基于GOCI影像和水体光学分类的内陆湖泊叶绿素a浓度遥感估算

叶绿素a作为水质参数之一,常用来作为衡量水体富营养化程度的指示标准.利用从太湖及洞庭湖获取的326个实测数据,基于实测遥感反射率对水体光谱进行光学分类,结果表明所采集的样点可分为3种水体类型.结合GOCI的波段设置,建立了不同类型水体的叶绿素a浓度反演模型.水体类型一可以利用490 nm(3波段)和555 nm(4波段)来反演,水体类型二可利用660 nm(5波段)和443 nm(2波段),水体类型三利用745 nm(7波段)和680 nm(6波段).精度分析表明,分类后的平均相对误差明显下降,类型一为38.91%、类型二为24.19%、类型三为22.90%;类型一均方根误差为4.87μg·L-1、类型二为8.13μg·L-1、类型三为11.66μg·L-1;分类前后的总体平均相对误差由49.78%降低到29.59%,总体均方根误差由14.10μg·L-1降低到9.29μg·L-1,分类后反演精度得到了显著提高.利用2013年5月13日8景GOCI影像反演了太湖的叶绿素a浓度,结果表明,2013年5月13日太湖叶绿素a浓度日变化显著,高值区主要集中在竺山湾、梅梁湾、贡湖湾,低值区主要集中在湖心区以及南部区域,10:00以后太湖西南部沿岸的叶绿素a浓度显著降低.这种先分类后反演的方法对于二类水体的模型反演精度的提高具有重要作用.     

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.     

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.     

基于集合均方根滤波的太湖叶绿素a浓度估算与预测

叶绿素a浓度作为表征水质状况的重要参数之一,反映了水体富营养化程度和藻类含量,是决定水体的反射光谱特征的重要因素,也是水质遥感领域研究较多的一项水质参数.研究叶绿素a浓度的遥感定量反演可以为湖泊水质监测与评价提供新的思路和方法.本研究发展了一个基于集合均方根滤波和风生流的污染物扩散模型的数据同化方案,并结合2010年5月20日的太湖3个浮标观测站点的观测数据进行了同化实验.首先对太湖叶绿素a浓度进行同化估算,然后利用优化后的估算结果对太湖叶绿素a浓度进行了为期6 h的预报.在同化阶段,均方根误差分别从1.58、1.025、2.76降低到了0.465、0.276、1.01,平均相对误差也从0.2降低到了0.05、0.046、0.069.在预报阶段,均方根误差从1.486、1.143、2.38降低到了0.017、0.147、0.23,平均相对误差也从0.2降低到了0.002、0.025、0.019.结果表明,利用集合均方根滤波的数据同化方法可以有效地提高太湖叶绿素a浓度的估算与预报精度.     

基于水面反射率光谱分类的太湖藻蓝蛋白浓度反演

藻蓝蛋白是蓝藻的标志性色素,利用遥感反演藻蓝蛋白浓度的时空分布对于蓝藻水华监测和预警具有重要意义.太湖水体光学特性时空差异较大,传统的藻蓝蛋白遥感反演方法在太湖各湖区各季节的适用性有限.因此,本文采用先分类再反演的策略,基于水面反射率光谱分类进行太湖藻蓝蛋白浓度反演建模.首先采用逐步迭代的K均值聚类方法实现光谱分类;然后分别利用每一类的训练样本光谱数据建立最适用于该类的藻蓝蛋白反演模型;最后利用每一类的检验样本光谱数据进行反演模型精度评价.为了对比,同时采用不分类的传统方法进行反演建模和精度评价.检验结果表明:基于不分类的传统建模方法得到的均方根误差RMSE=14.14μg·L-1,平均相对误差σ=59.1%,反演结果和实测数据可决系数为0.46;基于光谱分类的建模方法得到RMSE=8.47μg·L-1,σ=31.3%,反演结果和实测数据可决系数为0.87.因此,基于光谱分类的藻类蛋白反演方法有效地提高了反演精度,可以为其它水体的藻蓝蛋白浓度反演提供借鉴.     

MODIS时序影像的福建近岸叶绿素a浓度反演

叶绿素a(Chl-a)浓度是可以直接遥感反演的重要水质参数之一,常用来评价近岸水体的富营养化程度.为有效监测福建近岸水域中的叶绿素a浓度变化,本文利用MODIS时间序列影像数据,采用适用于小样本数据的机器学习方法随机森林(Random Forest, RF)和传统的特征波段比值(Band Ratio, BR)方法,结合时序浮标观测数据,在浮标观测站点有限的情况下,采用"以时间连续补空间稀疏"的建模策略,分别对福建近岸不同时相叶绿素a浓度进行遥感反演,并对反演结果进行验证与分析.结果显示RF、BR两种方法反演的均方根误差(RMSE)分别为0.49、0.52μg·L~(-1),平均绝对百分比误差(MAPE)分别为37.50%、50.20%,平均决定系数(R~2)分别为0.87、0.21.可见,基于MODIS时序影像的RF模型可较准确估测福建近岸叶绿素a浓度,且精度优于BR模型.在近岸水环境普遍恶化且浮标观测站点有限的情况下,本研究可提供一种有效监测叶绿素a浓度的方法,有利于福建近岸水环境(如赤潮)的遥感监测.     

