基于生物光学模型的晋江悬浮物遥感估算

为了建立以生物光学模型为基础的河流悬浮物遥感估算方法,以福建晋江为例,对福建晋江下游河段的光学特性和悬浮物浓度进行了测定,探讨了水面下反射率R(O-)与悬浮物浓度之间的响应关系.结果表明,绿光波长的反射率与悬浮物浓度的相关性最强,因此,用R(O-)TM2与悬浮物浓度建立了遥感估算模型,并将其应用于2008年2月28日的Landsat TM影像,反演出晋江的悬浮物浓度分布.精度分析说明,平均相对误差RE为11.93%,该模型可以有效地应用于Landsat TM反演悬浮物浓度.     

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.     

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.     

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.     

基于实测光谱与MODIS数据的太湖悬浮物定量估测

以太湖为研究区域,对太湖水体的水面反射光谱进行实地测试,并取样在实验室进行水质分析;根据光谱分析得到的悬浮物特征波段,估测悬浮物浓度;最后,对比MODIS波段,用最敏感波段及主成分分析法建立悬浮物估测模型.结果表明,576nm附近的反射率峰值、841nm处反射率一阶微分值和808nm附近的反射峰高与悬浮物浓度都有较好的相关性,其中峰高法和一阶微分法对悬浮物浓度的估测精度相当;MODIS波段1与悬浮物浓度相关性最好,经过主成分变化后的第一主成分和第二主成分可以较好地估测悬浮物浓度.因此,可利用MODIS数据对太湖悬浮物进行长期动态监测.     

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。     

多光谱数据定量反演土壤营养元素含量可行性分析

运用室内光谱模拟多光谱数据,采用回归分析方法建立土壤营养元素含量预测模型,并进行验证.首先,根据光谱响应函数将实验室光谱数据重采样至多光谱传感器（TM和 ASTER）波段;然后,分别利用多元逐步回归（SMLR）和偏最小二乘回归（PLSR）方法,建立建模土壤样本实测光谱以及模拟光谱（TM和ASTER）与土壤营养元素含量间的经验模型;最后,利用检验土壤样本进行模型精度验证.与实测光谱模型相比,模拟光谱模型对土壤营养元素含量的预测精度受光谱分辨率的影响并不大.模拟光谱模型对N、P、K元素含量预测精度最高分别为0.89、0.79和 0.67.土壤N、P、K元素含量SMLR模型的入选波段分别位于2 000～2 300　nm、1 650～1 800　nm和600～800　nm波长附近范围内; 土壤N、P、K元素含量PLSR模型的系数表明,近红外（NIR）波段对总氮和总磷元素含量比可见光（VIS）波段敏感,而VIS对K元素含量预测的贡献更大.利用多光谱数据进行土壤营养元素含量的估测具有理论上的可行性;由于不同元素对不同光谱波段的响应不同,在选择多光谱遥感数据时要充分考虑传感器的波段特征.     

近20年闽江福州段水域悬浮物时空变化的遥感分析

利用同步的遥感影像光谱信息和实测水质数据建立了闽江福州段的悬浮物遥感模型,结合多时相卫星遥感影像,分析了闽江福州段水域在1986～2006年间悬浮物的时空变化规律及其变化原因.研究结果表明.利用悬浮物定量遥感模型可以快速有效地揭示研究水域长期的水质变化规律.总体而言,闽江福州段的悬浮物浓度在这20年间稳中有降,悬浮物浓度不变和浓度下降的水域面积比例分别占到35.59%和45.79%.而高悬浮物浓度的水域面积所占比例则从8.52%下降至0.13%,整体水质趋于好转;但仍有局部水域的悬浮物浓度在此期间呈现上升的趋势,水质有所恶化,这主要是受到周边地区土地利用变化及污水直接排放的影响.     

基于Landsat-8的城市湖泊水体总悬浮物吸收系数的遥感反演——以杭州西湖为例

近年来城市湖泊水质受到广泛关注.总悬浮物(total suspended matter,TSM)是水质和水环境评价的重要参数之一,其直接决定着水下光场分布,进而影响水体的初级生产力.本研究基于在杭州西湖的各湖区收集的遥感反射率(R_(rs),sr~(-1))数据和总悬浮物的吸收系数(a_p(440),m~(-1))进行高光谱建模,比较不同经验函数形式和不同模型输入的效果,得到高光谱下的最佳函数是指数函数,最佳模型输入是B1/B2或(B1-B2)/(B1+B2).其中,当模型输入为B1/B2和(B1-B2)/(B1+B2)时,模型R~20.6,波段B1和B2范围分别是580～690 nm和515～535 nm,及700～720 nm和515～615 nm.参照最佳波段范围和Landsat-8的波段设置,选定Landsat-8红色和绿色波段反演模型.并根据卫星数据验证结果,选定最优模型a_p(440)=51.17e~(-7.75x),x=(OLI3-OLI4)/(OLI3+OLI4),在3幅Landsat-8图像上应用模型,观察西湖TSM的变化.研究结果发现人类活动可能对西湖的TSM有很大的影响,并且我们的研究和结果有望为未来城市湖泊水质管理提供方法、数据和指导.     

