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.     

香港近海海域叶绿素a定量反演及时空变化分析

以2009~2019年HJ-1A/B卫星多光谱数据和对应日期的实测数据为数据源,通过预处理提取出各波段组合反射率并与实测叶绿素a浓度数据进行统计相关性分析,选取相关性最高的波段组合作为特征变量与2/3的实测叶绿素a浓度数据进行建模,并用剩下的1/3实测叶绿素a浓度数据进行精度验证以确定最佳遥感反演模型,最后根据最佳反演模型对2009-2019年的香港近海海域叶绿素a浓度进行反演,明晰该海域近10年的叶绿素a浓度时空变化特征.结果表明：利用HJ-1A/B卫星多光谱数据反演香港近海海域叶绿素a浓度的最佳波段组合为第3波段和第2波段比值（B3/B2）,相关系数（r）为0.893;最佳反演模型为利用B3/B2构建的e指数回归模型（Chl=0.004e^6.693(B3/B2)）,决定系数（R²）为0.934,均方根误差（RMSE）为0.255μg/L,平均相对误差（RPD）为25%;近10年香港近海海域的叶绿素a浓度时空变化特征：空间上整体呈现“东高西低,由东向西逐渐减小”的分布特征,西部海域比东部海域平均浓度低5μg/L左右;2017年内呈“春低秋高,夏升冬降”的随季节变化特点,其中秋季最高,夏春两季次之,冬季最低.     

秦皇岛海域微微藻褐潮遥感监测方法初探

微微藻褐潮在我国是一种新出现的海洋生态灾害。本文针对秦皇岛海域微微藻褐潮高发区,探讨利用卫星遥感技术监测微微藻褐潮的可行性。首先利用MODIS数据反演秦皇岛海域叶绿素a（Chl a）浓度和海面温度（SST）判别水色异常区域,然后通过HJ-1号卫星真彩色影像中褐潮水体与非褐潮水体之间的水色差异,综合判读褐潮,最后以2014年5月秦皇岛海域的卫星遥感数据为实验数据进行实例研究。结果表明,当Chl a≥2.5 mg/m3和15℃≤SST≤25℃时为海水水色异常阈值,并且褐潮水体在HJ-1号卫星真彩色影像中呈明显的黄绿色,该综合判别法用于微微藻褐潮监测是可行的,这为进一步开展微微藻褐潮业务化监测奠定了基础。     

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。     

半封闭海湾Chl a浓度遥感反演模型比较性研究——以胶州湾为例

叶绿素是我国近海水质监测的主要参数之一,其浓度的遥感反演是监测水体光学特性、评价水体污染的重要指标。本研究以Landsat-8/OLI、FY-3A/MERSI和HJ-1B/CCD遥感影像为数据源,结合2016年实测的Chl a浓度和水体光谱特征,建立胶州湾Chl a浓度的半经验/半分析反演模型。研究表明:基于Landsat-8建立的反演模型,整体Pearson相关系数最高,最优模型的预测值与实测值的决定系数R2>0.86,反演效果最好,能较好的适应于胶州湾Chl a浓度的反演研究。Landsat 8最佳波段组合为:2月份Band4/Band2,R2=0.83;5月份[（Band3）-1-（Band4）-1]* Band5,R2=0.80;8月份[（Band2）-1-（Band3）-1]* Band4,R2=0.78;11月份[（Band4）-1-（Band2）-1]* Band1,R2=0.86。     

基于GF1_WFV的千岛湖水体叶绿素a浓度时空变化

基于高分一号（GF-1）遥感影像以及水体实测样点数据,运用波段对数组合,以千岛湖为研究对象,构建和择优了叶绿素a浓度反演模型,对2013~2019年千岛湖区域水体叶绿素a浓度值进行了估算,并利用变异系数、Mann-Kendall显著性检验模型、Theil-Sen趋势分析模型对其时空变化特征进行了分析.研究表明,基于波段对数组合的反演模型可用于千岛湖清洁水体叶绿素a浓度值的反演（R²=0.8976）;年际变化分析发现,在研究期限内,千岛湖水体叶绿素a浓度平均值维持在较低水平,近94%的水体像元叶绿素a浓度小于3.65μg/L,水质较佳;时空动态分析进一步发现,千岛湖水体叶绿素a浓度值大都经历了较为微小的波动变化,其中,有超过67%的水体像元浓度值呈现出微小的增长趋势,在分布上也呈现出一定的空间格局形态.     

