基于MODIS数据的乌梁素海水体遥感监测

近年来,内蒙古乌梁素海水体富营养化日益严重,致使藻类"黄苔"频繁暴发,对该湖泊的生态系统及湖泊周围地区饮用水安全造成了严重影响。利用遥感技术监测湖泊水体具有时效性强、监测范围广、成本低等优点。本文基于高时间分辨率MODIS数据,对乌梁素海水体进行了遥感监测。利用各个采样点的经纬度提取了各个采样点的反射率,建立了叶绿素浓度的对数反演模型、总氮浓度的多项式反演模型、总磷浓度的多项式反演模型,并将反演出的叶绿素、总氮、总磷值与实测值进行了相关性分析。结果表明,乌梁素海叶绿素、总氮、总磷值的反演值与实测值的相关系数均在0.6以上,说明所建立的反演模型可以较好的反演相应的水质参数。     

湖泊水质参数遥感监测研究进展

湖泊是水圈的重要组成,也是重要的淡水资源之一.湖泊的水环境日益遭到污染,监测湖泊水质动态变化对生态环境保护具有重要意义.遥感技术为湖泊水质监测提供技术支持,克服了人工采样成本低和时效性差的特点,在湖泊水质监测中得到了广泛的应用.通过遥感可以监测的指标包括悬浮物、叶绿素a、有色可溶有机物、溶解氧和透明度等.虽然遥感为湖泊水质监测打开新思路,但是仍然存在问题：(1)遥感接受到的信号受到大气的影响,而大气校正算法不够成熟,需要更精确的大气校正来控制大气影响,消除大气和光照等对水体反射的影响;(2)受季节和空间制约,不同湖泊表面光学特性存在差异以及水中生物光学特性的差异性,利用有限实测数据建立的模型缺乏可移植性;(3)水生植物和外力作用(风力、鱼群等)的干扰,造成实测和模型估测之间的误差,而且数据的同步性难以保证,导致模型可靠性下降;(4)实测数据和遥感数据的时空尺度不匹配,难以捕捉动态精细的水质变化.因此,未来结合多源数据以及其他水文模型,深入研究水体中各组分的光学特性,优化反演算法,发展对实测数据依赖程度低的反演算法,构建可迁移的反演模型,打破模型地域局限,推动湖泊水体污染监测预警业务化发...     

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。     

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.     

厦门海域水体悬浮物遥感反演算法研究

通过现场实测厦门海域水体遥感反射率及水体悬浮物浓度,分析了该海域水体的遥感反射光谱特征,选取了特征波段及组合建立了该海域水体悬浮物浓度反演模型。本文经过对比分析水体中呈悬浮态的总颗粒物质量浓度的不同反演方法,最后得出悬浮颗粒物在近红外波段的反射曲线的反射率高值和低值围成的区域面积可较好的反演研究区域的悬浮颗粒物浓度,其统计回归模型的决定系数是0.66,该反演算法的RMSE是10.25mg/L,相对误差是7.79mg/L。     

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.     

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.     

基于环境一号卫星的四十里湾透明度遥感反演

利用环境一号小卫星的CCD数据及同步地面观测数据,进行了烟台四十里湾海域透明度的遥感反演研究。结果表明,红蓝波段比值与实测透明度具有较高的相关性,并以此为基础建立了该区域水体透明度的遥感反演模型,反演值与实测值的平均相对误差为8.6%,均方根误差为0.1 m。据此模型绘制了四十里湾水体透明度分布图。研究发现,透明度具有近岸低、远岸高的特点,且从近岸向外海基本呈逐渐递减的趋势。     

