基于Sentinel-3 OLCI影像的秦皇岛海域悬浮物浓度遥感反演

基于2013~2021年期间秦皇岛海域遥感反射率、悬浮物浓度及叶绿素a浓度等实测数据,开展了该海域Sentinel-3 OLCI影像的悬浮物浓度遥感反演模型研究.结果表明,文献中常用的典型经验模型形式均不适用于秦皇岛海域,以490、620及708.75nm为悬浮物反演的敏感波段,以560nm为参比波段,将各敏感波段与参比波段的比值作为自变量,最终建立了适用于秦皇岛海域的Sentinel-3 OLCI四波段悬浮物浓度遥感反演模型（R²=0.69,MAPE=24.79%,RMSE=2.82mg/L）;并采用2021年7月24日Sentinel-3 OLCI影像进行悬浮物浓度遥感反演产品的真实性检验,得到反演值与实测值的平均相对误差为13.24%.将上述四波段模型用于2021年1~12月秦皇岛海域的Sentinel-3 OLCI影像,反演得到月均悬浮物浓度,发现秦皇岛海域悬浮物浓度整体呈现沿岸海域高、离岸海域低,秋冬季高、春夏季低的时空变化特征;且2018~2021年秦皇岛海域悬浮物浓度的年均值逐年递减,水体越来越澄清.     

基于生物光学模型的巢湖悬浮物浓度反演

根据2009年6月巢湖32个样点实测的遥感反射率、悬浮物浓度、吸收系数及散射系数等数据,分析巢湖水体各组分的吸收、散射等固有光学特性,确定悬浮颗粒物单位散射系数、后向散射概率等固有光学参数,构建基于生物光学模型的悬浮物浓度反演模型,并利用准同步获取的环境1号卫星CCD影像数据反演巢湖悬浮物浓度.结果表明,555 nm处悬浮颗粒物单位散射系数的平均值为0.48 m2/g,以555 nm为参考波长,建立指数衰减模型对悬浮颗粒物单位散射系数进行参数化,模型的决定系数可以达到0.99;此外,在760～900 nm(Band4)范围内,后向散射概率不具有波长依赖,其值稳定在0.051.利用所得到的表观及固有光学量构建巢湖水体遥感反射率模型,反演巢湖悬浮物浓度,得到实测值与反演值之间的相对误差随着浓度的增加而呈现下降的趋势,平均相对误差为17.25%,由此表明该方法适用于反演悬浮物浓度较高的湖泊水体;利用两景环境1号卫星CCD影像数据反演得到的巢湖悬浮物浓度主要在0～100 mg/L之间变化,其中6月13日巢湖悬浮物浓度40 mg/L的水域占到总面积的54.37%,而6月15日巢湖61.62%的水域悬浮物浓度40 mg/L,且这2 d巢湖悬浮物的分布与当时的气候变化一致.     

福建近岸海域悬浮泥沙浓度遥感定量监测研究

论文在分析MODIS数据对海洋水体反射光谱特征的基础上,选用合适的探测波段构成悬浮泥沙遥感参数,并根据2003~2004年福建近岸海域海洋监控区内9个站点的海洋水色数据建立悬浮泥沙浓度遥感定量反演模式。利用已建立的模式对2001~2005年福建近岸海域悬浮泥沙浓度进行遥感反演,根据反演结果分析该海域悬浮泥沙浓度的分布及其变化特征,着重分析闽江口海域的悬浮泥沙运动特点。结果表明:福建近岸海域悬浮泥沙浓度与基于MODIS蓝光(0.438~0.448μm)和绿光(0.545~0.565μm)探测波段数据构成的遥感参数呈指数函数关系,定量反演效果比较理想,反演结果能客观地揭示福建近岸海域悬浮泥沙的浓度分布及其变化特征,为今后对该海域悬浮泥沙运动规律的深化研究奠定了基础。     

基于高分1号杭州湾河口悬浮泥沙浓度遥感反演模型构建及应用

杭州湾高悬浮泥沙的实时快速遥感监测是河口沿岸水质保护的关键。本文利用杭州湾实测的高光谱及悬浮泥沙浓度数据,模拟高分1号卫星数据并分析不同波段组合的遥感反射率与悬浮物浓度之间的相关关系,开展杭州湾河口水体悬浮泥沙遥感反演模式的比较验证,得出适用于高分1号卫星的悬浮泥沙浓度的遥感反演模型,并利用该模型进行杭州湾河口跨海大桥水域悬浮泥沙浓度反演,研究发现跨海大桥对潮水稀释悬浮泥沙有一定影响,大桥两侧悬浮泥沙有明显差异。     