基于GF1_WFV的千岛湖水体叶绿素a浓度时空变化

基于高分一号（GF-1）遥感影像以及水体实测样点数据,运用波段对数组合,以千岛湖为研究对象,构建和择优了叶绿素a浓度反演模型,对2013~2019年千岛湖区域水体叶绿素a浓度值进行了估算,并利用变异系数、Mann-Kendall显著性检验模型、Theil-Sen趋势分析模型对其时空变化特征进行了分析.研究表明,基于波段对数组合的反演模型可用于千岛湖清洁水体叶绿素a浓度值的反演（R²=0.8976）;年际变化分析发现,在研究期限内,千岛湖水体叶绿素a浓度平均值维持在较低水平,近94%的水体像元叶绿素a浓度小于3.65μg/L,水质较佳;时空动态分析进一步发现,千岛湖水体叶绿素a浓度值大都经历了较为微小的波动变化,其中,有超过67%的水体像元浓度值呈现出微小的增长趋势,在分布上也呈现出一定的空间格局形态.     

太湖水域叶绿素a浓度的遥感反演研究

利用太湖水域MODIS遥感数据的各波段反射率组合计算值,与实测的叶绿素a浓度进行相关性分析,找到相关性最好的反射率组合,建立反演太湖叶绿素a浓度的遥感模型.结果表明,利用MODIS数据可以较好地实现对太湖水域叶绿素a浓度的定量反演计算,并以MODIS数据第3、第17波段的反射率组合作为遥感指数建立了反演叶绿素a浓度的模型.第3、第17波段的波长范围分别为459nm～479nm、890nm～920nm,这一波段选择与以往使用TM数据得到的结论有所不同.     

基于HJ-1A卫星超光谱数据的太湖叶绿素a浓度及悬浮物浓度反演

通过对2010年5月2日太湖HJ-1A卫星超光谱影像的几何纠正和6S模型辐射校正,以及水体实测光谱数据和影像光谱数据分析,将太湖28个水体采样点光谱数据分别进行归一化处理和一阶微分处理后,选取和水质参数相关系数最大的波段或波段组合建立反演模型,获得太湖叶绿素a浓度以及悬浮物浓度的空间分布图.研究表明,超光谱影像B73波...     

渤海表层沉积物中多环芳烃的分布与生态风险评价

利用第2次全国海洋污染基线调查数据，研究渤海表层沉积物中多环芳烃(PAHs)的空间分布特征和输入来源．结果表明，按渤海海区划分，PAHs含量由高至低依次为秦皇岛沿岸、辽东湾、莱州湾、辽东半岛近岸、外海海区和渤海湾近岸．对照有关的沉积物质量标志水平，秦皇岛沿岸和辽东湾(尤其是锦州湾)表层沉积物中PAHs具有较高生态风险．就PAHs组成而言，锦州湾近岸沉积物中低环比例较高，其它海区4～5环占优．荧蒽／芘和芘／苯并(a)芘两个比值参数显示锦州湾近岸沉积物的PAHs主要源于石油工业，秦皇岛近岸和莱州湾部分站点主要来自燃油产物，而其它海区的大部分站点则属于燃煤型来源．燃烧生成的PAHs易吸附于细微颗粒物上，其迁移和沉降可能是外海海区PAHs含量高于渤海湾近岸的一个原因．     

渤、黄海叶绿素a浓度垂向分布特征分析与量化研究

叶绿素a（chlorophyll a, Chl a）是浮游植物的重要组成部分,其浓度垂向分布对海洋初级生产力估算、水下辐射传输过程等研究具有重要意义。本文基于渤、黄海现场实测数据集,研究了渤、黄海区域Chl a浓度垂向分布的变化特征,并构建了Chl a浓度垂向分布量化模型。结果表明,渤、黄海Chl a浓度垂向分布类型可分为均一型和高斯型,春、冬季均一型分布占主导,夏季高斯型分布占主导。针对Chl a浓度垂向分布类型,本文提出了基于海表面温度、表层Chl a浓度的分类方法,该方法能够有效区分渤、黄海Chl a浓度的垂向分布类型,分类整体精度达82%。构建的针对高斯型的Chl a浓度垂向分布量化表达模型表现出良好的精度,对于90%以上样本,模拟拟合剖面与现场测量剖面具有很好的一致性,决定系数R2在0.80以上,相应的拟合平均绝对百分比误差在30%以内;同时,本文建立了基于海洋环境要素（表层Chl a浓度和深度）的高斯模型参数的估算方法。     

