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.     

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.     

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TM的太湖叶绿素a和悬浮物估测模型

叶绿素a和悬浮物是衡量湖泊水质状况好坏的重要指标。该文利用太湖Landsat TM遥感影像和准同步的65个实测样点数据,分别分析了Landsat TM中对太湖水体叶绿素a及悬浮物浓度的相关性。采用波段组合的方式,通过回归方程建立起叶绿素a和悬浮物的估测模型。结果表明(TM1+TM3)/TM1/TM3与叶绿素a相关性达到0.842,TM2+TM3与悬浮物相关性达到0.934。估测模型显示叶绿素a和悬浮物均有较好的估测结果。     

太湖、巢湖水体总悬浮物浓度半分析反演模型构建及其适用性评价

总悬浮物浓度是水体重要的水质参数.本研究利用太湖春季、秋季和巢湖夏季多期野外实测数据,通过对生物光学模型进行合理的简化构建适用于太湖、巢湖水体总悬浮物浓度反演的半分析模型,并将该模型应用于MERIS和环境一号卫星高光谱卫星影像上以验证该方法的适用性.结果表明:①针对太湖和巢湖水体,总悬浮物浓度最优反演波段范围为730～832nm(氧气吸收带除外);②针对MERIS数据,波段10(中心波长754 nm)和波段12(中心波长779 nm)均适用于太湖总悬浮物浓度反演,而波段11(中心波长761 nm)由于氧气吸收带的影响不适用于总悬浮物浓度反演;③针对太湖MERIS数据,模型反演结果的相对误差基本上呈现出随距离卫星过境时间增大而逐渐增加的趋势,在卫星过境时间正负3 h内测量的样点,模型反演结果的相对误差均在50%以内,而时间差超过3 h,相对误差则逐渐增大到50%以上;④环境一号卫星高光谱数据17个波段(B83～B99)均能够对巢湖总悬浮物浓度进行较好的反演,其反演效果要好于MERIS数据在太湖的反演结果.     

基于HJ-1A卫星超光谱数据的太湖叶绿素a浓度及悬浮物浓度反演

通过对2010年5月2日太湖HJ-1A卫星超光谱影像的几何纠正和6S模型辐射校正,以及水体实测光谱数据和影像光谱数据分析,将太湖28个水体采样点光谱数据分别进行归一化处理和一阶微分处理后,选取和水质参数相关系数最大的波段或波段组合建立反演模型,获得太湖叶绿素a浓度以及悬浮物浓度的空间分布图.研究表明,超光谱影像B73波...     

长江干流表层水体悬浮物的空间变化特征及遥感反演

总悬浮物（TSM）是描述水体光学特性和污染程度的一个重要参数,利用遥感技术准确获取面状水域悬浮物浓度的信息,可有效地对水体浑浊程度、污染程度等信息指标进行高效监测分析,解决观察范围小、不方便以及数据获取难等难题.以野外实测水体高光谱数据和悬浮物浓度及其组分等数据,参照MODIS （1~4波段）、Landsat 8（1~5波段）、Sentinel 2（2~6波段）和HJ-B1（1~4波段）等常用波段范围,构建长江干流（重庆-上海段）水体TSM的半经验模型,从而检验、比较常用卫星对河流水体TSM的反演潜力.结果表明：①枯水期长江干流浊度和TSM从重庆到上海整体程增加趋势,相反有机悬浮物浓度在总悬浮物浓度中所占的比例（OSM/TSM）从重庆到上海整体呈现较小趋势.②水体光谱曲线基本没用叶绿素a的光谱特征（700 nm附近的反射峰）,而是展现出悬浮物浓度占主导因素的双峰型光谱特征.由于水体中悬浮物浓度较低（<114.68 mg ·L^-1）,第一峰值明显高于第二峰值,但反射峰位置具有明显的向波长方向移动的"红移"现象.③长江干流水体的反射率对悬浮物浓度最敏感的波段是600~710 nm和475~550 nm波段,这些波段大部分都落在MODI、Landsat 8,Sentinel 2和HJ-1B卫星绿波段和红波段内,因此目前常用卫星的波段设置在反演长江干流水体TSM上都具有一定的潜力.其中Sentinel 2卫星波段设置最合适长江干流水体悬浮物浓度的反演,其最佳的指数反演模型RMSE为10.23mg ·L^-1,MAPE为23%.     

