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。     

广州流溪河水库叶绿素a遥感反演研究

叶绿素a是衡量水体初级生产力和富营养化程度的一项重要指标。本研究在讨论分析反演水体叶绿素a浓度的半分析生物光学模型理论基础上,利用Landsat TM数据及中巴资源卫星02星CCD相机高分辨率数据,结合实测数据建立广州流溪河水库叶绿素a浓度的波段比值型反演模型。该模型对两个不同监测日期的叶绿素a浓度反演效果较好,拟合系数(R2)分别达到0.860和0.715,均方根误差分别为0.102μg/L和0.198μg/L。反演结果表明,流溪河水库叶绿素a浓度整体较低,均在2.0μg/L以下,空间分布在湖库区较均匀,入库支流玉溪河水域叶绿素a浓度略高于湖库区。     

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.     

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.     

基于HJ-1影像和环境变量的叶绿素a浓度反演——以深圳海域为例

叶绿素a的浓度能够表征海域富营养化状况,是反映海洋环境状态的一个重要指标。本研究以深圳海域为研究区,基于环境一号卫星遥感影像和实测叶绿素a浓度数据,将陆源入海排污口的核密度、距港口航道的距离和距海水增养殖区的距离作为环境变量,在Matlab平台中分别构建了基于环境一号卫星四个波段反射率为输入参数的误差逆向传播神经网络模型,及在此基础上引入了环境变量的误差逆向传播神经网络模型,以检验环境变量的引入能否提高叶绿素a浓度的反演精度,并对其输入参数进行敏感性分析。结果表明:（1）环境变量的引入能较大地提高误差逆向传播神经网络模型的反演精度,且引入环境变量的误差逆向传播神经网络模型的训练均方误差和验证均方误差分别为4.71 μg/L和3.50 μg/L,均优于原始误差逆向传播模型的10.98 μg/L和12.61 μg/L;（2）引入环境变量的误差逆向传播模型的框架如下:输入层为7个变量,分别为蓝光波段反射率、绿光波段反射率、红光波段反射率和近红外波段反射率、陆源入海排污口的核密度、距港口航道的距离和距海水增养殖区的距离;隐含层节点数为5个;输出层为叶绿素a的浓度;（3）叶绿素a的浓度对陆源入海排污口的核密度的变化最敏感,其次分别是近红外波段反射率、红光波段反射率、距港口航道距离、蓝光波段反射率、绿光波段反射率和距海水增养殖区的距离。     

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.     

太湖、巢湖水体总悬浮物浓度半分析反演模型构建及其适用性评价

总悬浮物浓度是水体重要的水质参数.本研究利用太湖春季、秋季和巢湖夏季多期野外实测数据,通过对生物光学模型进行合理的简化构建适用于太湖、巢湖水体总悬浮物浓度反演的半分析模型,并将该模型应用于MERIS和环境一号卫星高光谱卫星影像上以验证该方法的适用性.结果表明:①针对太湖和巢湖水体,总悬浮物浓度最优反演波段范围为730～832nm(氧气吸收带除外);②针对MERIS数据,波段10(中心波长754 nm)和波段12(中心波长779 nm)均适用于太湖总悬浮物浓度反演,而波段11(中心波长761 nm)由于氧气吸收带的影响不适用于总悬浮物浓度反演;③针对太湖MERIS数据,模型反演结果的相对误差基本上呈现出随距离卫星过境时间增大而逐渐增加的趋势,在卫星过境时间正负3 h内测量的样点,模型反演结果的相对误差均在50%以内,而时间差超过3 h,相对误差则逐渐增大到50%以上;④环境一号卫星高光谱数据17个波段(B83～B99)均能够对巢湖总悬浮物浓度进行较好的反演,其反演效果要好于MERIS数据在太湖的反演结果.     

利用Hyperion高光谱数据的三波段法反演太湖叶绿素a浓度

以2004-08-19太湖野外试验所获取的水质数据(叶绿素a浓度7.8~154.3μg.L-1,总悬浮物浓度65.0~190.2 mg.L-1,N=38)和同步的Hyperion星载高光谱数据为研究对象,利用三波段算法反演太湖水体的叶绿素a浓度.通过分析太湖固有光学量的特点,提出适用于太湖的3个特征波段的选择依据,并对波段进行优化计算,在此基础上建立了三波段统计模型,最后对模型的反演精度进行分析与评价.结果表明,Hyperion的B34(691.37 nm)、B37(721.90 nm)和B50(854.18 nm)组成三波段模型变量与叶绿素a浓度具有最高的相关系数(r=0.934),模型的决定系数(R2)和均方根误差(RMSE)分别为0.872和13.93μg.L-1,其反演精度优于传统经验统计模型,如比值模型(R2=0.844,RMSE=15.41μg.L-1)和一阶微分模型(R2=0.831,RMSE=16.00μg.L-1).研究结果证实了三波段法适用于内陆富营养化浑浊水体和Hyperion高光谱数据,为今后更精确地反演内陆水体的叶绿素a浓度提供了参考依据.     