基于稀疏表达的水体遥感反射率高光谱重构及其应用

高光谱重构技术可以有效的突破多光谱卫星传感器波段设置的限制,获得更多更有效的地物光谱信息。本研究基于稀疏表达方法提出了一种针对水体遥感反射率的高光谱重构算法,以太湖、杭州湾的原位水体光谱数据为数据源,在5种常用水色传感器(Sentinel-2A MSI、MERIS、MODIS Aqua、GOCI以及VIIRS)上进行了高光谱重构实验,最后将该算法应用于GOCI数据,进行了算法适用性验证。结果表明:(1)基于稀疏表达的高光谱重构算法可以在不利用实测光谱数据的情况下实现高光谱重构,光谱重构精度高于多元回归光谱重构算法;(2)基于稀疏表达的高光谱重构算法在5种水色传感器上都取得了较好的效果,平均相对误差均在10%以下,均方根误差均在0.005sr-1以下;(3)相比于原始GOCI多光谱数据,经稀疏表达高光谱重构后的GOCI数据在叶绿素a浓度和总悬浮物浓度估算精度上有不同程度提升。其中对叶绿素a浓度估算而言,平均相对误差从80.6%减少至51.5%,均方根误差从12.175μg·L-1减少至7.125μg·L-1;对悬浮物浓度估算而言,平均相对误差从19.1%减少至18.8%,均方根误差从29.048 mg·L-1减少至28.596 mg·L-1。     

基于MODIS影像估测太湖蓝藻暴发期藻蓝素含量

利用太湖水体藻蓝素的实测数据,基于蓝藻的光谱特征分析,选择MODIS 250m分辨率的卫星遥感影像,建立了藻蓝素估测模型.研究表明,该模型可以较为准确地识别新生蓝藻水华,辅助提取新生蓝藻水华的覆盖区.在新生蓝藻水华的覆盖区内,藻蓝素的定测估算已经失去实际意义,没有必要讨论估测的精度高低.在新生蓝藻水华的覆盖区外,藻蓝素的遥感估测精度取决于藻蓝素浓度的高低以及藻蓝素与叶绿素的定量关系,即当藻蓝素浓度35μg/L时,平均相对估测误差降至31%;但对于那些藻蓝素的浓度>35μg/L,且藻蓝素浓度与叶绿素a浓度的比值<8的湖区而言,藻蓝素浓度模型的相对估测误差约为29%.     

基于GF-1 WFV影像和BP神经网络的太湖叶绿素a反演

叶绿素a浓度是可直接遥感反演的重要水质参数之一,常用来评价湖泊水体的富营养化程度.太湖是典型的二类水体,光学性质复杂,应用一类水体线性反演模式拟合较为片面且难以找到最佳拟合模型.BP神经网络模型具有模拟复杂非线性问题的功能.为研究高分一号卫星16m多光谱相机WFV4结合BP神经网络进行太湖叶绿素a浓度监测的可行性,实验利用GF-1 WFV4影像和实时的地面采样数据,建立了BP神经网络模型,同时采用波段比值经验模型进行对比.经精度检验,BP神经网络模型预测值与实测值之间的可决系数R2高达0.9680,而波段比值模型的R2为0.9541,且均方根误差RMSE由波段比值模型的18.7915降低为BP神经网络模型的7.6068,平均相对误差e也由波段比值模型的19.16%降低为BP神经网络模型的6.75%.结果证明,GF-1 WFV4影像应用BP神经网络模型反演太湖叶绿素a浓度较波段比值模型精度有所提高.将经过水体掩膜的GF-1 WFV4影像用于训练好的BP神经网络反演太湖叶绿素a浓度分布,结果显示,叶绿素a高浓度区集中分布在湖心区北部、竺山湾、梅梁湾区域,与之前的研究一致.本文研究结果验证了采用BP神经网络模型对GF-1 WFV4影像进行太湖叶绿素a浓度反演的可行性.     

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.     