基于实测光谱的杭州湾悬浮物浓度遥感反演模式

悬浮物是我国近海水质遥感监测的主要参数之一.利用ASD地物光谱仪测量杭州湾水体的反射光谱,同步采集表层水样获取悬浮物浓度,模拟水色卫星MODIS和MERIS的波段设置提取遥感反射率,基于人工神经网络分别建立2种悬浮物浓度的遥感反演模式.实测结果表明,杭州湾水体中悬浮物浓度较高,泥沙含量远远大于叶绿素浓度,平均值分别为705 mg/L和1.164 mg/m³;2个监测站位的悬浮物浓度表现出时空上的差异,尤其是随潮汐变化的短周期变异十分显著;实测水体反射率光谱曲线在650～700 nm之间与800 nm附近分别出现峰值,光谱曲线一阶微分结果显示第一反射峰的位置随着悬浮物浓度增大向长波方向移动.基于神经网络建立的模拟算法充分利用了卫星不同通道的光谱信息,可以同时模拟水体中色素与非色素悬浮物的浓度,模型取得了较好的拟合效果,R²均大于0.95,可以应用于实际卫星遥感反演,尤其是MERIS数据,因其具有相对较高的空间分辨率,在近海水环境遥感监测中的应用前景更为广阔.     

黄河口悬浮物浓度Landsat8 OLI多波段反演研究

黄河口海域悬浮物浓度,是研究黄河输沙和近岸水体生态环境的重要水质参数.之前的浓度反演模型主要采用一元二次函数或幂函数等单参数形式,利用2011年夏冬两季同步观测的遥感反射率和悬浮物浓度,本文给出了一种针对Landsat8 OLI传感器的两参数线性模型.该模型需两个输入参数,每个参数都是两个波段的光谱比值.结果表明:OLI传感器的近红外(波段5)光谱、以及它与蓝绿波段(波段1,2或3)的光谱比值,是黄河口海域悬浮物浓度反演的敏感波段,可用于建立单参数经验模型;除了敏感波段外,本研究的模型还用到红绿波段的光谱比值(波段4与波段3的比值),因而能够更好地表征光谱随悬浮物浓度的变化关系;其决定系数,均方根误差和平均相对误差分别为0.98,43.53mg·L~(-1)和20.97%,优于单参数经验模型,而且受误差影响小,因而更适合黄河口海域悬浮物浓度反演.     

基于不同光谱主导因子的内陆湖泊水体叶绿素浓度三波段反演模型研究

利用分层聚类法,对实测的遥感反射率进行分类,结合固有光学特征和实测的水色要素,确定每种类别遥感反射率光谱变化的主导影响因子.根据太湖、滇池、三峡库区及巢湖的地面遥感实验,将其遥感反射率分为3类,类型一的光学特性由总悬浮物和浮游藻类共同主导,类型二的光学特性由浮游藻类主导,类型三的光学特性由悬浮物主导.根据每类水体光学特征的差异,分别建立叶绿素浓度的三波段反演模型,反演的平均相对误差为23.8%,均方根误差为8.5 mg/m3,其反演精度要高于未经分类而直接建立的三波段模型.     

太湖悬浮物对水体生态环境的影响及其高光谱反演

利用太湖水质参数数据、水面以下实测光谱数据以及水-气界面辐射传输模型,计算得到了水体漫射衰减系数和水面以上遥感反射比,探讨了悬浮物对水体中营养盐以及水下光照等水体环境因子的影响,在此基础上,利用水面以上遥感反射率建立了悬浮物浓度的定量反演模型.研究结果表明:悬浮物浓度与水体下行漫射衰减系数具有很好的相关性,在可见光波段相关系数达到0.8以上,与真光层深度具有很好的负指数关系;水面以上遥感反射比与悬浮物浓度对数(In(Tss))具有很好的相关性,在500～600nm范围内呈负相关,在620-882nm范围呈正相关,最大负相关出现在522nm附近,最大正相关出现在692nm附近;选用Rra(522nm)、Rra(692nm)以及其比值作为变量建立悬浮物反演模型,得出的单波段线性对数模型能够较好地反演悬浮物浓度.     

