"哨兵-3"卫星OLCI影像MPH算法反演太湖叶绿素a及藻草区分的研究

利用"哨兵-3"卫星OLCI影像数据,基于其619,665,681,709,753和885 nm中心波长对应的6个波段构建的最大特征峰高度(MPH)算法,采用SNAP 7. 0遥感专业软件,计算了典型日期太湖MPH算法得到的叶绿素a浓度、浮藻区、藻水混悬区、水草区的分布。结果表明:(1) MPH算法能够精确地识别太湖水草和蓝藻;(2) MPH算法能够提取稠密铺集水表层的"浮藻区",并区分出藻密度较小、水华现象轻微～轻度、蓝藻主要浸没在水面以下的"藻水混悬区"。与MODIS、VIIRS等常用的蓝藻水华遥感传感器相比,OLCI展现了更出色、更精细化的水生态遥感监测能力,可提高蓝藻水华预警预报水平。     

基于Landsat-8数据和劈窗算法的地表温度反演及城市热岛效应研究

陆地表面温度(Land Surface Temperature,LST)是地表能量平衡组分中的一个重要参数。随着卫星遥感技术的快速发展,遥感反演成为获取区域LST的一个重要手段。目前已有学者提出多种基于遥感数据反演LST的算法,其中劈窗算法被证明是一种精度较高的算法。基于Landsat-8卫星30 m空间分辨率的陆地成像仪(OLI)数据和100 m分辨率的热红外传感器(TIRS)数据,采用劈窗算法计算了无锡地区的LST,并采用地面实测水温数据和同步的MODIS温度产品对Landsat-8的计算结果进行了验证和对比分析。结果表明:基于Landsat-8数据和劈窗算法获取的LST精度较高,误差1K。在计算的LST结果基础上,进一步提取了热场变异指数来分析城市热岛空间分布特征,给出了城市热岛效应的定量化描述,并就不同地表覆盖类型对热岛效应的影响进行了分析。     

重金属镉胁迫下氮磷对江蓠体内主要抗氧化酶活性的影响

以大型海藻细基江篱繁枝变种(Gracilaria tunuistipitata Var Liui)为实验材料,研究重金属Cd2+胁迫下,无机氮磷作用对藻体各类抗氧化酶类活性的影响,为进一步探索重金属和营养盐复合污染下江蓠对水体的修复能力奠定一定的理论基础.实验结果显示:适当浓度N、P(560 μmol/L、56 μmol/L)的添加能提高藻体内各主要抗氧化酶的活性,降低Cd2+对藻体的毒害作用.不加入N、P或加入过量的N、P(2 160 μmol/L、216 μmol/L)均会抑制藻体内各主要抗氧化酶的活性.从总体上看,同时加入N、P要比加入单一的营养盐更有利于提高藻体内各主要抗氧化酶的活性,增强藻体的抗氧化能力.     

太湖梅梁湾水源水中微囊藻毒素浓度的变化

对太湖梅梁湾水源水中的总藻毒素TMC[(TMC-LR) (TMC-RR)]和胞外藻毒素EMC[(EMC-LR) (EMC-RR)]进行了跟踪检测.结果表明,水体中TMC-RR、TMC-LR、EMC-RR、EMC-LR质量浓度平均分别为1.819 μg/L、1.090 μg/L、0.491 μg/L和0.077 μg/L,无锡市的主要水源地水质已受到微囊藻毒素的污染.提出,应加强水源地水体中微囊藻毒素浓度的监测,确保饮用水的安全.     

基于Landsat 8卫星OLI影像遥感反演盐城市区域大气能见度状况

利用遥感软件ENVI 5.2的FLAASH大气校正模块,对盐城市2013—2014年共22景Landsat 8卫星OLI影像进行了区域大气能见度遥感反演,并与盐城市环境监测中心站的空气自动监测子站的PM10、PM2.5以及当地气象部门的能见度观测数据进行了对比。结果表明,OLI遥感影像可以对区域尺度大气能见度进行有效的观测,反演的区域性大气能见度水平与地面空气质量自动监测结果存在消长关系,与地面能见度数据有近70%的一致性。     