查干湖叶绿素a浓度高光谱定量模型研究

叶绿素a含量能够在一定程度上反映水质状况,利用高光谱遥感可获得叶绿素a的诊断性光谱特性,较好解决了常规遥感中出现的问题.利用野外高光谱仪在查干湖进行了反射光谱测量和同步水质采样分析,通过分析水体叶绿素a浓度与其高光谱反射特征之间的相关关系,尝试采用多种半经验算法建立叶绿素a高光谱定量模型.结果表明:单波段光谱反射率与叶绿素a浓度的相关系数较小,不宜用于估算叶绿素a浓度,反射率比值法和一阶微分法与叶绿素a线性相关程度都比较高,决定系数分别为0.71和0.48,而且其显著水平p<0.01,皆可以用于叶绿素a的定量遥感,但反射率比值算法模拟效果好于一阶微分算法.这为今后利用星载高光谱传感器在查干湖进行叶绿素a浓度大面积遥感反演提供了研究基础.     

利用Hyperion高光谱数据的三波段法反演太湖叶绿素a浓度

以2004-08-19太湖野外试验所获取的水质数据(叶绿素a浓度7.8~154.3μg.L-1,总悬浮物浓度65.0~190.2 mg.L-1,N=38)和同步的Hyperion星载高光谱数据为研究对象,利用三波段算法反演太湖水体的叶绿素a浓度.通过分析太湖固有光学量的特点,提出适用于太湖的3个特征波段的选择依据,并对波段进行优化计算,在此基础上建立了三波段统计模型,最后对模型的反演精度进行分析与评价.结果表明,Hyperion的B34(691.37 nm)、B37(721.90 nm)和B50(854.18 nm)组成三波段模型变量与叶绿素a浓度具有最高的相关系数(r=0.934),模型的决定系数(R2)和均方根误差(RMSE)分别为0.872和13.93μg.L-1,其反演精度优于传统经验统计模型,如比值模型(R2=0.844,RMSE=15.41μg.L-1)和一阶微分模型(R2=0.831,RMSE=16.00μg.L-1).研究结果证实了三波段法适用于内陆富营养化浑浊水体和Hyperion高光谱数据,为今后更精确地反演内陆水体的叶绿素a浓度提供了参考依据.     

基于多源同步数据的闽江下游悬浮物定量遥感

利用2006-09-18的同步Landsat TM数据、水面实测光谱数据和现场水样数据,研究了闽江下游的悬浮物,在这3种同步数据的基础上建立了分别基于实测光谱与影像光谱的悬浮物遥感预测模型.结果表明,实测光谱数据在690nm波长处,归一化光谱反射率与悬浮物浓度达到最大正相关,由690nm和530nm二处的反射率构成的比值预测模型与实测悬浮物浓度的拟合精度最高,最佳拟合模型可表达为SS=116.2(R690/R530)-33.4.TM影像各波段中以(TM2 TM3)2波段组合与实测悬浮物浓度的相关性最佳.由其所建立的影像光谱预测模型与实测悬浮物浓度的拟合精度最高.最佳拟合模型可表达为SS=3793.7(RTM3 RTM2)2-16.5.模型的精度评价表明,实测光谱模型的预测能力要强于影像光谱模型.但二者差异不大.在缺乏地面实测光谱数据时.基于影像光谱的遥感定量模型仍不失为一种预测悬浮物浓度的有效方法,其对闽江下游悬浮物浓度的反演结果能较准确地反映出该区域悬浮物浓度分布的空间差异,具有较高的实用性.     

基于因子分析的太湖湖湾污染物分布特征

根据太湖三大湖湾的水质监测数据,运用因子分析(Factor analysis)方法对该湖湾7种污染物成分进行了统计分析,并讨论了水体中污染物的来源。结果表明:梅梁湾第一污染因子主要是TN、TP和Chla,第二主因子主要代表NH4+-N和高锰酸盐指数,NO3--N对第三主因子贡献明显;贡湖湾第一污染因子为TN、TP、高锰...     

夏季太湖CDOM光学特性空间差异及其来源解析

为进一步探究夏季太湖CDOM（有色溶解性有机质）光学特性在空间分布上的差异性与其来源的关系,对其紫外-可见吸收及三维荧光光谱特性进行了分析研究,在此基础上进一步分析了CDOM吸尘系数及其荧光组分（C1、C2、C3、C4）强度和各水质参数间的相关性.结合主成分分析法探讨了CDOM的来源以及与各参数指标[ρ（DOC）除外]之间的来源关系.结果表明:CDOM吸收系数α（355）、S值（光谱斜率）变化范围分别为3.27~8.27 m-1和0.011~0.021 nm-1;太湖西部、北部及南部湖区CDOM丰度较大,S值较低,受陆源输入的影响较为明显.CDOM的三维荧光光谱揭示其中含有两种类蛋白质组分C1和C2以及类腐殖质组分C3和C4,并且以类蛋白质组分为主.此外,大部分采样点的荧光指数（FI）为1.70~2.01,自生源指数（BIX）大于1,腐殖化指数（HIX）小于0.6,r_（T/C）（荧光峰T与荧光峰C荧光强度比值）小于2,表明夏季太湖CDOM内源特性相对强烈.研究显示,除ρ（DOC）外,CDOM与其他水质参数在第一主成分上（贡献率为90.8%）均存在显著相关关系,说明各水质参数的来源存在相似性,并且受生物自生源影响更为显著.      