基于环境一号卫星数据的太湖叶绿素a浓度反演

环境一号卫星在大型水体水环境监测与评价中具有独特的优势。为探求遥感影像在水体叶绿素a浓度反演中的应用,基于环境一号卫星CCD数据和同步实测叶绿素a浓度值,通过影像辐射定标、大气校正和几何精校正等预处理获取水体反射率,分别将单波段和不同特征波段组合的反射率与实测叶绿素a值进行皮尔逊相关分析,选取R20.8的波段组合进行建模,通过对3种波段组合反演结果对比和精度验证,发现基于CCD数据第4波段与第3波段反射率比值的二次模型具有良好的反演效果,模型预测值与实测值的最小相对误差为0.76%,平均相对误差10.99%,均方根误差为0.007 6 mg/L,明显低于实测叶绿素a浓度的平均值;最后基于该模型实现了太湖叶绿素a浓度反演,并对叶绿素a的时空分布进行了初步分析。     

长江干流表层水体悬浮物的空间变化特征及遥感反演

总悬浮物（TSM）是描述水体光学特性和污染程度的一个重要参数,利用遥感技术准确获取面状水域悬浮物浓度的信息,可有效地对水体浑浊程度、污染程度等信息指标进行高效监测分析,解决观察范围小、不方便以及数据获取难等难题.以野外实测水体高光谱数据和悬浮物浓度及其组分等数据,参照MODIS （1~4波段）、Landsat 8（1~5波段）、Sentinel 2（2~6波段）和HJ-B1（1~4波段）等常用波段范围,构建长江干流（重庆-上海段）水体TSM的半经验模型,从而检验、比较常用卫星对河流水体TSM的反演潜力.结果表明：①枯水期长江干流浊度和TSM从重庆到上海整体程增加趋势,相反有机悬浮物浓度在总悬浮物浓度中所占的比例（OSM/TSM）从重庆到上海整体呈现较小趋势.②水体光谱曲线基本没用叶绿素a的光谱特征（700 nm附近的反射峰）,而是展现出悬浮物浓度占主导因素的双峰型光谱特征.由于水体中悬浮物浓度较低（<114.68 mg ·L^-1）,第一峰值明显高于第二峰值,但反射峰位置具有明显的向波长方向移动的"红移"现象.③长江干流水体的反射率对悬浮物浓度最敏感的波段是600~710 nm和475~550 nm波段,这些波段大部分都落在MODI、Landsat 8,Sentinel 2和HJ-1B卫星绿波段和红波段内,因此目前常用卫星的波段设置在反演长江干流水体TSM上都具有一定的潜力.其中Sentinel 2卫星波段设置最合适长江干流水体悬浮物浓度的反演,其最佳的指数反演模型RMSE为10.23mg ·L^-1,MAPE为23%.     

基于半分析方法的内陆湖泊水体总悬浮物浓度遥感估算研究

根据生物光学原理,通过对总悬浮物吸收占水体总吸收比例光谱的分析,确定适宜总悬浮物浓度反演的波段范围;结合以往学者对太湖等水体固有光学特性的研究成果,运用最小二乘法,确定生物光学模型的相关参数,建立了浑浊湖泊水体总悬浮物浓度的单波段估算模型.结果表明,在短波波段,总悬浮物的吸收占水体总吸收的比例较高,出现光饱和现象,不适...     

