湖北恩施地区土壤重金属高光谱反演模型研究

文章以恩施地区土壤重金属As、Cd、Cr、Pb、Cu、Zn为研究对象,利用ASD地物光谱仪采集土壤光谱数据,在光谱预处理和相关分析的基础上,采用偏最小二乘回归(PLSR)方法,构建土壤重金属含量与光谱的反演预测模型.结果 表明,平滑处理、一阶导数、去趋势、归一化处理散射校正(SNV)4种光谱处理方法组合使用可以有效地提高模型反演精度;通过对PLSR模型RMSEC、RMSECV、RMSEP、R2Cal 、R2CV 、R2Pred、6种参数分析发现,As、Pb、Cu相比Cd、Cr、Zn在PLSR模型中的测误差值较小且模型的相关性较高,说明模型可以预测As、Pb、Cu 3种元素,该研究为后期采用高光谱遥感影像数据快速监测恩施地区土壤重金属污染情况提供了技术参考.     

基于无人机多光谱影像的小微水域水质要素反演

总磷(TP)、悬浮物浓度(SS)、浊度(TUB)3种水质参数可以直接通过遥感反演得到,常用于评价区域水环境的污染状况.以浙江农林大学东湖为研究对像,使用无人机携带多光谱传感器(Mica Sense Red Edge)获取多光谱影像,进而提取16个光谱参数,分别构建东湖水域TP、SS、TUB的反演模型.结果表明:光谱参数V5(NIR 0.770～0.890μm)与TP、SS相关性显著(r分别为0.470、-0.537,p0.05),V4(0.670～0.760μm)与TUB相关性显著(r=0.486,p0.05).在建立的TP反演模型中,指数函数模型精度最高,决定系数R~2为0.7829;在建立的SS、TUB反演模型中,多项式函数模型精度最高,决定系数R~2分别为0.7503、0.7334.经检验,TP、SS、TUB模型估测值与实测值线性拟合曲线的决定系数R~2分别为0.7374、0.8978、0.6726,满足水质要素反演的精度要求.最后利用建立的模型,结合多光谱影像数据,建立了东湖水域各参数的空间分布图,实现了水质参数的可视化,可为小微水域的污染防治提供技术支撑.     

内陆水体水质参数遥感反演集合建模方法

以微山湖为研究对象,利用2015年6月11~13日获取的实测高光谱和水体叶绿素a浓度、总悬浮物浓度和浊度数据,构建3种水质参数遥感反演常用的经验模型和PSO-SVM模型并进行精度评价,确定参与3种水质参数集合建模的反演模型,分别利用以熵权法(EW-CM)、集对分析法(SPA-CM)为代表的确定性集合建模方法和以贝叶斯模型平均(BMA)为代表的概率性集合方法构建反演3种水质参数的EW-CM、SPA-CM和BMA集合模型.通过贝叶斯平均方法获取各模型和BMA集合模型反演3种水质参数的不确定性区间,对比3种水质参数各模型和集合模型反演结果.结果表明:(1)确定性集合模型中SPA-CM模型精度整体高于EW-CM模型;(2)BMA概率性集合模型建模精度整体上要优于SPA-CM和EW-CM集合模型,验证精度稍低于SPA-CM模型,和EW-CM模型相当;(3)概率性集合建模可以给出集合模型和各模型反演水质参数的不确定性区间;(4)确定性和概率性集合模型可以综合各模型信息,使得集合模型同时具有较高的建模和验证精度,降低单一模型反演水质参数的不确定性,并在一定程度上提高水质参数反演精度.     

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.     

查干湖富营养化状况高光谱遥感评价研究

通过分析查干湖水体水质参数与其高光谱反射特征之间的响应关系,采用单波段与波段比值等算法分别建立了湖水水质的高光谱定量反演模型;同时结合修正营养状态指数(TSIM)模型,针对水质参数的实验室数据和高光谱模型模拟数据,对查干湖富营养化程度进行了监测和评价,并进行了验证.结果表明:1)利用高光谱监测模型对湖泊富营养化状况进行监测和评价,能够获取较为准确的评价结果;2)单项指数评价法由于只针对一个指标进行评价,不适合用来进行水体富营养化评价,采用修正营养状态指数TSIM(AVE)方法,可以对查干湖水体富营养化程度进行正确的评价.评价结果显示,查干湖水体处于富营养化状态,需要采取措施防止进一步恶化.     

