基于多源同步数据的闽江下游悬浮物定量遥感

利用2006-09-18的同步Landsat TM数据、水面实测光谱数据和现场水样数据,研究了闽江下游的悬浮物,在这3种同步数据的基础上建立了分别基于实测光谱与影像光谱的悬浮物遥感预测模型.结果表明,实测光谱数据在690nm波长处,归一化光谱反射率与悬浮物浓度达到最大正相关,由690nm和530nm二处的反射率构成的比值预测模型与实测悬浮物浓度的拟合精度最高,最佳拟合模型可表达为SS=116.2(R690/R530)-33.4.TM影像各波段中以(TM2 TM3)2波段组合与实测悬浮物浓度的相关性最佳.由其所建立的影像光谱预测模型与实测悬浮物浓度的拟合精度最高.最佳拟合模型可表达为SS=3793.7(RTM3 RTM2)2-16.5.模型的精度评价表明,实测光谱模型的预测能力要强于影像光谱模型.但二者差异不大.在缺乏地面实测光谱数据时.基于影像光谱的遥感定量模型仍不失为一种预测悬浮物浓度的有效方法,其对闽江下游悬浮物浓度的反演结果能较准确地反映出该区域悬浮物浓度分布的空间差异,具有较高的实用性.     

利用高光谱反演模型评估太湖水体叶绿素a浓度分布

叶绿素a浓度是评价水体富营养化和初级生产力的一个重要参数,高光谱遥感是获取叶绿素a浓度的有效手段.为建立太湖水域叶绿素a的最佳高光谱估算模型,选取2015年5—7月共计60组同步实测高光谱数据和叶绿素a浓度数据,在地面光谱反射率和叶绿素a浓度相关性分析的基础上,使用2∶1的数据样本进行太湖水域叶绿素a的最佳高光谱估算模型的建立和验证,筛选模型分别为波段比值、三波段、荧光峰位置、峰谷距离、一阶微分、NDCI(Normalized Difference Chlorophyll Index)、峰面积、荧光峰高度、WCI(Water Chlorophyll-a Index)和四波段模型.结果表明,建模得到的四波段模型决定系数最高,峰面积模型的决定系数相对最低;四波段模型的反演精度最高,均方根误差(RMSE)为0.00376 mg·L~(-1),平均绝对误差(MAPE)为27.86%,而WCI模型的反演精度相对最低,RMSE为0.01231 mg·L~(-1),MAPE为45.11%.将反演精度最高的四波段模型应用于2015年8月3日的两景HSI(Hyperspectral Imaging Radiometer)高光谱影像数据,也得到较高精度,利用同步实测叶绿素a浓度验证的决定系数为0.7643,RMSE为0.00433 mg·L~(-1),MAPE为45.62%.在春、夏季叶绿素对水体光学特性占主导作用且叶绿素分布均匀的情景下,本研究可为太湖水域叶绿素a的高光谱反演和水环境监测提供有价值的参考,其它季节水体光谱特点的研究尚待进一步开展.     

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.     

查干湖富营养化状况高光谱遥感评价研究

通过分析查干湖水体水质参数与其高光谱反射特征之间的响应关系,采用单波段与波段比值等算法分别建立了湖水水质的高光谱定量反演模型;同时结合修正营养状态指数(TSIM)模型,针对水质参数的实验室数据和高光谱模型模拟数据,对查干湖富营养化程度进行了监测和评价,并进行了验证.结果表明:1)利用高光谱监测模型对湖泊富营养化状况进行监测和评价,能够获取较为准确的评价结果;2)单项指数评价法由于只针对一个指标进行评价,不适合用来进行水体富营养化评价,采用修正营养状态指数TSIM(AVE)方法,可以对查干湖水体富营养化程度进行正确的评价.评价结果显示,查干湖水体处于富营养化状态,需要采取措施防止进一步恶化.     

基于MERIS影像的洪泽湖叶绿素a浓度时空变化规律分析

叶绿素a(Chl-a)浓度是衡量藻类生物量及评价水体营养状态的重要指标.基于洪泽湖2016年7月、2016年12月共49个实测水质参数与同步光谱数据,验证了5种可应用于MERIS/OLCI数据的Chl-a遥感估算模型(包括波段比值模型、三波段模型、FLH模型、MCI模型以及UMOC模型)在洪泽湖水域的适用性.结果表明,UMOC模型是最适用于洪泽湖水域的Chl-a浓度估算模型,其平均相对误差为32.30%,低于波段比值模型的75.17%,三波段模型的62.44%,FLH模型的45.87%和MCI模型的56.95%.进而利用UMOC模型,结合MERIS数据,获取了洪泽湖2002~2012年Chl-a浓度遥感估算产品,并分析了洪泽湖Chl-a浓度的时空变化规律.洪泽湖Chl-a浓度具有明显的时空差异性.依据水体像元长时间序列月平均Chl-a浓度的差异,将洪泽湖水体分为了区域A、区域B和区域C这3种类型.区域B和区域C水体无明显的变化趋势,区域A则显著增加.与气象因子的相关性分析表明,区域B和区域C年平均Chl-a的波动主要受年降水量的影响,反映了该2个区域Chl-a浓度的变化主要受湖流强度的控制,区域A年平均Chl-a浓度的变化与年平均风速呈显著负相关性,风速下降的气候大背景可能会加重这一区域的富营养化程度,威胁南水北调的水质安全.此外,在汛期(7~9月)洪泽湖水体Chl-a浓度与离淮河入湖口的距离呈显著的正相关关系,证明了这一时期淮河对洪泽湖藻类浓度具有明显的抑制作用.     