基于哨兵-3A卫星OLCI数据的最大叶绿素指数在太湖蓝藻水华监测中的应用

欧洲航天局于2016年2月16日成功发射哨兵-3A卫星,搭载的水色遥感仪器(OLCI)提供了很好的海洋和内陆水体生态指标观测反演能力。基于OLCI获取的太湖L1b级遥感数据产品,利用OLCI Oa10、Oa11、Oa12波段计算了重要的水色/水生态遥感指标,即最大叶绿素指数(MCI),在此基础上初步分析了MCI在太湖蓝藻水华监测预警中应用效果。研究表明:(1)哨兵-3A卫星OLCI影像质量清晰,构建的MCI能够反映太湖水体叶绿素信号强度;(2)与常用的归一化植被指数相比,在蓝藻没有明显积聚的藻-水混悬水域,MCI与叶绿素浓度有很好的关联,可更灵敏地反映叶绿素浓度的空间分布特征。MCI将在蓝藻监测上具有更好的适用性,可有效提高富营养湖泊蓝藻水华的预警预报精度。     

基于遥感影像的木兰溪水质参数反演

水质监测对水环境评价及污染预防至关重要，但地面监测成本高、监测面积有限等，难以满足实时、大范围监测的要求。为了更好地解决该问题，基于遥感影像的空中监测技术越来越得到研究人员的青睐。以木兰溪为研究区，利用和地面监测数据同步的Landsat-8卫星遥感影像数据，对木兰溪的典型水质参数总磷、总氮、溶解氧、高锰酸盐指数的反演问题进行研究。首先，根据Landsat-8的水体敏感波段，分别选取总磷、总氮、溶解氧、高锰酸盐指数的反演特征波段组合为(b1-b2)/(b2+b3),(b1-b2)/(b3-b4),b2/(b1+b4),b1/b2;其次，利用反演特征波段组合分别构建总磷、总氮、溶解氧、高锰酸盐指数浓度的SVR(Support Vector Regression)反演模型，通过IPSO算法对SVR模型的参数进行优选；然后，将IPSO-SVR反演模型和统计回归反演模型、广义回归神经网络(GRNN)反演模型在验证集上进行评估，以平均绝对误差和均方根误差作为评价指标进行对比分析，结果表明IPSO-SVR反演模型的平均绝对误差和均方根误差最小，说明IPSO-SVR反演模型具有较高的精度和较好的实用性...     

基于特征选择和机器学习的阳澄湖叶绿素a遥感反演研究

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...     

基于环境卫星CCD数据的黄海浒苔遥感监测

2007年以来,黄海海域每年夏季都发生大面积浒苔绿藻潮,影响沿岸人民的生活、生产。考虑到其分布范围动则几千、上万平方公里,水面监测很难实施,尝试利用遥感技术对其分布和发展变化情况进行监测。基于中国自主产权的环境卫星(HJ1)数据,采用经典植被指数算法和人工辅助判读方法,对2013年黄海浒苔暴发全过程进行了连续遥感监测,分析了此次浒苔过程的分布和漂移路线。监测结果表明,浒苔绿藻潮首发于江苏盐城东部海域,由南向北逐渐漂移,面积逐渐扩大,结束于青岛东北部海域;该期间,浒苔最大覆盖面积达663.54平方公里。     

基于遥感生态指数的江川区生态环境变化分析

利用2000年的Landsat TM影像和2016年的OLI影像,采用遥感生态指数(RSEI)法,反演表示生态环境的湿度、绿度、热度和干度4个指标,并对其作主成分变换得到RSEI影像,以此分析16年间江川区生态环境状况。结果表明,江川区的RSEI从2000年的0. 472上升到2016年的0. 544,总体生态环境得到改善; 16年间RSEI等级降低、不变、增加的面积分别为49. 762 km~2、364. 574 km~2、289. 087 km~2,分别占总面积的7. 07%、51. 83%、41. 10%。     

Landsat 8卫星OLI遥感影像在生态环境监测中的应用研究

利用美国2013年2月发射的Landsat 8卫星上运营性陆地成像仪OLI获取的太湖流域遥感影像数据,开展了其在大气能见度、蓝藻水华及建设用地等生态环境监测领域中的应用研究。研究表明,Landsat 8卫星向未来延续了Landsat系列的长时期对地观测能力,且观测性能有所优化,适合对区域能见度、湖泊蓝藻水华、生态系统格局等生态环境问题进行反演和分析,是生态环境监测的重要遥感信息源。     