二龙湖富营养化状态高光谱遥感评价研究

通过对二龙湖水体高光谱反射率、归一化以及一阶微分反射率与叶绿素a(Chl-a)进行相关分析,确定与其相关性最好的波段,对Chl-a浓度进行反演。同时,波段比值法也用于反演Chl-a浓度。研究结果表明,单波段模型以及波段比值建立的模型精度均较高,而基于波段比值法的模型验证精度更高(R~2=0.71)。基于高光谱反射率数据,选择敏感波段,对透明度(SDD)、总磷(TP)和总氮(TN)浓度进行反演,结果表明基于原始数据所建模型精度较为理想。结合综合营养状态指数法和营养状态分级指标,对二龙湖的富营养状态进行评价,结果显示,基于高光谱数据反演二龙湖富营养化程度的精度较高(r=0.88),湖水呈现中营养化状态。     

河道曝气提升河流水质的WASP模型研究

曝气充氧是修复受污染河道的重要技术,数学模型是预测、评估环境污染状况的重要方法.本研究应用WASP水质模型评价不同时段河道曝气对河流水质的提升作用.初期模型验证结果表明,WASP水质模型拟合结果与实际监测结果基本吻合,可为水污染治理工程提供参考依据.在此基础上,对不同曝气条件进行模拟分析,结果表明,河道曝气能够有效降低河水中的化学需氧量(COD)和氨氮(NH+4-N)浓度,改善水质;随着曝气河段内溶解氧(DO)水平的提升,水质虽不断改善,但改善幅度逐渐减小;全年不同月份曝气效果差异显著,5~9月曝气效果较好.结合经济投入和环境效益,最终确定夏季提升DO水平达到4 mg·L-1为河道曝气最优条件.     

遥感技术在湖泊水质监测中的应用

环境污染遥感监测技术具有监测范围广、速度快、成本低,且便于进行长期的动态监测等优点,是实现宏观、快速、连续、动态地监测环境污染的有效方法,已成为湖泊环境动态变化监测的重要技术手段.湖泊水质遥感监测是基于经验、统计分析或水质参数的光谱特征,选择遥感波段数据与地面实测水质参数数据进行数学分析,建立水质参数反演模型实现的.在运用遥感技术对湖泊进行水质监测的方法中有传统方法和神经网络模型.与传统方法相比,神经网络模型有较强的水质识别的容错性,水质状况识别的可信度.今后,神经网络模型、高光谱遥感技术以及RS与GIS、GPS的结合运用等将是遥感技术在此领域中的发展方向.     

基于无人机遥感的水质监测研究综述

与传统的卫星遥感和有人机遥感相比,无人机遥感具有高时空分辨率、云下低空飞行、高机动性等优势,可解决传统水质监测工作中存在的问题。无人机遥感水质监测可及时地掌握水文情况,达到实时监测水质的高效性效果,为水质监测评价提供了新的机遇与途径。无人机遥感反演方法已经逐渐成为内陆水体水质监测评价的重要技术手段,可以反映水质在时空上更为全面的分布变化情况。该文回顾了无人机遥感的特点,阐述了无人机遥感水质监测原理、监测对象、监测方法以及无人机遥感水质监测研究进展与影响水质监测精度的因素。在此基础上对无人机水质遥感监测进行展望,提出了无人机高光谱遥感技术有望成为研究大时空尺度水域富营养化现象的重点和方向,并能在高带宽下搭载的数传模块得到多种水质参数浓度的空间反演分布图。     

