首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到15条相似文献,搜索用时 93 毫秒
1.
通过遥感方法反演自然水体中泥沙浓度时,大量藻类的存在影响泥沙的反演精度,如何消除这种影响是提高水体中泥沙反演精度的关键.文章通过对一定叶绿素a浓度下不同浓度泥沙的光谱曲线研究,分析光谱曲线特征位置的漂移和数值变化,寻找去除叶绿素a影响的光谱范围和特征位置,通过相关性分析,建立多个模型,并从中选取最佳模型.  相似文献   

2.
利用2016—2020年Sentinel 2多光谱遥感影像和同步实测叶绿素a浓度数据,提出了一种基于特征选择和机器学习的叶绿素a遥感反演方法,并应用于阳澄湖。结果表明,特征选择方法在反演模型的自变量选取上具有较好的应用效果,基于此建立的随机森林模型在阳澄湖叶绿素a反演上具有较优的验证精度;2016—2020年阳澄湖叶绿素a浓度总体呈上升趋势,2018年浓度有所降低;阳澄东湖叶绿素a浓度相对较低,叶绿素a浓度高值区集中分布于阳澄西湖中部和北部,入湖河道带来的营养盐可能是引起该区域叶绿素a浓度升高的主要原因。  相似文献   

3.
水体叶绿素a含量是二类水体水色遥感反演的主要参数之一。通过分析烟台近海水体实测反射光谱曲线,选取了特征波段及波段组合,建立了研究区叶绿素a含量遥感反演模型。通过对比不同反演模型可知:三波段模型是烟台近海水体叶绿素a遥感反演的最优模型,决定系数为0?6608,均方根误差(RMSE)为0?59μg/L;其次是归一化荧光高度模型和反射峰面积模型,决定系数分别为0?6213和0?5589,RMSE分别为0?62μg/L和0?67μg/L。  相似文献   

4.
水质遥感技术在湖泊水质监测领域内的应用具有十分积极的意义。在总结现有水质遥感反演方法的基础上,选取了遥感指数法和神经网络法两种理论完全不同的反演方法,构建太湖叶绿素a与MODIS影像波段间的函数关系,并从反演能力和反演精度两个角度对上述方法进行了比较研究。结果表明,神经网络模型的非线性特征能够敏感地把握住叶绿素a浓度变化在反射波谱信息上的微小响应,较为成功地反演出叶绿素a与反射光谱信息间的非线性关系。神经网络模型的反演能力和反演精度均优于遥感指数方法,具有较好的应用前景。  相似文献   

5.
基于2013-2021年渤海遥感反射率和叶绿素a浓度等实测数据,开展了该海域MODIS影像的叶绿素a浓度遥感反演模型研究。选择OC3经典模型形式,采用渤海的实测数据进行拟合分析,获取了适用于渤海的模型局地化参数,通过真实性检验得到叶绿素a浓度的遥感反演结果与实测值的决定系数为0.84,平均相对误差为24.77%,均方根误差为5.56 μg/L,反演精度较佳。利用该算法反演获取了渤海2002-2021年叶绿素a的月度、季度和年度平均浓度,分析了其时空变化特征,同时结合2001-2021年渤海非优良水质比例开展了环境响应分析。分析结果显示:2001-2021年,渤海非优良水质比例与同时期叶绿素a浓度变化趋势基本一致,呈现先变差后变好的倒V形趋势;5年平均的非优良水质比例与叶绿素a浓度变化趋势更直观地反映了2001-2021年渤海整体的水环境变化趋势,与非优良水质比例相比,叶绿素a浓度对渤海水环境的改善响应更快。  相似文献   

6.
利用遥感数据处理软件SNAP中基于神经网络技术的C2RCC算法,对2019年5月9日南黄海“哨兵3号”卫星OLCI影像数据进行了叶绿素a及总悬浮物浓度反演,将其与5月间江苏省海洋环境监测预报中心的海水表层叶绿素a和悬浮物实测数据进行了比较分析。结果表明,叶绿素a的遥感反演尚未能达到业务化应用,总悬浮物遥感反演结果的空间分布与实测值的一致性相对较好。但在星地同日或相差一天监测的南通海域,遥感反演叶绿素a浓度的空间分布趋势以及总悬浮物遥感反演结果与海面实测结果的一致性较好,可达到一定的业务化应用效果。  相似文献   

