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。     

高分五号高光谱图像自动大气校正方法

高分五号是我国高分辨率对地观测系统重大专项中唯一的高光谱卫星，为有效提高其应用的效能和质量，首先必须对其图像数据进行大气校正。文章提出了一种基于MODTRAN辐射传输模型的高分五号高光谱图像大气校正方法。首先，通过MODTRAN辐射传输模型构建能见度查找表、水汽含量查找表和反射率查找表；其次，分别采用Version 5.2法和大气预处理微分吸收法逐像元反演得到图像能见度和水汽含量；之后，根据反射率查找表逐像元完成高分五号高光谱图像的大气校正，并与FLAASH校正结果进行对比。结果表明，能见度和水汽含量反演效果较好，校正后的光谱曲线与经FLAASH校正的光谱曲线相吻合，3种定量化指标均保持在较高水平，且该方法能够实现高分五号高光谱图像的自动化批量化大气校正，大气校正过程无需其他额外参数，具有一定的应用价值。     

高光谱图像大气校正自动化与快速处理北大核心CSCD

全谱段宽幅高分辨率推扫式光谱成像仪作为我国新一代航空高光谱成像仪已进入应用校飞阶段,文章针对其TB/日数量级高光谱图像快速处理问题,对大气校正过程的参数自动化设置方法和并行加速方法进行研究。在传统基于辐射传输模型的大气校正基础上,分析了可见近红外和短波红外通道是否波段合并、重合波段优选、大气类型选择、是否水汽反演、水汽吸收波段选择等方面对反射率反演精度的影响,实现了参数优化自动设置,并开发了并行化大气校正算法。以吉林榆树和辽宁辽中的数据进行验证,结果表明,反演反射率与参考真值反射率一致性高,同时处理速度比串行处理大大提高,可为高光谱反射率数据产品的业务化生产提供有力工具。     

基于光谱特征的闽江干流叶绿素a遥感反演北大核心CSCD

城乡化发展与基础设施建设滞后之间矛盾的深入导致面源污染和工业废水排放对于闽江水质造成了一定影响,因而对闽江叶绿素a进行实时监测及污染物迁移动态监测,是闽江水质治理的关键步骤。文章基于四年实测光谱及水质数据,通过闽江干流实测水体光谱特征分析以及遥感影像敏感波段分析,确定了闽江干流丰、枯水期叶绿素a光谱特征存在差异,并利用多元回归及机器学习分别构建了丰、枯水期闽江干流叶绿素a浓度反演模型,通过精度验证确定了丰、枯水期叶绿素a的最佳遥感反演模型。     

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。     

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...     

基于波段定制高像素无人机多光谱相机的陆浑水库水质参数反演研究

无人机载多光谱遥感在小型水体水环境监测中具有成本低、时间灵活等优势,但是常见的多光谱相机具有像素数量低、缺少内陆水体特征波段等问题,限制了无人机多光谱遥感在水环境监测中优势的发挥。针对这些问题,研究定制了面向内陆水体水质监测的高像素航天数维KP-8多光谱相机,相机包括面向内陆水体叶绿素a反演的670和700 nm波段;利用无人机飞行实验获取了浑浊富营养化的陆浑水库的多光谱影像,并利用同步水面实验获取的水质参数构建了典型水质参数透明度、浊度、悬浮物和叶绿素a浓度反演模型;将反演模型应用于多光谱影像,反演并分析了陆浑水库典型水质参数空间分布规律。结果表明：这种波段定制的高像素无人机多光谱相机在内陆水体水环境业务化监测方面具有重要潜力。     

太湖水体GF-1/WFV影像的6S逐像元大气校正

水体光谱信息微弱,常用的基于辐射传输模型的大气校正方法在水体中校正精度较差。基于覆盖太湖水体的2016年4月29日的高分一号宽幅相机影像（GF-1/WFV）和同步的实测光谱数据,对6S辐射传输模型的输入参数进行敏感性分析,逐像元计算观测几何,使用分区气溶胶类型、分区暗像元和Spline插值确定的气溶胶光学厚度（Aerosol Optical Depth,AOD）进行6S逐像元大气校正。实验结果表明:气溶胶模式对6S大气校正结果的影响最大,与FLAASH方法相比,逐像元计算观测几何和气溶胶参数的校正方法对大气校正精度有改进作用,4个波段的平均相对误差分别降低了1.84%、7.78%、4.79%和17%。结合精确大气参数输入的6S逐像元大气校正方法可以改进水体表面遥感反射率的大气校正精度。     