利用CDOM吸收系数估算太湖水体表层DOC浓度

溶解有机碳(DOC)是水体中最大的有机碳库,在水体碳循环中起着重要作用.有色溶解有机物(CDOM)是DOC的重要组成部分,其吸光作用改变着水下光场结构,是水色遥感监测的重要因子之一,建立两者的联系为利用遥感技术估算湖泊水体表层DOC浓度提供有效的技术方法.基于2010年5月、2011年1月、2011年3月和2011年5月的太湖4期实验数据(183个采样点),利用CDOM特征波长吸收系数[ag(250)和ag(365)]建立多元线性模型估算太湖水体DOC浓度,同时利用2011年8月29日～9月2日的数据(n=27)对模型进行验证评价,并构建了湖泊水体DOC浓度的遥感反演模式.结果表明,该模型能够有效估算太湖水体的DOC浓度;2011年1月DOC和CDOM的源和汇有较大差异,估算效果较差;其他3期数据的模型估算效果显著(R2=0.64,RMSE=14.31%,n=164),并在201108期数据中得到了验证(R2=0.67,RMSE=10.58%,n=27).模型形式虽具有一定的通用性,但系数在不同的水域中有所差异,模型系数的区域化成为下一步研究的重点.     

基于Sentinel-3OLCI的查干湖水质参数定量反演

通过2020～2021年5次对查干湖实地采集87个水体样品,测定水质参数,并同步匹配经Acolite大气校正后的Sentinel-3OLCI(OLCI),结合412～885nm遥感反射率(Rrs)与支持向量机(SVM)算法、经验算法以及半分析算法构建查干湖悬浮物(TSM)、浊度(Turb)、透明度(SDD)以及叶绿素(Chl-a)高精度反演模型,通过模型精度的对比,遴选出SVM模型并据此模型反演查干湖2017—2021年上述4种水质变化,分析其对降雨和风速的动态响应.结果表明:(1)实测TSM与Turb之间呈现显著正相关(P<0.01),相关系数为0.93;两者与SDD均呈现显著负相关(P<0.01),相关系数分别为0.71, 0.73;(2)TSM、Turb、SDD、Chl-a反演模型决定系数分别为0.85,0.91,0.93,0.85;且误差分析RMSE值分别为8.75g/mL,10.95FNU,2.11cm,3.64μg/L;MAE值为5.99g/mL,6.86FNU,1.04cm,2.19μg/L;(3)查干湖水质参数年际分布特征呈动态下降趋势,于2020年TSM与...     

四十里湾透明度的遥感估测模型研究

以四十里湾为研究区,通过对2009年6月四十里湾海域实测高光谱数据的分析处理,得到一阶差分光谱和二阶差分光谱。分别对遥感反射率及其一阶、二阶差分光谱与实测透明度进行相关分析,发现后者的相关系数比前两者高出约11%,达到0.88。研究表明:用695 nm处的二阶差分光谱建立的透明度估测模型的决定系数、均方根误差和平均相对误差分别为0.79、0.1 m和7.9%,高于单波段模型和多波段模型。利用同年4月同一海域的数据作为独立样本进行检验,验证模型的均方根误差和平均相对误差分别为0.34 m、16%。本研究结果为近岸水体透明度高光谱遥感反演提供了一种新方法。     

北京大气PM2.5遥感监测业务化方法探讨

为探索卫星遥感监测大气ρ(PM_2.5)业务化方法,以北京为例,利用2013年MODIS卫星资料和北京35个地面自动监测站(下称自动站)的实时观测数据,以目前国内外应用最广泛的3种卫星反演大气气溶胶的方法——AOD(气溶胶光学厚度)、K_drya,0(气溶胶干消光系数)和R_a(气溶胶表观反照率)反演地面ρ(PM_2.5)的方法(分别称为AOD法、K_drya,0法和R_a法)为基础,结合地面ρ(PM_2.5)实测数据,建立了气溶胶反演参数与ρ(PM_2.5)统计关系,进一步测算了全市区域ρ(PM_2.5)的分布情况.结果表明:3种方法都具有较高的反演精度,其获取的全年ρ(PM_2.5)与地面实测数据的相关系数分别达到0.80、0.81和0.85,其中R_a法结果精度最高.从季节来看,R_a法在除夏季外的其他季节与地面监测数据相关系数都在0.70以上,优于其他2种方法.建议在春、秋、冬三季以R_a法,夏季以AOD法或K_drya,0法为基础进行北京PM_2.5业务化遥感监测.基于R_a法探讨了在2013年11月20—23日区域性大气重污染过程中北京PM_2.5区域分布特征和变化过程,卫星反演结果相对误差低于20%,直观地反映了区域大气颗粒物污染的时空分布规律.研究显示,三者都可以用来反演北京地区ρ(PM_2.5),其中R_a法最简便易行,尤其适用于业务化遥感监测.      