基于Sentinel-2的平寨水库叶绿素a浓度反演

为实现对平寨水库叶绿素a的遥感监测,选取平寨水库2017年11月17—18日的实测叶绿素a浓度数据和准同步的Sentinel-2数据,通过选取最佳波段组合建立BP神经网络模型,对平寨水库叶绿素a进行反演,并分析其空间分布特征。结果表明:Sentinel-2红边波段对叶绿素a的敏感性优于可见光波段,在叶绿素a浓度反演方面具有较大潜力。相关系数最大的波段组合方式是:B5/B4、[1/B4-1/B5]*B6、[1/B4-1/B5]*B7和[1/B4-1/B5]*B8;BP神经网络模型可决系数R2为0.9160,平均相对误差为29.87%,反演精度优于三波段模型;平寨水库叶绿素a浓度空间分布差异明显,水面开阔的中心库区浓度较高,各支流上游河段浓度较低。Sentinel-2数据可较好地应用于喀斯特高原湖泊叶绿素a浓度反演,BP神经网络模型估测结果合理、可靠;研究结果可为平寨水库水环境治理提供科学依据。     

钦州湾表层水分粒级Chl a分布特征及其影响因素

于2014年1月（冬季）和10月（秋季）对钦州湾海域进行了综合调查,分析了该海区分粒级Chl a的分布特征及其影响因素。结果表明,冬季Chl a平均浓度为2.38μg/L,秋季Chl a浓度显著升高,平均浓度为6.96μg/L。浮游植物粒级结构具有明显的季节变化特征,冬季浮游植物粒级组成以微型浮游植物为主,平均占Chl a总量的73.0%,小型和微微型浮游植物所占的比例分别为14.9%和12.1%;秋季,小型、微型和微微型浮游植物对Chl a总量的贡献率分别为42.3%、44.7%和12.9%。浮游植物平均粒级指数秋季（23.55μm）显著大于冬季（11.23μm）。从空间分布上看,在高营养盐含量区域大粒径的浮游植物占有优势,而其他靠近外海一侧的站位则以微型浮游植物为主。温度、营养盐和悬浮物是影响钦州湾海域浮游植物粒级Chl a分布和组成的重要环境因子。     

秦皇岛海洋站海浪特征分析

本文基于秦皇岛海洋站2015年3月至2020年11月海浪观测数据,对春、夏、秋季的海浪特征进行分析。结果表明,不同月份和年份海浪的波型大致相同,仅有两种波型,以风浪（F）为主,出现的比例为90%以上;混合浪-涌浪为主（U/F）出现次数较少。海况为1～6级,以2、3级为主,4级为辅,1级次之,5、6级偶有发生。出现6级海况的月份分别为7月、8月;春季（3－5月）以3级海况为主、秋季（9－11月）以2～3级海况为主,呈明显的季节性。秦皇岛海洋站出现6级海况的年份为2017年、2018年,这两年出现6级海况是受温带气旋的影响。波高和周期没有明显的相关关系,秦皇岛沿岸大浪过程主要受冷空气、温带气旋、冷空气和温带气旋结合的影响,其中10月、11月波高增加主要与冷空气有关。     

基于现场光谱的黄河口湿地芦苇生物量估算模型研究

本文利用2014年春季黄河口湿地芦苇的现场光谱和生物量数据,以植被指数、光谱一阶导数及其导出量为特征参数,运用多种单变量回归模型,构建了基于现场光谱的芦苇生物量估算模型。结果表明:(1)总体上,特征参数与生物量的相关性由大到小排序为:植被指数 光谱一阶导数 光谱一阶导数导出量;(2)春季芦苇光谱在715~755 nm波段范围处的一阶导数与生物量显著相关。当构成植被指数的红光波段在722~751 nm范围内,近红外波段为765 nm或768 nm时,植被指数与生物量相关性最好;(3)S型模型和三次模型较其他单变量的估算模型结果好,所有估算模型中,修改型土壤调节植被指数MSAVI(modified soil adjusted vegetation index)的S型模型的估算结果最好,R2、MRE和RMSE分别为0.817、11.80%和0.085 kg/m2,且估算值总体上与实测值相当。