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。     

基于导数光谱的混浊河口水体叶绿素浓度反演

基于2004年5月和2006年8月于珠江口现场实测的遥感反射率光谱及叶绿素浓度数据,采用导数光谱技术,对高光谱在河口浑浊水体的叶绿素反演的应用进行了研究。结果表明,二阶导数光谱的特征波段较原始光谱、一阶导数光谱对浑浊水体的叶绿素含量更为敏感;当水体浊度变化范围为10～130 NTU,光谱分辨率为10 nm、中心波长为620 nm、670 nm及680 nm的二阶导数光谱与叶绿素浓度(1～50μg/L)呈显著相关(线性相关系数分别为0.75、0.85及0.7);基于670 nm处二阶导数光谱的简单线性模型对叶绿素浓度有较好的反演精度。该结果可为光学复杂水体的叶绿素高光谱遥感估算提供新的方法。     

基于实测数据和卫星数据的黄东海透明度估测模型研究

海水透明度是描述水体光学特征的一个重要参数,也是海洋水质调查中的一个重要指标。利用2个航次的黄东海透明度数据和MODIS遥感反射率数据,进行了黄东海透明度的遥感反演研究,建立了透明度单波段模型、波段比值模型、三波段模型以及基于固有光学特性的半分析模型。结果表明,三波段模型具有较高精度,反演值与实测值之间的平均相对误差为19%、决定系数为0.719、均方根误差为1.47m。黄东海透明度估测模型的建立,有利于利用遥感影像对黄东海透明度进行全面估测,对于监测黄东海水质状况具有重要意义。     

探讨遥感反演模型技术在水质参数监测中的具体应用

叶绿素a(Chl-a)是江河湖泊水体水质状况评价的重要指标之一。本文以妫水河为研究区,利用实Chla浓度数据和同步的环境一号卫星(HJ-1A)多光谱数据对妫水河水体Chl-a浓度的遥感反演模型进行研究,结论对于提高遥感反演的精度,并为妫水河的水质遥感监测提供技术和方法参考。     

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.     

内陆水体叶绿素反演模型普适性及其影响因素研究

利用具有较大时空差异性的水体组分和光学特性数据集对现有叶绿素半分析(三波段和四波段模型)和生物光学反演模型进行检验,研究叶绿素反演模型的普适性及其影响因素.结果表明,叶绿素生物光学分析反演模型具有较高的普适性,总体反演精度可以接受,但反演精度受叶绿素比吸收系数时空差异影响较大;三波段和四波段叶绿素反演模型反演精度较高,但是由于水体组分组成及其生物光学特性差异使得反演因子最佳波段位置和反演模型参数存在较大的变异性,大大降低了三波段和四波段叶绿素反演模型的普适性,其中后向散射系数光谱曲线形状和叶绿素比吸收系数是三波段和四波段模型普适性的主导影响因素.     

基于Sentinel-2 MSI影像的河湖系统水体悬浮物空间分异遥感监测:以安徽省升金湖与连接长江段为例

开展河湖系统悬浮物监测对掌握水体泥沙运移规律、制定水环境治理措施具有重要意义.以安徽省升金湖与连接长江段水体为研究区,根据实测光谱模拟Sentinel-2 MSI影像波段反射率,结合同步水体悬浮物实测数据建立反演模型;而后根据2017～2019年28景MSI影像水体悬浮物反演结果,分析河湖系统水体悬浮物浓度的变化规律,并探究水位变化对其空间分异的影响.结果表明:①根据MSI影像第六波段与第三波段的比值建立的二次多项式模型具有较高的反演精度(R~2=0.863,RMSE=22.211 mg·L~(-1)),适用于高浊度水体悬浮物反演;②在空间上,升金湖入湖口附近、上中湖区西北部和下湖悬浮物浓度相对较高,除夏季外升金湖悬浮物浓度均高于其连接长江段;在时间上,升金湖悬浮物浓度在夏季相对较低,在其他季节较高,而与其连接的长江水体呈现相反的年内变化规律;③闸控影响下河湖连通性改变造成的水位变化,是影响升金湖-长江悬浮物空间分异的关键因素.在平水期与枯水期,升金湖对长江悬浮物浓度变化具有一定的贡献度,而在丰水期,升金湖与长江悬浮物浓度变化之间的相关性不明显.     