机载高光谱数据提取冬小麦冠层叶绿素含量的模型分析及验证

遥感提取叶绿素含量的方法是精准农业的重要研究方向之一,但是如何用冠层光谱数据有效地提取叶绿素含量仍然是一个难点。本文用光谱指数TCARI和OSAVI的组合建立提取冬小麦冠层叶绿素含量的关系式,并使用实验田获取的冬小麦冠层光谱以及与之同步的机载高光谱传感器OMIS数据进行了验证。通过误差分析讨论了该方法用于遥感高光谱数据时需要注意的问题,表明大气校正的精度,传感器的信噪比以及波段中心的漂移是模型反演精度的主要制约因素。     

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。     

高光谱数据反演大气水汽研究

利用Hyperion高光谱数据,基于MODTRAN辐射传输模型进行模拟,分析表明943nm和953nm波段分别对干燥和湿润大气最敏感,是反演水汽的合适通道。提出针对Hyperion数据DCIBR方法反演大气总水汽含量,可以推广到环境与灾害监测预报小卫星星座超光谱数据的大气水汽反演。误差分析表明,大气散射作用以及地表反射率非线性变化,对DCIBR方法计算精度的影响比CIBR算法要小,大气模式引起的反演误差小于2%,通道的光谱特性是影响反演精度的重要因素。     

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Hyperion影像的高光谱水汽含量反演的算法比较研究

基于高光谱遥感图像数据的大气参数反演和一体化辐射校正具有重要研究意义和应用价值。首先,通过6S模型辐射传输计算分析了EO-1/Hyperion遥感影像在940和1 130nm附近水汽吸收区域的光谱吸收特点。其次,采用两通道比值法和三通道比值法,比较了不同波段组合的大气含水量高光谱遥感反演精度并进行了敏感性分析,模拟实验结果表明采用三波段比值算法的相关系数和均方根误差均优于对应的两波段算法。最后,利用张掖地区2008年3景EO-1Hyperion高光谱遥感影像,反演了大气含水量,并与地基CE-318太阳分光光度计测量数据进行对比验证,结果表明:1 124nm水汽吸收通道反演精度优于940nm,两通道和三通道比值法的均方根误差分别为0.369和0.128g/cm2,三通道比值方法优于两通道比值方法,与地面观测结果一致。     

Landsat8卫星影像大气校正及其植被指数与SEVI性能比较

遥感影像受大气的吸收散射以及地形起伏变化的影响,使得传感器接收到的辐射信号既包含了地物的信息,同时也包含了大气以及地形的信息。为了提高地表反射率的反演精度,需要去除遥感影像中大气和地形的影响。提出了一种基于查找表的Landsat8-OLI遥感影像的大气校正方法,该方法由6S辐射传输模型生成查找表,其中输入的参数包括大气水蒸汽含量、臭氧浓度和气溶胶光学厚度等MODIS大气参数产品。利用传统方法建立的大气参数查找表通常只考虑一部分因素,这对于以MODIS产品为输入参数的大气校正是不适用的。本文建立了一个包括大部分输入参数的高维大气校正查找表,对于Landsat-8 OLI传感器具有很高的通用性,通过进行光谱分析、与USGS地表反射率产品交叉验证等方式来验证模型的精度。验证结果表明该方法能有效地反演精确可靠的地表反射率。最后,采用目视解译、统计分析将校正结果与SEVI做对比分析,比较地形影响消减的效果。结果表明该模型与SEVI在地形消减的效果上作用相当。     

基于HJ-CCD的漫湾坝区河流悬浮物浓度遥感反演

坝区河流悬浮物浓度监测对于评估水利水电工程对河流水质影响具有较大的意义。HJ\|CCD重返周期短、空间分率高等优点,应用于漫湾这种中小尺度坝区水体悬浮物浓度监测有着重要的现实意义。大气校正采用暗像元、FLAASH以及QUick Atmospheric Correction(QUAC)几种常见的基于图像的大气校正方法。大气校正结果表明:暗像元法效果较好,其第2波段和第3波段的平均相对误差分别为16.1%和17.9%。然后,应用其大气校正较好的波段构建适用于研究区的悬浮物浓度反演模型。结果表明,该模型的决定系数为0.92,均方根误差(RMSE)为4.83 mg/L,平均相对误差为33.1%。最后,将此反演模型应用于2014年影像质量较好的HJ\|CCD数据上,得到了其悬浮物浓度空间分布图,反映了漫湾坝区附近的悬浮物浓度的变化规律。     

