号多光谱卫星遥感数据，结合白洋淀淀区水质国控断面实测数据，对白洋淀淀区的水质参数进行定量反演，获取淀区溶解氧、高锰酸盐指数、总磷和总氮4种参数的空间分布图，掌握白洋淀水质整体情况。实验结果表明，利用少量的水质实测数据，建立遥感水质参数反演模型，可以快速获取淀区水质连续空间分布图，并依据未来近10 d内的哨兵2号影像，预测淀区水质情况，通过模型精度验证可知，该方法可以取得较高的反演精度。     

贵州百花湖叶绿素a高光谱监测模型研究

为对百花湖的叶绿素a浓度进行高光谱模型监测,以更高效和在更大范围内监测湖水富营养化状况,结合百花湖水体的具体情况,对湖区水体布置采样点进行监测,获取了2012年4月和12月的实测水体高光谱数据和叶绿素a浓度数据。通过对获取数据的处理和分析,提取了叶绿素a的敏感波段并建立了叶绿素a浓度与水体光谱反射率相关模型。分析结果发现:1百花湖叶绿素a的敏感波段为706,707,678 nm和679nm,且敏感波段的组合运算可提高光谱数据与叶绿素a浓度之间的相关显著性;2通过对模型精度的对比分析,发现用(706+707)/(678+679)波段组合所建立的线性模型对叶绿素a浓度的反演精度最高;3以4月份的数据建立的模型经12月份的数据验证,精度也较高,说明该模型在一定范围内不受时间限制,可用来对百花湖叶绿素a的浓度进行及时监测。