不同方法估算太湖叶绿素a浓度对比研究

基于2006-01-07～2006-01-09和2006-07-29～2006-08-01太湖地面实测高光谱数据以及同步水质参数数据,对比分析了三波段模型、两波段模型、反射峰位置法、一阶微分法4种方法用于估算太湖叶绿素a浓度的精度,并讨论其应用于遥感影像中估算叶绿素a浓度的可行性. 2次采样3类水色参数总悬浮物、叶绿素a浓度和有色可溶性有机物在440 nm处吸收系数的变化范围分别为12.24～285.20 mg·L^-1、 4.83～155.11 μg·L^-1和0.27～2.36 m^-1.前述4种方法在反演太湖水体的叶绿素a浓度时都取得较高的精度;决定系数分别为：0.813、 0.838、 0.872、 0.819,均方根误差分别为：13.04、 12.12、 13.41、 12.13 μg·L^-1;相对误差分别为：35.5%、 34.9%、 24.6%、 41.8%.反射峰位置法估算精度最高,但应用到叶绿素a浓度遥感影像估算比较困难.三波段模型和两波段模型的反演结果优于传统的一阶微分法,且在卫星遥感反演中具有良好的应用前景.根据模拟MERIS数据,分别得到最优三波段模型［R^-1(665)-R^-1(709)］×R(754)和两波段模型R(709)/R(681),其决定系数、均方根误差、相对误差分别为0.788、 13.87 μg·L^-1、 37.3%和0.815、 12.96 μg·L^-1、 34.8%,反映了MERIS数据能非常好地应用于太湖这类浑浊二类水体叶绿素a浓度的精确估算.     

基于数据同化的太湖叶绿素多模型协同反演

在国内外众多学者的不懈努力下,开发了大量的水质参数遥感估算反演模型,但不同的模型都具有其"局限性",只能从某个层面反映"真值".基于上述考虑,本研究发展了基于数据同化方法的太湖叶绿素a浓度多模型协同反演算法.利用2006~2009年太湖野外实测水体高光谱遥感反射率数据,构建了7个叶绿素a浓度反演模型;通过模型精度对比,最终遴选出6个适宜的叶绿素a浓度反演模型.进而使用不同模型组合,进行多模型协同反演.结果表明:1多模型协同反演算法的反演精度要高于单模型反演的反演精度,最优MAPE仅为22.4%;2随着参与多模型协同反演的模型个数的增加,其反演精度也逐渐提高,MAPE均值从25.6%降低到23.4%,RMSE均值从15.082μg·L-1降低到14.575μg·L-1,相关系数R均值从0.91提升到0.92;3通过对多模型协同反演产品的置信区间进行计算,可以有效地估算产品精度和误差,同时使得获取全湖反演叶绿素a浓度的误差空间分布情况成为可能.     

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HJ-1卫星的丹江口库区水质遥感监测研究

丹江口水库作为南水北调中线工程的水源地,其水质安全将直接影响到调水工程的成败。利用不同水质具有不同光谱特征的特点,采用遥感技术对水域水质进行大范围、准确、快速监测。根据丹江口库区2011年3月、7月、2013年3月、9月4景HJ1A/B卫星遥感影像,结合同步的地面实测水质数据,采用经验反演模型对丹江口水库叶绿素a浓度、水体悬浮物浓度和水体透明度进行了定量遥感反演研究。结果显示,由于2011年受到长江中下游区域重大旱情影响,汉江入库流量较小,造成丹江口水域面积减少;同年相比,水体叶绿素a浓度枯水期比丰水期高;2013年相比2011年水体叶绿素a浓度略有上升;丹库、汉库入库口的水体悬浮物浓度要高于其他区域,主要由于入库口的水流量较大,水体扰动较强。入库口区域较高的悬浮物浓度造成水体透明度要低于其他区域,丹库水域面积大,有利于悬浮物沉积,因此丹库水体透明度高于汉库。     