基于光谱分析的生物结皮提取研究——以毛乌素沙地为例

利用典型地物高光谱数据和TM遥感影像,对毛乌素沙地处于旺盛生长期(7-9 月)的由苔藓结皮主导的生物结皮进行了提取研究.结果表明:① 苔藓结皮在生长期具有与绿色植物相似的光谱曲线变化趋势;红边参数显示,二者除红边位置非常接近外,红边振幅、红边宽度和红边面积差异均较大;在近红外区域,苔藓结皮比绿色植物的反射率低很多;苔藓结皮无明显的553 nm反射峰;低盖度苔藓结皮(33%)、藻类结皮和植被枯落物在整个波段光谱曲线比较接近,与裸沙相比,三者反射率均较低.② 基于TM影像,用生物结皮指数(BSCI)、归一化植被指数(NDVI)、监督分类和坡度分级相结合的方法提取生物结皮,发现苔藓结皮的像元面积为0.72×10⁴ km²,占研究区总面积的6.43%.     

用TM影像进行湖泊水色反演研究的人工神经网络模型

利用人工神经网络技术进行了湖泊水色遥感的反演研究,在同步实验的基础上了构造了包含一个隐含层的BP神经网络模型,利用TM卫星影像反演悬浮物、COD_Mn、溶解氧、总磷、总氮和叶绿素浓度反演精度较高,相对误差基本在25%以下,同时分析了该人工神经网络反演模型的误差来源,改进措施以及应用前景.研究表明,在进行小规模的同步监测的基础上,此模型可用于湖泊水质调查、分析和评价.     

基于半分析模型的太湖春季水体漫衰减系数Kd(490)估算及其遥感反演

漫衰减系数是水体重要的光学参数,是水生态系统的重要影响因素.利用2009年4月和2010年5月太湖实测数据,基于光学闭合原理,首先求解出490 nm处水体总的吸收系数[a(490)]和后向散射系数[bb(490)],进而研究了其与模拟的环境一号卫星多光谱数据不同波段遥感反射率之间的关系,在此基础上构建了太湖春季水体Kd(490)反演的半分析模型并将其应用到环境一号卫星影像上进行了太湖春季水体Kd(490)的遥感反演.结果表明,①基于光学闭合原理,可以较为准确地求解出a(490)和bb(490),a(490)实测值与求解值的平均相对误差为17.1%,bb(490)与模拟的环境一号卫星第四波段的遥感反射率具有很好的指数关系;②本研究所构建的模型具有较好的精度和稳定性,利用与卫星影像准同步的地面采样点对模型进行验证,得出模型反演的平均相对误差为21.6%,均方根误差为1.68 m-1;③太湖春季水体Kd(490)具有较强的空间差异性,太湖北部和东太湖大部分区域为Kd(490)的低值区,太湖西部和南部为Kd(490)的高值区,而太湖中部大部分区域介于两者之间.     

基于Landsat8影像估算新安江水库光合有效辐射漫射衰减系数

光合有效辐射(photosynthetically active radiation,PAR)是指可以被植物利用并进行光合作用的那部分太阳辐射,其进入湖水后受光学组分(悬浮颗粒、有色可溶性有机物和浮游植物)的吸收和散射作用发生衰减,对湖泊生物的密度和分布具有重要影响.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PAR漫衰减系数的遥感估算模型,进而分析其时空分布特征及主要影响因素.结果表明,利用Landsat 8的第二、三和第八波段构建的多元回归模型能够得到较为准确的估算结果,模型决定系数为0.87.利用独立样本对构建的模型验证,预测值和实测值相对误差绝对值均值为9.16%,均方根误差为0.06 m~(-1),由此可见利用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PAR漫射衰减系数.基于14景Landsat 8影像发现,新安江水库PAR漫射衰减系数季节差异性明显,秋季(9~11月)和夏季(6~8月)PAR漫射衰减系数较高,分别为(0.82±0.60)m~(-1)和(0.77±0.41)m~(-1),而冬季(12~次年2月)和春季(3~5月)PAR漫射衰减系数相对较低,分别为(0.56±0.50)m~(-1)和(0.40±0.45)m~(-1).新安江水库PAR漫射衰减系数空间差异性显著,全湖PAR漫射衰减系数变化范围为(0.002~13.86)m~(-1),均值为(0.64±0.49)m~(-1).漫射衰减系数的季节变化主要是由季节性降雨和浮游植物季节性生长引起,空间差异性主要由外源河流输入和部分水域采砂过程导致悬浮物浓度变化引起.     

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.     

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.