Assessment of water quality based on Landsat 8 operational land imager associated with human activities in Korea

Water pollution such as green algae blooms and eutrophication in freshwater fatally influences both water quality and human society. Water quality issues in the 4 major rivers in Korea, including the Nakdong, have recently become a major concern. For this reason, it is essential to monitor water quality parameters (WQPs) that have a widespread characteristic to ensure maintenance of an effective water management system. The possibility of utilizing remote sensing technology for monitoring water quality on a regional scale has been recently investigated. The main objective of this study is to evaluate potential applications of the Landsat 8 Operational Land Imager (OLI) for estimating water quality in the Nakdong River, Korea. Correlations between Landsat 8 bands and in situ measurements are determined, and water quality models are established for estimating suspended solids (SS), total nitrogen (TN), chlorophyll-a (Chl-a), and total phosphorus (TP). The results demonstrate that WQPs correlated well with band reflectance values from Landsat 8. Band 5 was reasonably correlated with all WQPs, particularly with SS (R?=??0.74) and Chl-a (R?=??0.71). This study constructed multiple regression equations for WQPs based on correlation analysis through band combination and band ratio. The spatial distribution of WQPs in the Nakdong River on October 27, 2013 and May 16, 2014 indicate that the river was nearly eutrophic from human activities. Based on the results, the Landsat 8 OLI may be an appropriate data for estimating and monitoring water quality parameters on a regional scale. However, further validation is required to support the findings of this study.     

玛纳斯河流域荒漠草地沙化遥感监测研究

以1989—2016年玛纳斯河流域TM/OLI遥感影像为数据源,利用混合像元分解技术,计算玛纳斯河流域草地总覆盖度和裸沙面积。在此基础上通过监测年与基期年的比较,计算草地覆盖度相对基期年的减少率和裸沙面积相对基期年的增加率两个监测指标,依据《天然草地退化、沙化、盐渍化的分级指标》(GB 19377—2003),对计算出的两个指标分别进行沙化等级评定和赋值,将两种评定结果相综合来监测草地沙化。结果表明,玛纳斯河流域近30年来荒漠草地沙漠化总体呈现先增加后降低的趋势。分析表明,玛纳斯河流域草地沙化是人为和自然因素双重作用的结果。     

Estimation of Vegetation Coverage in Semi-arid Sandy Land Based on Multivariate Statistical Modeling Using Remote Sensing Data

The estimation of vegetation coverage is essential in the monitoring and management of arid and semi-arid sandy lands. But how to estimate vegetation coverage and monitor the environmental change at global and regional scales still remains to be further studied. Here, combined with field vegetation survey, multispectral remote sensing data were used to estimate coverage based on theoretical statistical modeling. First, the remote sensing data were processed and several groups of spectral variables were selected/proposed and calculated, and then statistically correlated to measured vegetation coverage. Both the single- and multiple-variable-based models were established and further analyzed. Among all single-variable-based models, that is based on Normalized Difference Vegetation Index showed the highest R (0.900) and R ² (0.810) as well as lowest standard estimate error (0.128024). Since the multiple-variable-based model using multiple stepwise regression analysis behaved much better, it was determined as the optimal model for local coverage estimation. Finally, the estimation was conducted based on the optimal model and the result was cross-validated. The coefficient of determination used for validation was 0.867 with a root-mean-squared error (RMSE) of 0.101. The large-scale estimation of vegetation coverage using statistical modeling based on remote sensing data can be helpful for the monitoring and controlling of desertification in arid and semi-arid regions. It could serve for regional ecological management which is of great significance.     

基于复合LSTM模型的PM2.5浓度预测

在对淄博市19个空气质量监测站点监测数据进行分析后，提出了一种基于机器学习的复合模型——灰色关联度分析(GRA)-改进的完备总体经验模态分解(ICEEMD)-长短期记忆网络(LSTM)模型。通过分析淄博市2019年大气污染物和气象数据，选用LSTM模型预测PM_2.5浓度。由于传统单一模块机器学习模型具有训练时间较长和预测精度较低的问题，提出了复合LSTM模型。该模型由3部分组成：GRA,用于PM_2.5浓度影响因素变量筛选；ICEEMD,用于PM_2.5分解、分量筛选和原始大气污染物及气象数据处理；LSTM,用于PM_2.5浓度预测。预测结果表明：淄博市中部丘陵地带PM_2.5浓度高于南部山区和北部平原，东部高于西部；淄博市逐月PM_2.5浓度呈“U”形分布，1月最高，8月最低；淄博市PM_2.5浓度受PM₁₀和CO影响较大，受湿度和温度影响较小。对比单一LSTM模型和GRA-LSTM模型，GRA-ICEEMD-LSTM模型...     