7.
基于环境一号卫星CCD数据的巢湖叶绿素a的动态监测   总被引:3,自引:1,他引:2  
环境一号卫星CCD数据具有获取周期短、空间分辨率高等特点,能够及时准确地监测叶绿素a的浓度变化和分布,其在内陆湖泊水质遥感监测方面具有良好的应用前景。文章通过星地同步地面实验,建立起巢湖水体的叶绿素a浓度遥感反演模型,利用2009年4月至2010年3月的环境一号卫星CCD数据,分季节对巢湖叶绿素a行动态监测和分析。结果表明,巢湖叶绿素a具有明显的时空分布特征,夏季叶绿素a浓度最高,冬季最低,秋季高于春季;西半湖湖区叶绿素a浓度一般高于东半湖湖区,西北部和中部湖区空间变化比较大,东部湖区变化较小。  相似文献   

8.
叶绿素a浓度是反映湖泊富营养化状态的一个重要参数。以MODIS L1B数据为基础,结合叶绿素a浓度实测数据,基于经验分析法实现了西藏典型湖泊叶绿素a浓度反演研究,并探索了西藏典型湖泊2019年春、夏、秋季叶绿素a浓度的时空变化特征。首先,利用叶绿素a浓度实测数据和MODIS L1B影像不同波段的反射率值进行组合试验,选择最佳波段组合建立模型;其次,分别选用2015年、2017年叶绿素a浓度实测值和反演值对模型进行对比验证;最后,利用叶绿素a浓度反演模型对西藏典型湖泊2019年春、夏、秋季叶绿素a浓度的时空变化特征进行分析。结果表明:在空间尺度上,西藏典型湖泊叶绿素a浓度整体上呈现出周围高、中部低的分布特征,且湖岸水体叶绿素a浓度变化较大;在季节尺度上,不同湖泊叶绿素a浓度的季节变化存在较大差异,格仁错和色林错的季节变化幅度较大,纳木错、塔若错和羊卓雍错的季节变化幅度较小。  相似文献   

9.
生物监测中叶绿素a浓度与藻类密度的关联性研究   总被引:7,自引:0,他引:7  
通过测定叶绿素a浓度、藻类密度和藻类分类计数等,获取"水华"水体生物监测数据。统计分析结果表明,叶绿素a浓度和藻类密度在蓝藻"水华"(微囊藻为优势种)暴发期间存在显著相关,并拟合出了回归直线。且叶绿素a浓度和藻类密度的自然对数比值也与藻类发生和兴衰存在着规律性联系。  相似文献   

10.
利用实测光谱数据及水体叶绿素浓度数据建立了基于MODIS数据的叶绿素反演模型,并利用MODIS L1B数据对研究区的叶绿素浓度进行了反演。通过分析烟台近海水体叶绿素浓度分布得出,烟台近海水体叶绿素浓度由沿岸向海延伸,叶绿素的浓度逐渐增加;通过不同月份的叶绿素浓度分布状况发现,夏季水体叶绿素浓度含量最高,冬季最低。  相似文献   

11.
地表水环境遥感监测关键技术与系统   总被引:1,自引:0,他引:1  
介绍了地表水环境遥感监测的关键技术与系统及其典型应用,其代表性机理模型和应用示范成果主要来自于中国科学院遥感与数字地球研究所的高光谱遥感团队在最近几年中取得的一些研究进展,主要包括建立了基于改进双峰法的水体分布自动化遥感提取方法,实现了简单、高效和高精度的水体提取;提出了大型湖泊长时序水量估算方法,并以青藏高原湖区为例,重建了典型湖泊面积、水位和水量序列;发展了基于“软分类”的典型内陆水体叶绿素a浓度反演方法,构建了基于生物光学模型的高度浑浊水体悬浮物浓度遥感反演半解析方法,提高了反演方法的区域和季节适用性;构建了基于水色指数的大范围湖库营养状态和透明度遥感监测方法,实现了全球大型湖库营养状态遥感监测,以及全国大型湖库透明度遥感监测;在此基础上,开发了地表水环境遥感监测系统,提高了水环境遥感监测效率,促进了卫星遥感在水环境监测中的高精度业务化应用。  相似文献   