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.     

基于水面反射率光谱分类的太湖藻蓝蛋白浓度反演

藻蓝蛋白是蓝藻的标志性色素,利用遥感反演藻蓝蛋白浓度的时空分布对于蓝藻水华监测和预警具有重要意义.太湖水体光学特性时空差异较大,传统的藻蓝蛋白遥感反演方法在太湖各湖区各季节的适用性有限.因此,本文采用先分类再反演的策略,基于水面反射率光谱分类进行太湖藻蓝蛋白浓度反演建模.首先采用逐步迭代的K均值聚类方法实现光谱分类;然后分别利用每一类的训练样本光谱数据建立最适用于该类的藻蓝蛋白反演模型;最后利用每一类的检验样本光谱数据进行反演模型精度评价.为了对比,同时采用不分类的传统方法进行反演建模和精度评价.检验结果表明:基于不分类的传统建模方法得到的均方根误差RMSE=14.14μg·L-1,平均相对误差σ=59.1%,反演结果和实测数据可决系数为0.46;基于光谱分类的建模方法得到RMSE=8.47μg·L-1,σ=31.3%,反演结果和实测数据可决系数为0.87.因此,基于光谱分类的藻类蛋白反演方法有效地提高了反演精度,可以为其它水体的藻蓝蛋白浓度反演提供借鉴.     

查干湖叶绿素a浓度高光谱定量模型研究

叶绿素a含量能够在一定程度上反映水质状况,利用高光谱遥感可获得叶绿素a的诊断性光谱特性,较好解决了常规遥感中出现的问题.利用野外高光谱仪在查干湖进行了反射光谱测量和同步水质采样分析,通过分析水体叶绿素a浓度与其高光谱反射特征之间的相关关系,尝试采用多种半经验算法建立叶绿素a高光谱定量模型.结果表明:单波段光谱反射率与叶绿素a浓度的相关系数较小,不宜用于估算叶绿素a浓度,反射率比值法和一阶微分法与叶绿素a线性相关程度都比较高,决定系数分别为0.71和0.48,而且其显著水平p<0.01,皆可以用于叶绿素a的定量遥感,但反射率比值算法模拟效果好于一阶微分算法.这为今后利用星载高光谱传感器在查干湖进行叶绿素a浓度大面积遥感反演提供了研究基础.     

GF-5高光谱遥感影像的土壤有机质含量反演估算研究

本文基于高光谱遥感影像对土壤有机质含量进行反演估算,以哈尔滨与兴安盟交界处的平原地表土壤为试验对象.首先,基于辐射和几何校正等预处理的高分五号（GF-5）高光谱遥感影像,依据五点采样法采集影像覆盖范围的地表土壤样本共100组,在实验室内进行理化分析等一系列处理获取样本土壤有机质含量数据.然后,运用偏最小二乘法建立高光谱影像土壤沙化指数、土壤退化指数、归一化亮度指数和土壤盐分指数反演土壤有机质含量的估算模型.比较基于原始反射率数据、一节微分反射率数据和4种土壤指数构建的反演模型的预测精度,通过65%的建模样本和35%的预测样本验证表明,反演模型中基于土壤指数建立的反演模型的预测验证精度最高,预测集验证中ρ为0.816,RMSE为1.7287.并将该反演模型运用到高光谱影像的土壤有机质含量的反演估算,实际测量的SOM与影像反演SOM含量变化趋势一致,相关性达到80.023%以上,验证了模型的反演估算精度.     

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QAA算法的巢湖悬浮物浓度反演研究

QAA(quasi-analytical algorithm)算法基于辐射传输原理,估算水体后向散射系数,是目前较为成熟的半分析模型方法.2009年6月对巢湖水体进行野外实测,在获得遥感反射率、吸收衰减系数、悬浮物浓度(cTSM)等数据的基础上,构建了巢湖水体cTSM的近红外双波段反演模型,并将QAA算法计算得到的后向散射概率作为输入,以期提高cTSM的反演精度.结果表明,①对巢湖水体而言,807 nm和834 nm是构建近红外双波段模型的最佳波段,807 nm处的单位散射系数为0.411 m2.g-1,834 nm处的单位散射系数为0.395 m2.g-1;②利用QAA算法计算得到的巢湖水体的后向散射概率为0.029,将该值输入反演模型后,cTSM的反演精度与输入其他经验值相比得到明显提高,反演值与实测值的均方根误差RMSE和平均相对误差绝对值MAPE分别达到12.143 mg.L-1和24.378%;③在cTSM较高的站点(近似高于30 mg.L-1),利用近红外双波段模型反演的悬浮物浓度结果更为稳定和可靠.     

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.