基于环境一号卫星CCD数据的洞庭湖夏季富营养状态评价

利用环境一号卫星数据,系统地分析洞庭湖富营养状态的年际时空变化特征.通过星地同步地面实验,建立起洞庭湖水体的叶绿素a浓度遥感反演模型、富营养状态评价模型.利用2009到2013年8月的多期环境一号卫星CCD数据,对洞庭湖富营养状态进行动态监测和分析.结果表明:1洞庭湖区主要以中营养为主.2009到2013年富营养化水体占全湖的面积分别为48.57%、63.84%、51.10%、35.27%、52.10%.2010年富营养化水体占全湖面积比最大,其次是2013年.2洞庭湖富营养水体主要集中在大小西湖、东洞庭湖西部及内湖地区.2009年到2013年大通湖和南湖这两个典型内湖重度富营养水体占全湖的面积比都在逐年下降,水质有好转的趋势.     

基于中巴地球资源1号卫星的太湖表层水体水质遥感

利用CBERS 1的CCD数据和准同步地面监测数据,结合水体组分的光谱特征,建立了太湖表层水体叶绿素a和总氮的遥感信息模型.将模型用于2000 09 16太湖表层水体,所得结果较客观地反映了叶绿素a和总氮的分布趋势,表明利用CBERS 1的CCD数据进行湖泊表层水体水质指标监测具有重要的现实意义和应用前景.由于地面监测站位有限,模型在浅水草型湖泊———东太湖的适用性受到一定限制,说明同步性好、覆盖广的地面监测对于水质遥感信息模型的准确性和适用性至关重要.     

基于环境一号卫星多光谱影像数据的三湖一库富营养化状态评价

环境一号卫星是我国2008年自主发射的环境与灾害监测小卫星,其2d的时间分辨率使其成为环境变化监测的重要数据源.根据实测的太湖、巢湖、滇池和三峡水库的水面光谱信息以及水质参数,构建基于环境一号卫星多光谱数据的富营养化评价模型,对太湖、巢湖、滇池和三峡水库2009年水体营养状况进行了评价分析.研究结果表明:利用环境一号卫...     

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.     

基于环境一号卫星的大洋河河口海域营养盐遥感反演

综合利用大洋河河口海域水体调查的实测数据及环境一号CCD影像数据,进行了该区域营养盐反演研究.结果表明,对数函数拟合NO2--N与Rrs(Band2)效果最佳,而线性函数拟合NH4+-N与Rrs(Band2)、NO3--N与Rrs(Band1)、TIN与Rrs(Band1)效果最佳,相关性R2分别可达0.939、0.935、0.945、0.970,未发现较佳的PO43--P反演模型;营养盐在可见光波段并非光敏感性物质,其与等效遥感反射率存在相关性的主要原因在于河口海域陆源输入物质典型的扩散特征,使得营养盐与某些水色参数存在较高的相关性,NO2--N、NH4+-N、NO3--N以及TIN与有色溶解性有机物吸收系数ag(400)的相关性R2分别可达0.836、0.808、0.786、0.854,这决定了在河口海域进行营养盐遥感反演的可行性;从卫星产品专题图可看出,大洋河河口海域NO2--N、NH4+-N、NO3--N以及TIN都存在一个明显的高值区,该高值区营养盐浓度由河口向外逐渐降低,直至外海最低.     

环境一号卫星CCD相机应用于陆地气溶胶的监测

环境一号卫星CCD相机应用在陆地气溶胶的监测中,因缺少短波红外通道,使地表反射的去除变得异常困难.应用改进的暗目标法,利用辐射传输方程(6S)构建查找表,对CCD相机数据进行图像重采样和辐射定标处理,进而对查找表进行插值,获得气溶胶光学厚度(AOD)分布.通过AERONET地基数据的验证及与MODIS气溶胶产品的对比表明,环境一号卫星CCD相机对陆地气溶胶的监测结果在AOD较大(>0.2)时,精度与MODIS相近;在AOD较小(<0.2)时,结果欠理想.     

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...     

基于非负矩阵分解和支持向量机的墨西哥湾溢油HJ-1星遥感图像分类

为提高国产自主卫星在海洋溢油监测中的精度,提出一种基于非负矩阵分解和支持向量机的环境减灾星(HJ-1)海洋溢油遥感图像分类算法。针对HJ-1星遥感图像,首先利用非负矩阵分解算法进行图像特征提取,相对图像光谱和纹理等图像基本特征,构造具有针对性的溢油图像局部化非负特征,更符合遥感图像特征所对应的物理意义。进而在新特征的基础上,采用支持向量机实现遥感图像分类,解决小样本训练问题。通过墨西哥湾溢油遥感图像仿真实验比较,证明该方法在HJ-1星溢油图像分类中的有效性。