基于机器学习方法的太湖叶绿素a定量遥感研究

为了比较评价人工神经网络和支持向量机2种机器学习算法在水质遥感中的应用能力,本研究首先从基础理论和学习目的入手,对比分析了2种机器学习算法的理论体系;其次,以太湖为例,基于MODIS遥感影像,构建了反演太湖叶绿素a浓度的2种机器学习方法模型,通过对模型的验证、稳定性和鲁棒性分析以及全湖反演结果对比3个方面评价了2种模型的泛化能力.验证结果表明,支持向量机模型对验证样本预测结果的均方差根和平均相对误差分别为5.85和26.5%,而人工神经网络模型的预测结果均方差和平均相对误差则高达13.04和46.8%;稳定性和鲁棒性评价亦说明,以统计学习理论为基础的支持向量机模型具有更加良好的稳定性、鲁棒性,空间泛化能力优于人工神经网络模型;2种机器学习算法对太湖叶绿素a的浓度分布反演结果基本一致,但人工神经网络模型因其学习目标设定和网络构建中的“过学习”等缺陷,造成了对东太湖以及湖心区叶绿素a的反演结果与实际监测结果差异较大.     

水质遥感在太湖叶绿素a时空分布动态变化研究中的应用

通过研究MODIS遥感数据与太湖现场监测数据之间的规律,确定了一个基于MODIS数据的叶绿素a指数,并以此为基础构建出一个具有普适性的、反映太湖叶绿素a时空分布动态变化的反演模型,为太湖藻类爆发的机理、预警研究以及水环境管理累积数据,提供决策依据。     

遥感指数在湖泊叶绿素a反演研究中的应用

借鉴陆地植被指数的算法,利用MODIS数据的波段组合对太湖叶绿素8浓度进行反演。探讨了差值植被指数DVI、比值植被指数RVI、归一化植被指数NDVI这三种遥感指数形式的反演效果及各自特点。MODIS数据蓝光波段和红外波段的组合是反演太湖叶绿素浓度的最佳波段组合,DVI适合于反演叶绿素浓度高的情况,RVI的反演结果两极分化明显而普适性较差,NDVI适合于反演浓度较低的情况。     

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.     

太湖悬浮物分布的现场监测研究

于2005年8月25日至8月28日对太湖进行现场监测,得到了太湖梅梁湾到大太湖的悬浮物、浊度数据,分析得出:(1)光照强度较高时,对应于微囊藻峰值的出现,浊度在水深0.5m处出现最高值,光照强度较弱时,浊度的分布在垂直方向上趋于均匀;(2)悬浮物浓度与浊度具有较高的相关性,悬浮物浓度值可以用浊度的测定值换算得到;(3)河流流入、风浪条件和湖内藻类繁殖等影响着太湖悬浮物的垂直和纵向空间分布,出现梅梁湾到大太湖不同的悬浮物垂直和纵向分布。     

太湖梅梁湾水体组分吸收特性季节差异分析

利用2006年8月、11月和2007年3月太湖梅梁湾水样实验室测定的水体组分固有光学特性数据和水质分析数据,分析水体中各组分在不同季节的吸收特性,并讨论不同季节光谱吸收的主导因子.结果表明,各组分在不同季节其吸收特性存在一定的差异,总悬浮吸收系数在夏季最大,在440 nm平均吸收系数为(7.49 4±3.0)m-1,春季最小,440 nm平均吸收系数为(2.86±0.73)m-1,且不同季节其吸收类型不同;非藻类颗粒吸收特性的季节性差异相对较小,其吸收系数和S值的差异主要是由于无机悬浮物含量和组成的不同导致的;由于藻类含量的差异导致浮游藻类吸收系数在夏季最大,675 nm平均吸收系数为(5.49±3.5)m-1,秋季次之675 nm平均吸收系数为(2.03±1.14)m-1,春季最小,675 nm平均吸收系数为(0.62±0.25)m-1;而有色可溶件有机物(chromophoric dissolved organic matter,CDOM)吸收系数和S值的季节差异性主要是由于其来源的不同,导致其浓度和成分的不同形成的.春、秋季由于无机悬浮物含量较高,非藻类颗粒物对总吸收的贡献大于其他组分,是水体总吸收的主导因子,而夏季由于浮游藻类含量较高,使其成为水下光谱的主要影响因素.