基于深度全连接网络Himawari-8卫星气溶胶反演研究

利用葵花8(Himawari-8,H8)16个波段数据、卫星、太阳角度数据和深度学习技术,提出一种基于深度全连接网络(Deep Neural Networks,DNN)模型的AOD遥感反演方法(Himawari-DNN)。该方法直接建立H8影像本身与AERONET站点AOD数据间的关系,可避免传统AOD遥感反演方法中复杂过程,得到精度较高的反演结果。通过有效数据对所构建的模型做精度测试,同时将反演结果和实测数据对比分析,结果表明,模型反演结果与研究区内所有站点的观测值均具有较高的一致性(R^2均>0.89)。可见,应用DNN对H8气象静止卫星开展AOD反演具有一定的可行性。     

基于神东中心区植被覆盖变化的多时相遥感监测

准确、快速地获取植被覆盖信息是矿区生态恢复和建设的关键与重点。以神东中心区为研究对象,利用2002、2005、2007、2010、2012年Landsat TM/ETM+和HJ1A-CCD1五景同期遥感数据,采用像元二分模型法,归一化植被指数(NDVI)值反演植被覆盖度,对研究区生态环境变化规律进行分析。结果表明,神东中心区平均植被覆盖度整体呈上升趋势,区内绝大部分地表覆盖程度得到改善,改善区面积达64.01%,退化区面积只有15.34%。该方法快速、定量地反映矿区植被覆盖及变化情况,为矿区生态环境动态监测和治理提供技术支持。     

考虑道路扬尘特性的环境空气质量在线监测方法

为判断环境空气污染的程度,提出一种考虑道路扬尘特性的环境空气质量在线监测方法。通过前端数据监测模块采集大气环境数据,基于光全散射法监测道路扬尘的质量浓度和密度;通过监测通信模块将监测结果传送至云服务器;云服务器利用基于极限学习机神经网络的预测模型,采用自适应粒子群优化算法,获取最佳的环境空气质量在线监测结果。结果表明,该方法学习速率的取值为0.5时,能够完成颗粒物浓度和密度的准确检测,且解释方差<2%,同时能够监测扬尘颗粒的扩散时间,确定适合活动的区域。     

Support Vector Machine Modeling Using Particle Swarm Optimization Approach for the Retrieval of Atmospheric Ammonia Concentrations

This study was performed in order to improve the estimation accuracy of atmospheric ammonia (NH₃) concentration levels in the Greater Houston area during extended sampling periods. The approach is based on selecting the appropriate penalty coefficient C and kernel parameter σ ². These parameters directly influence the regression accuracy of the support vector machine (SVM) model. In this paper, two artificial intelligence techniques, particle swarm optimization (PSO) and a genetic algorithm (GA), were used to optimize the SVM model parameters. Data regarding meteorological variables (e.g., ambient temperature and wind direction) and the NH₃ concentration levels were employed to develop our two models. The simulation results indicate that both PSO-SVM and GA-SVM methods are effective tools to model the NH₃ concentration levels and can yield good prediction performance based on statistical evaluation criteria. PSO-SVM provides higher retrieval accuracy and faster running speed than GA-SVM. In addition, we used the PSO-SVM technique to estimate 17 drop-off NH₃ concentration values. We obtained forecasting results with good fitting characteristics to a measured curve. This proved that PSO-SVM is an effective method for estimating unavailable NH₃ concentration data at 3, 4, 5, and 6 parts per billion (ppb), respectively. A 4-ppb NH₃ concentration had the optimum prediction performance of the simulation results. These results showed that the selection of the set-point values is a significant factor in compensating for the atmospheric NH₃ dropout data with the PSO-SVM method. This modeling approach will be useful in the continuous assessment of NH₃ sensor discrete data sources.