基于生物光学模型的巢湖悬浮物浓度反演

根据2009年6月巢湖32个样点实测的遥感反射率、悬浮物浓度、吸收系数及散射系数等数据,分析巢湖水体各组分的吸收、散射等固有光学特性,确定悬浮颗粒物单位散射系数、后向散射概率等固有光学参数,构建基于生物光学模型的悬浮物浓度反演模型,并利用准同步获取的环境1号卫星CCD影像数据反演巢湖悬浮物浓度.结果表明,555 nm处悬浮颗粒物单位散射系数的平均值为0.48 m2/g,以555 nm为参考波长,建立指数衰减模型对悬浮颗粒物单位散射系数进行参数化,模型的决定系数可以达到0.99;此外,在760～900 nm(Band4)范围内,后向散射概率不具有波长依赖,其值稳定在0.051.利用所得到的表观及固有光学量构建巢湖水体遥感反射率模型,反演巢湖悬浮物浓度,得到实测值与反演值之间的相对误差随着浓度的增加而呈现下降的趋势,平均相对误差为17.25%,由此表明该方法适用于反演悬浮物浓度较高的湖泊水体;利用两景环境1号卫星CCD影像数据反演得到的巢湖悬浮物浓度主要在0～100 mg/L之间变化,其中6月13日巢湖悬浮物浓度40 mg/L的水域占到总面积的54.37%,而6月15日巢湖61.62%的水域悬浮物浓度40 mg/L,且这2 d巢湖悬浮物的分布与当时的气候变化一致.     

支持向量机在太湖叶绿素a非线性反演中的应用

根据湖泊监测的特点,采用支持向量机(SVM)方法,反演太湖叶绿素a的浓度分布.将2005年8月太湖29个现场水质监测点数据分为训练测试样本集和验证样本集,利用训练测试样本集以及与其时间同步的MODIS遥感影像,分别构建了4种SVM模型.对比分析表明,直接以波段反射率以及水深信息构成输入向量的SVM模型预测效果最好.利用训练测试样本构建了线性回归模型、主成分分析模型(PCA)以及神经网络模型(ANN),并利用验证数据比较了上述3种模型与SVM模型的预测结果.结果表明ANN模型和SVM模型预测能力明显优于另外2种模型,其中SVM模型对低值和高值均有较好的预测精度,平均相对误差仅为15.91%,预测精度比ANN模型提高了10%.利用SVM模型和ANN模型分别反演了2005年8月15日太湖叶绿素a浓度分布,比较了2种模型反演结果的异同,分析了太湖叶绿素a分布特征及其成因.     

结合水体光学分类反演太湖总悬浮物浓度

本研究利用2008年11月、2009年4月、2010年5月及2010年8月的太湖水体原位观测数据,在对光学复杂水体进行光学分类的基础上,分别建立了针对各个类别水体的总悬浮物浓度高光谱反演模型.通过对每类水体中各个模型的性能比较,分别得到各类水体的最优模型:第一类水体,比值模型为最优模型;第二类水体,半分析模型2为最优模型;第三类水体,一阶微分模型为最优模型.同时,比较分类前后模型的精度和稳定性,结果表明分类后,两者均表现出不同程度的提高,并且分析了光学分类导致半分析模型精度下降的原因.最后针对本研究的结果在遥感数据上的适用性进行了探讨,表明在高光谱遥感数据上有很大的应用潜力.本研究结论对光学复杂湖泊水体的水色遥感具有积极重要的意义.