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。     

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。     

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。     

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。     

资源一号02D高光谱数据大气校正及应用北大核心CSCD

针对高光谱数据大气校正耗时长和查找表构建不准确等问题,提出基于MODTRAN辐射传输模型实时创建大气校正参数查找表的方法,并应用于水体叶绿素浓度反演。首先,基于高光谱数据实时构建大气校正参数查找表;其次,根据循环迭代反演得到水汽含量和气溶胶光学厚度对查找表插值得到各个波段的大气校正参数,从而完成所有波段数据的大气校正;最后,选择植被、土壤和水体3类典型地物精度分析,并基于反演水体的叶绿素a浓度验证大气校正精度的可靠性。实验结果表明:该方法明显优于6S、FLAASH等大气校正方法;在运行效率上,在多线程并行加速后,运行效率提升了2~4倍;基于水体反射率数据反演水体叶绿素a浓度,反演模型预测集验证中ρ为0.804 7,RMSE为1.8。     

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。     

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。     

长江口及邻近海域悬浮颗粒物对叶绿素a遥感反演算法的影响分析

利用水介质光辐射传输数值模型Hydrolight,结合前人对长江口及邻近海域水体的生物—光学模型研究,模拟不同光学水体的遥感反射率,并分析遥感反射率对悬浮颗粒物(SPM)的敏感性以及SPM对4种叶绿素a(Chla)反演算法(二波段、三波段、荧光基线高度(FLH)和综合叶绿素指数(SCI)算法)的影响。结果表明:由Hydrolight模拟得到的遥感反射率与现场同步实测的遥感反射率的均方根误差小于0.01sr-1,其中可实现遥感反射率在550~725nm波段较精确的模拟。遥感反射率对SPM的敏感性随着Chla浓度的升高而降低。二波段、三波段算法适合低SPM浓度水体的Chla浓度反演,FLH算法反演Chla浓度时易受SPM的影响,而SCI算法在中、高SPM浓度水体中消除SPM的影响进而反演Chla的潜力较好。     

应用Landsat TM影像估算渤海叶绿素a和总悬浮物浓度

利用23个实测样点的渤海叶绿素a和总悬浮物浓度数据及同步Landsat TM影像数据,分别分析了Landsat TM离水辐射亮度对渤海叶绿素a和总悬浮物浓度的敏感性,选择合适的波段,通过回归分析构建了基于Landsat TM离水辐射亮度的渤海叶绿素a和总悬浮物浓度反演模型。结果表明,TM1、TM2和TM3波段对叶绿素a的敏感性较高,以TM4/TM1和TM3/TM2的对数为自变量,以叶绿素a浓度的对数为因变量的线性估算模型可以有效反演渤海叶绿素a浓度,决定系数R2达到0.97;TM3波段对悬浮物的敏感性最高,以TM2、TM3和TM3/TM2为自变量,以总悬浮物浓度的以10为底的对数为因变量的多元线性模型获得的结果最佳,决定系数R2达到0.91。     

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。     

松花湖水体叶绿素a含量与反射光谱特征关系初探

根据2008年7月在松花湖实测的水体反射光谱及实验室分析得到的叶绿素浓度数据,对松花湖水体反射光谱特征与叶绿素浓度之间的关系进行探讨与分析。研究结果表明:水体叶绿素浓度与各波长点处反射率相关性均较好,并选择700 nm处反射率建立单波段模型。而700 nm和677 nm波长处反射率比值、685 nm处光谱一阶微分、700 nm波长处波峰几何特征具有较好的相关性,给出了松花湖水体叶绿素浓度估算模型,为松花湖水体叶绿素浓度反演监测提供了一定的理论基础与参考。     

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）。     

基于高光谱数据和MODIS影像的鄱阳湖悬浮泥沙浓度估算

本文旨在寻找悬浮泥沙浓度的MODIS遥感影像估算模型,并利用实测的高光谱数据对其敏感波段和反演模型进行测试和验证。以鄱阳湖为研究区域,利用光谱数据进行分析,为利用遥感影像建模提供依据。进一步利用同步进行的鄱阳湖水质采样分析与MODIS影像中等分辨率各个波段反射率及其组合进行相关分析,寻找反演悬浮泥沙浓度的敏感波段。实验表明,MODIS的第一波段反射率对于悬浮泥沙浓度有很好的匹配(R² = 0.91; n = 25),进而建立了鄱阳湖地区的悬浮泥沙浓度遥感定量估算模型。利用估算模型和鄱阳湖地区历史MODIS影像,得到了鄱阳湖悬浮泥沙浓度分布图。基于对汛期鄱阳湖悬浮泥沙浓度的连续监测,可对长江倒灌入鄱阳湖现象的形态进行观测。     

基于哨兵-2数据的喀斯特高原深水湖库CODMn遥感反演

利用哨兵-2数据及多种方法反演喀斯特高原深水湖库的高锰酸盐指数(COD_Mn),对于区域水环境管理和丰富水质反演理论具有重要意义。以贵阳市红枫湖与百花湖为研究区,基于Sentinel-2 MSI影像和COD_Mn浓度数据,使用随机森林回归(RFR)、支持向量回归方法(SVR)、高斯过程回归(GPR),构建COD_Mn反演模型,获得2018～2020年不同时期的COD_Mn空间分布。结果表明：(1)RFR模型估算精度最高,验证集RMSE为0.222 mg·L^-1,MAPE为5.84%,R2为0.841;(2)红枫湖COD_Mn浓度变化呈现上游高于下游、春季高于夏季的时空分布特征。百花湖除了上游,整体湖区COD_Mn浓度较低且随时间变化不大。研究揭示了RFR模型与Sentinel-2数据在喀斯特高原深水湖库COD_Mn浓度反演具有良好的适用性。     

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。     

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。     

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。     

矿区植被叶绿素反演的最佳波段组合探讨

针对不同于单一植被种类或受单一胁迫影响区域的矿区复垦土地生态环境、植被种类及生长状况的复杂性特征,以及利用传统遥感影像反演其植被叶绿素的精度低、代价高这一问题,探讨了反演矿区植被叶绿素含量的新方法。研究基于WorldView-2影像的多波段组合反演矿区植被叶绿素含量,得到若干个波段组合的空间分布值,并于实地采集数据对各波段组合得到的反演结果进行了相关性验证。结果表明:与矿区实地植被叶绿素含量相关性最强的是由WorldView-2影像的红边波段和近红外1波段组合得到的归一化差异植被指数,其相关性达到0.668,在0.01水平(双侧)上显著相关,可用于复垦地植被叶绿素的反演。该文为新方法新波段在矿区植被叶绿素含量反演方面的应用提供参考依据,对拓展WorldView-2影像的应用范围具有一定的现实意义。