12.
遥感技术由于具有快速、宏观、低成本和周期性的优点,便于探测水质的时空变化,已成为水质参数监测的重要手段。目前能够直接进行遥感反演的水质参数主要是悬浮物浓度、叶绿素a浓度、可溶解性有机物等光学活性物质,并已经建立了许多反演模型。但是这些模型直接用于水质的遥感监测仍存在一些问题。今后,利用3S技术将地面观测和遥感观测结合起来,可望推动水色遥感的实际应用。  相似文献   

13.
This paper presents an application of water quality mapping through real-time satellite and ground data. The Lake Beysehir which is the largest freshwater lake and drinking water reservoir in Turkey was selected as the study area. Terra ASTER satellite image is used as remote sensing data source for water quality mapping in addition to simultaneously performed in-situ measurements. Ground data is collected simultaneously with the ASTER overpass on June 09, 2005 over the Lake Beysehir. The spatial distribution map is developed by using multiple regression (MR) technique for water quality parameter, which is chlorophyll-a (chl-a). The results indicate that simultaneous ground and satellite remote sensing data are highly correlated (R (2) > 0.86). In the image processing step, geometric correction, image filtering and development of water quality map procedures are performed with the ERDAS Imagine and ArcGIS 9.0 software. The trophic status of Lake Beysehir is considered to be oligotrophic with an average 1.55 microg/l chl-a concentration.  相似文献   

14.
综合遥感与地面观测的巢湖水体富营养化评价   总被引:1,自引:0,他引:1  
提出一种将地面观测数据空间插值与遥感反演结合的湖泊富营养化评价方法与业务化运行模式。对叶绿素a等可反演参数利用遥感影像反演,并利用实测值校正获得高精度反演结果;对总磷等不易反演参数采用空间插值获取全湖区数据,采用综合营养指数法对巢湖富营养化状态进行反演,获得2015年5月12日巢湖富营养化状态空间分布情况。结果表明,巢湖全湖为轻度和中度富营养化状态,呈现出西半湖高于东半湖的总体空间分布趋势。结合相关数据对巢湖富营养化成因进行推断,认为南淝河等上游河流各类营养物质输入量较大是造成西半湖北部富营养化严重的主要成因;西南部杭埠河等河流氮磷输入量较大,但其他营养物质输入较少,使得该区域总体呈现出富营养化程度偏低的现象。  相似文献   

15.
Degradation of water quality is a major problem worldwide and often leads to serious environmental impacts and concerns about public health. In this study, the water quality monitoring and assessment of the Koumoundourou Lake, a brackish urban shallow lake located in the northeastern part of Elefsis Bay (Greece), were evaluated. A number of water quality parameters (pH, temperature, dissolved oxygen concentration, electrical conductivity, turbidity, nutrients, and chlorophyll-a concentration) were analyzed in water samples collected bimonthly over a 1-year period from five stations throughout the lake. Moreover, biological quality elements were analysed seasonally over the 1-year period (benthic fauna). Statistical analysis was performed in order to evaluate the water quality of the lake and distinguish sources of variation measured in the samples. Furthermore, the chemical and trophic status of the lake was evaluated according to the most widely applicable classification schemes. Satellite images of Landsat 5 Thematic Mapper were used in order for algorithms to be developed and calculate the concentration of chlorophyll-a (Chl-a). The trophic status of the lake was characterized as oligotrophic based on phosphorus and as mesotrophic–eutrophic based on Chl-a concentrations. The results of the remote sensing application indicated a relatively high coefficient of determination (R 2) among point sampling results and the remotely sensed data, which implies that the selected algorithm is reliable and could be used for the monitoring of Chl-a concentration in the particular water body when no field data are available.  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号