基于Landsat 8影像估算新安江水库总悬浮物浓度

总悬浮物(total suspended matter,TSM)直接决定着水下光场分布,进而影响水体的初级生产力,其浓度也是水质和水环境评价的重要参数之一.本研究构建了基于Landsat 8影像数据的较为清洁的新安江水库TSM的遥感估算模型,并给出了该水体TSM浓度的空间分布特征.结果表明,对该水体TSM浓度较为敏感波段为Landsat 8第二、三和八波段,线性相关的决定系数分别为0.37、0.51和0.42.然而,以上任何一个波段都无法单独用于准确地提取该区TSM浓度,而利用以上3个波段构建的多元回归模型能够给出较为准确的估算结果,模型决定系数为0.92,平均相对误差为11%,均方根误差为0.16mg·L-1.新安江水库TSM浓度整体较低,变化范围为0.04~24.54 mg·L-1,平均浓度为2.19 mg·L-1.高浓度部分位于湖的边缘区以及一些湖湾枝杈,如:枫树岭水域、汾口水域、威坪水域、安阳水域、大墅水域、临岐水域等,主要是受入湖河流以及邻近水域采砂活动的影响.因此研究认为利用Landsat 8数据的3个波段,采用多元回归模型能够较好地估算较清洁水体的TSM浓度.     

珠江口冬春季悬浮泥沙浓度遥感反演模式分析

利用珠江口2014年2月和2014年5月的高光谱遥感反射率和实测悬浮泥沙质量浓度数据进行了两波段悬浮泥沙遥感反演模式的研究。通过分析和对比发现,冬季2月悬浮泥沙质量浓度和光谱遥感反射率相关性较低（R2=0.422）,春季5月二者相关性较好R2=0.693。由于5月为珠江口丰水期,径流量增大,携带泥沙能力增强,存在因上升流引起的泥沙再悬浮现象。另外,丰水期存在咸淡水锋面和锋区附近的盐度梯度也导致悬浮泥沙质量浓度增大。悬浮泥沙质量浓度高,对光敏感,建立模式好。而2月珠江口为冬季枯水期,珠江口伶仃洋海域悬浮泥沙主要来自径流,径流量小,含沙量少,模式较5月差。     

基于Sentinel-2 MSI影像的秦皇岛海域叶绿素a浓度遥感反演

基于2013-2018年秦皇岛海域实测遥感反射率和叶绿素a浓度数据,建立了该海域Sentinel-2MSI影像的叶绿素a浓度遥感反演模型。结果表明：443 nm、490 nm和560 nm处的等效遥感反射率比值与叶绿素a浓度相关系数普遍高于其他波段或组合,通过经典的OC3Mv6算法拟合分析,得到秦皇岛海域叶绿素a浓度遥感反演的最佳算法,R²=0.804,MAPE=40.2%,RMSE=4.73 mg/m³;利用2016年7月6日的实测叶绿素a浓度数据对Sentinel-2 MSI遥感反演结果进行了真实性检验,MAPE=35.9%,可以满足应用要求;采用2020年2月、5月、7月及10月Sentinel-2 MSI影像进行叶绿素a浓度反演,发现春、夏季秦皇岛海域叶绿素a浓度梯度变化显著,而秋、冬季叶绿素a浓度分布相对均匀,且春、夏季沿海海域叶绿素a浓度明显高于秋、冬季。     

基于GF-1 WFV影像和BP神经网络的太湖叶绿素a反演

叶绿素a浓度是可直接遥感反演的重要水质参数之一,常用来评价湖泊水体的富营养化程度.太湖是典型的二类水体,光学性质复杂,应用一类水体线性反演模式拟合较为片面且难以找到最佳拟合模型.BP神经网络模型具有模拟复杂非线性问题的功能.为研究高分一号卫星16m多光谱相机WFV4结合BP神经网络进行太湖叶绿素a浓度监测的可行性,实验利用GF-1 WFV4影像和实时的地面采样数据,建立了BP神经网络模型,同时采用波段比值经验模型进行对比.经精度检验,BP神经网络模型预测值与实测值之间的可决系数R2高达0.9680,而波段比值模型的R2为0.9541,且均方根误差RMSE由波段比值模型的18.7915降低为BP神经网络模型的7.6068,平均相对误差e也由波段比值模型的19.16%降低为BP神经网络模型的6.75%.结果证明,GF-1 WFV4影像应用BP神经网络模型反演太湖叶绿素a浓度较波段比值模型精度有所提高.将经过水体掩膜的GF-1 WFV4影像用于训练好的BP神经网络反演太湖叶绿素a浓度分布,结果显示,叶绿素a高浓度区集中分布在湖心区北部、竺山湾、梅梁湾区域,与之前的研究一致.本文研究结果验证了采用BP神经网络模型对GF-1 WFV4影像进行太湖叶绿素a浓度反演的可行性.