步降试验数据仿真及其验证方法

目的设计并验证步降应力试验数据的仿真方法,为开展其他仿真分析提供理论支撑。方法通过蒙特卡罗方法,根据步降试验的基本原理,对其试验数据进行仿真过程分析,根据仿真结果回推既定参数,通过比较得到仿真误差。结果仿真数据回推的参数与给定参数的误差为0.732%。结论仿真误差在可控范围内,说明仿真方法及其验证方法有效,保证了仿真的可行性。     

基于GIS技术开发的DSS系统数据结构设计

“省级环境决策支持系统”是以GIS为基础,以模型方法为驱动的环境信息系统,其中涉及的环境信息具有数量巨大和门类繁多的特点。该文探讨了设计此系统空间数据和属性数据结构所遵循的基本原则和基本方法。      

大气环境科学综合数据采集共享平台建设及应用研究

为实现大气重污染成因与治理攻关项目数据的统一管理和数据共享,基于美国电子政务共享框架（Federal Enterprise Architecture Framework,FEA）方法论和数据中台思想,采用JAVA平台和SOA框架,以大气重污染成因与治理攻关项目科研数据为主,整合全社会大气科学数据资源,面向京津冀、汾渭平原大气污染成因与治理改善分析的核心业务需求,建设集多源异构数据采集、治理、共享、分析、发布于一体的大气环境科学数据采集与共享平台;建立完善的线上数据治理流程,采用多种算法实现大气业务数据集的实时质控;采用分级、分权限的数据共享机制和共享接口动态编辑技术,建立一站式数据枢纽.结果表明:①建立大气科学数据规范分类体系,提供从原始数据、二次数据产品、大气攻关信息发布等多种类型的数据共享服务.②建立海量多源异构综合数据集,包括空气质量、组分、污染源、气象、健康等11类,数据总量4.3 TB,包括7.5亿条数据和66万个文件.③开发交互式GIS服务和线上评估分析工具,实现环境空气质量评估、气象影响分析、组分变化、污染源统计四类主题数据服务.④向大气重污染成因与治理攻关项目各课题组、七省（市）提供多种形式共享,开放104个数据接口,实现21亿条数据、2万份文件、15个专题共享,有力地支撑了大气重污染成因与治理攻关项目的各项研究.      

国家环境数据共享与服务体系研究

结合我国环境数据共享与服务面临的问题,对国家环境数据共享与服务体系的时代背景、概念和实质、技术框架、主要建设内容等进行了研究。指出国家环境数据共享与服务体系是政府主导建设的环境信息资源网,核心由三级环境数据中心、依托于四级专网的环境数据传输与交换平台以及分别依托于内网、专网和互联网的各级共享服务门户构成。     

环境监测数据处理与分析

环境监测是保护环境的重要手段。随着科技发展,的生活提供了有力的保障。本文从数据获取出发,同时探讨新型方法在监测数据领域的应用。监测数据的处理与分析也有了很大的进步,为人类从多个角度对环境监测数据处理进行分析和研究,     

浅谈环境空气质量自动监测数据的日报审核

联系工作实际,详细介绍了自动监测数据审核人员要求、自动监测数据审核的依据、如何区分有效数据和无效数据、自动监测数据审核工作重点以及数据合理性分析方法。重点论述自动监测数据的审核流程以及具体的技术要求,以期提高数据审核工作质量和效率,保证环境空气质量监测网络数据的准确性和可靠性。     

试用Excel函数实现检测数据的修约

应用Excel中的IF、AND、INT、EVEN、FIXED、ROUND函数编写命令,使Excel应用软件在数据处理时能按数据修约规则进行修约。通过应用证明,此命令完全满足数据修约规则的要求,对数据的处理准确、稳定,减轻了检测人员的工作压力,具有极强的可操作性和实用价值。     

典型装甲车辆平台环境数据采集与数据库管理

通过54次不同条件下的跑车试验,使用温湿度和振动传感器采集了典型装甲车辆大量的平台环境数据。利用ASP＋SQL server2000设计了数据库管理软件,实现了对装甲车平台环境数据、二次数据、相关文献的有效管理和高效查询。     

环境气象学中的方向数据统计

在环境气象学中,方向数据具有它的特点,统计与普通的数理统计不同。本文将方向数据统计用于环境科学,用风向玫瑰图直观地表达了风向数据,介绍了平均风向的概念和计算方法及风向标准差的合理计算。最后给出厦门市风向研究实例。     

中国生物多样性数据资源现状分析

为查明我国生物多样性数据资源分布、类型、规模和管理的现状,在1996年4月,采用调查表、现场访问和研讨会等方法首次对我国103个国家级机构的生物多样性数据资源进行了调查。结果表明,103个机构共拥有生物多样性数据集160个,从机构分布来看,约70％的数据集分布在专业研究所和大学;从信息类型来看,约69％的数据集是关于物种信息;从数据集形式和建立途径来看,约60％的数据集以数据库、文献集和标本３种形式储存,野外调查是建立数据集的最主要途径;从管理手段来看,全部和部分采用计算机管理的数据集约占46％;从获取途径来看,通过现场、出版物、磁盘或磁带获取的数据集约占78％。最后,通过对调查结果的综合评价,指出目前我国生物多样性数据管理和利用中存在的薄弱环节。