Landsat8卫星影像大气校正及其植被指数与SEVI性能比较

遥感影像受大气的吸收散射以及地形起伏变化的影响,使得传感器接收到的辐射信号既包含了地物的信息,同时也包含了大气以及地形的信息。为了提高地表反射率的反演精度,需要去除遥感影像中大气和地形的影响。提出了一种基于查找表的Landsat8-OLI遥感影像的大气校正方法,该方法由6S辐射传输模型生成查找表,其中输入的参数包括大气水蒸汽含量、臭氧浓度和气溶胶光学厚度等MODIS大气参数产品。利用传统方法建立的大气参数查找表通常只考虑一部分因素,这对于以MODIS产品为输入参数的大气校正是不适用的。本文建立了一个包括大部分输入参数的高维大气校正查找表,对于Landsat-8 OLI传感器具有很高的通用性,通过进行光谱分析、与USGS地表反射率产品交叉验证等方式来验证模型的精度。验证结果表明该方法能有效地反演精确可靠的地表反射率。最后,采用目视解译、统计分析将校正结果与SEVI做对比分析,比较地形影响消减的效果。结果表明该模型与SEVI在地形消减的效果上作用相当。     

Landsat8卫星影像大气校正及其植被指数与SEVI性能比较

遥感影像受大气的吸收散射以及地形起伏变化的影响，使得传感器接收到的辐射信号既包含了地物的信息，同时也包含了大气以及地形的信息。为了提高地表反射率的反演精度，需要去除遥感影像中大气和地形的影响。提出了一种基于查找表的Landsat8-OLI遥感影像的大气校正方法，该方法由6S辐射传输模型生成查找表，其中输入的参数包括大气水蒸汽含量、臭氧浓度和气溶胶光学厚度等MODIS大气参数产品。利用传统方法建立的大气参数查找表通常只考虑一部分因素，这对于以MODIS产品为输入参数的大气校正是不适用的。本文建立了一个包括大部分输入参数的高维大气校正查找表，对于Landsat-8 OLI传感器具有很高的通用性，通过进行光谱分析、与USGS地表反射率产品交叉验证等方式来验证模型的精度。验证结果表明该方法能有效地反演精确可靠的地表反射率。最后，采用目视解译、统计分析将校正结果与SEVI做对比分析，比较地形影响消减的效果。结果表明该模型与SEVI在地形消减的效果上作用相当。     

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。     

内陆水体悬浮物波段比值优化模型及藻类丰度对模型精度影响研究

内陆水体中浮游植物的存在对悬浮物（TSM）遥感反演模型精度具有一定的影响,藻类丰度会导致水体遥感反射率降低。实验基于中国、澳大利亚和美国内陆水体的372个采样点（4个数据集）水质分析和光谱实测数据,构建内陆水体遥感反射率与TSM的相关关系,建立最优波段比模型（OBR）,并分析了藻类颗粒物存在对该模型精度的影响。由于水质的不均一性,不同区域的水质参数敏感波段存在差异,因此各数据集用于建模的最优波段比值不同。结果表明,OBR模型精度较高,误差较小,中国水体模型验证均具有较好效果（石头口门水库：R²=0.87,RMSE=14.1 mg/L;查干湖：R²=0.82,RMSE=23.6 mg/L）,澳大利亚水体模型验证效果最佳,R²值高达0.95（RMSE=4.2 mg/L）,美国水体模型精度较低（R²=0.78,RMSE=3.7 mg/L）。研究发现,模型精度受水体叶绿素（Chla）浓度和Chla/TSM比率影响,当水体以TSM浓度较高的非藻类颗粒物为主时（如中国石头口门水库和南澳洲地区水体数据集）,最优波段比值模型表现更好;而当水体以浮游植物为主时,水体中的浮游植物的丰度会使光谱信号复杂化,从而限制或降低TSM浓度遥感算法的精度（如美国印第安纳州中部水库数据集）。