基于OLCI数据的福建近海悬浮物浓度遥感反演

悬浮物（TSM）是评估水质的重要指标,也是水色遥感反演的核心参数之一.海陆色度仪（OLCI）是新一代海洋水色传感器,具有良好的光谱及时空分辨率.为有效监测福建近海悬浮物浓度的时空变化,本文结合OLCI遥感数据和现场实测悬浮物浓度数据,使用CatBoost、随机森林和多元回归方法,分别构建悬浮物浓度反演模型,最后使用验证集对比分析不同模型的反演精度.结果表明,CatBoost模型估算精度最高,均方根误差（RMSE）为2.76 mg·L^-1,平均绝对百分比误差（MAPE）为23.67%,决定系数R²为0.89.使用CatBoost模型对2017—2018年多时相OLCI影像进行TSM浓度遥感反演,结果发现,福建近海TSM浓度变化显著,但总体呈现近岸高于远岸、北部高于南部、江河入海口和港湾处高于周围其他海域、春季高于夏季的时空分布特征.本研究可为福建近海的悬浮物浓度监测提供一种有效的方法,也进一步证明了OLCI影像良好的水色反演能力,可作为水质监测的有效遥感数据源.     

京津冀及周边地区PM_(2.5)时空变化特征遥感监测分析

为分析京津冀及周边地区的PM2.5时空变化特征,先利用MODIS数据反演1km分辨率的AOT产品,采用地理加权回归模型实现京津冀及周边地区2016~2017年逐日PM2.5浓度的遥感反演,并在此基础上对多种时间尺度PM2.5浓度合成结果进行验证分析,最后从不同时间尺度对2016年和2017年PM2.5时空变化特征进行了对比分析.结果表明本研究反演的日均、月均和年均这3种时间尺度的PM2.5浓度结果总体上效果较为理想,时间尺度越大,遥感估算的PM2.5效果越好,年均PM2.5结果相对精度达80%以上,并且2016年和2017年同一时间尺度的PM2.5遥感结果精度较为接近.京津冀及周边地区PM2.5分布总体均呈现“冬季秋季?春季夏季”和“南高北低”的季节变化和空间分布趋势.与2016年相比,2017年京津冀及周边地区PM2.5浓度平均下降约9.2%,且高值区范围明显减小,PM2.5浓度高值一般发生在11月和12月,而低值则一般发生在8月.2017年与2016年PM2.5浓度时空变化与2017年的大气污染综合治理攻坚行动巡查和空气质量专项督查活动密切相关,这也能间接说明大气污染减排的成效.     

基于GEE的中国南海水质反演与富营养化评价

基于Google Earth Engine(GEE)平台,以MODIS遥感影像为数据源,通过构建多元特征建立水质反演模型,分析了2006～2018年的南海透明度(SD)、总氮(TN)、叶绿素(Chl-a)、化学需氧量(COD)的空间变化特征,并通过综合营养指数分析了南海富营养化的时空趋势.结果表明:GEE结合多元回归模...     

基于地理加权模型的我国冬季PM2.5遥感估算方法研究

为了分析冬季我国区域范围内近地面PM_(2.5)质量浓度时空分布特征,根据卫星遥感反演PM_(2.5)质量浓度的基本原理,综合考虑我国不同地区的PM_(2.5)污染特征的空间差异性,基于卫星遥感、气象模式资料及同期地面观测的PM_(2.5)质量浓度数据采用地理加权模型进行回归分析,研究构建了我国区域范围内近地面PM_(2.5)遥感反演模型.结果表明:在冬季暗像元反演AOD算法受限制的情况下,深蓝算法产品可以一定程度上弥补暗像元算法的不足,将二者有效融合能同时提高AOD产品的精度和空间覆盖度;利用地理加权回归模型进行全国区域PM_(2.5)遥感估算,既能体现全国PM_(2.5)时空分布的全局变化特性,又能从局部体现全国PM_(2.5)组分、污染程度及垂直分布结构特征的空间差异特性,基于地理加权回归模型的PM_(2.5)遥感反演结果(R2=0.7)明显优于多元线性回归模型(R2=0.56);2013年12月—2014年2月份全国PM_(2.5)空间分布呈现明显的区域特征,PM_(2.5)浓度较高的地方主要分布在华北南部、长三角中部和北部、华中东部及四川东部等地,西部和北部地区PM_(2.5)污染相对较轻;从时间变化来看,全国冬季12月份PM_(2.5)污染最重,1月份次之,2月份相对最低.这可为全国PM_(2.5)区域联防联控提供有力的信息支撑.     

京津冀及周边地区PM2.5时空变化特征遥感监测分析

为分析京津冀及周边地区的PM_(2.5)时空变化特征,先利用MODIS数据反演1 km分辨率的AOT产品,采用地理加权回归模型实现京津冀及周边地区2016~2017年逐日PM_(2.5)浓度的遥感反演,并在此基础上对多种时间尺度PM_(2.5)浓度合成结果进行验证分析,最后从不同时间尺度对2016年和2017年PM_(2.5)时空变化特征进行了对比分析.结果表明本研究反演的日均、月均和年均这3种时间尺度的PM_(2.5)浓度结果总体上效果较为理想,时间尺度越大,遥感估算的PM_(2.5)效果越好,年均PM_(2.5)结果相对精度达80%以上,并且2016年和2017年同一时间尺度的PM_(2.5)遥感结果精度较为接近.京津冀及周边地区PM_(2.5)分布总体均呈现"冬季秋季≈春季夏季"和"南高北低"的季节变化和空间分布趋势.与2016年相比,2017年京津冀及周边地区PM_(2.5)浓度平均下降约9.2%,且高值区范围明显减小,PM_(2.5)浓度高值一般发生在11月和12月,而低值则一般发生在8月.2017年与2016年PM_(2.5)浓度时空变化与2017年的大气污染综合治理攻坚行动巡查和空气质量专项督查活动密切相关,这也能间接说明大气污染减排的成效.     

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.     

京津冀对流层甲醛的时空演变特征及其影响因素

依据2009—2016年OMI卫星反演的逐日数据,结合遥感图像处理技术和克里金插值法,对京津冀地区对流层甲醛柱浓度的时空特征及影响因素进行了分析.结果发现,2009—2016年8年间京津冀地区甲醛柱浓度年际变化总体呈上升趋势,年均增长率为1.01%,最大增长率出现于2009—2010年,为12.91%.8年间,甲醛柱浓度值具有波动性,最低值和最高值分别出现于2009年和2013年.研究区甲醛柱浓度季节变化表现为夏季值秋季值冬季值春季值,甲醛柱浓度月均值在每年的6月达到最高.甲醛柱浓度空间分布的低值区大多处于地势较高的京津冀地区西北部,高值区主要分布在京津冀地区南部平原.甲醛柱浓度变化不仅与自然因素的温度呈显著正相关,与气压呈显著负相关,还与社会经济因素中的煤炭消耗量、原油消耗量及工业增加值等呈正相关.京津冀地区甲醛柱浓度时空特征总体受当地自然和社会经济因素的综合影响.     

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.