水深被动光学遥感反演模型适用性研究

目前常用的水深遥感反演模型有对数线性模型和对数转换比值模型,近年新发展了一种改进的对数转换比值模型。本文分别选取不同水体类型的蜈支洲岛和槟城为研究区,基于GeoEye-1多光谱影像开展如下水深反演研究:首先对改进的对数转换比值模型进行水深反演能力验证,然后从三个维度对三种模型反演能力进行剖析与比较。研究表明:（1）改进的对数转换比值模型基本可以真实的反映水下地形变化,且反演水深与真实水深差值绝大部分控制在2 m以内,在10~20 m反演效果尤佳,水深差在1 m水深处上下浮动。（2）多维度剖析:①整体精度评价:在清澈海域蜈支洲岛周边水深反演精度最高的是改进的对数转换比值模型,MAE为1.56 m,MRE为13.5%,对数线性模型MAE为1.71 m,MRE为14.8%,对数转换比值模型次于前两者,在浑浊海域槟城周边水深反演精度最高的亦是改进的对数转换比值模型,而对数线性模型反演精度有所下降;②分水深段精度评价:随着水深值的增加,三种模型在蜈支洲岛反演精度均呈上升的趋势,在槟城研究区,对数转换比值模型和改进的对数转换比值模型反演规律与蜈支洲岛相似,而对数线性模型在15~20 m水深段,反演精度明显下降;③模型稳定性:改进的对数转换比值模型在不同水深段反演精度变化幅度最小且反演精度最高,且在不同的水质环境中具有相对稳定的反演能力,对数转换比值模型其次,而对数线性模型易受海水环境影响,尤其在浑浊水体反演精度不够稳定。     

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.     

城郭河白腊湾段近自然河道湿地设计及冬季运行效果

针对南水北调东线南四湖流域之城郭河水体生态净化及河流生态廊道建设的需求,在城郭河白腊湾段设计并建设了近自然河道湿地水质净化工程。根据因地制宜的原则,工程整体采用了生态护岸+湿地植物配置+生物飘带的河道原位生态修复组合工艺方案。根据冬季水质监测分析结果,城郭河白腊湾河道湿地冬季出水COD、NH_3-N和TP等主要水质指标均达到了GB 3838—2002《地表水环境质量标准》Ⅲ类标准,在支撑南四湖入湖河流城郭河与南水北调东线调水水质安全的同时,恢复了河道走廊的生态功能。     

基于无人机多光谱影像和OPT-MPP算法的水质参数反演

无人机多光谱遥感可用于监测多个水质参数,如悬浮物、浊度、总磷和叶绿素等,建立稳定和准确的水质参数反演模型是开展这一工作的前提.matching pixel-by-pixel(MPP)算法是一种针对无人机影像高分辨率特点的反演算法,但其存在运算量过大和过拟合的问题,基于此,提出optimize-MPP(OPT-MPP)算法,以克服运算量过大和过拟合的问题.本研究以浙江省杭州市青山湖作为研究区域,采集45个样本,分别构建悬浮物浓度(SS)与浊度(TU)的OPT-MPP算法反演模型.结果表明,最佳悬浮物反演模型的决定系数R²达到0.787 0,综合误差为0.130 8;最佳浊度反演模型的决定系数R²达到0.804 3,综合误差为0.150 3.最后利用分别建立的两个参数的最优模型,实现青山湖各实验区域的水质参数空间分布信息的反演.     

探讨遥感反演模型技术在水质参数监测中的具体应用

叶绿素a(Chl-a)是江河湖泊水体水质状况评价的重要指标之一。本文以妫水河为研究区,利用实Chla浓度数据和同步的环境一号卫星(HJ-1A)多光谱数据对妫水河水体Chl-a浓度的遥感反演模型进行研究,结论对于提高遥感反演的精度,并为妫水河的水质遥感监测提供技术和方法参考。     

基于无人机遥感和集成学习的苏州市河流悬浮物浓度反演

针对单一模型容易过拟合的缺陷,通过4种不同的集成学习策略实现多种机器学习方法之间的优势互补,从而提升模型的精度和泛化性,并以苏州市为研究区,无人机采集的多光谱遥感影像和实地测量的悬浮物浓度数据为基础建立集成学习反演模型.同时,4种常用的回归分析方法和3种经典的机器学习方法被作为对比方法以探究集成学习策略的有效性.结果表明,集成学习策略能够克服单一模型各自的缺陷,显著提升遥感反演的精度和泛化性,其中表现最优的集成学习反演模型的验证集决定系数达到0.821井相比回归分析方法提升38.21%,井相比单一机器学习方法提升16.79%.此外,集成学习方法反演的绝对误差集中于较小值,其绝对误差均值和中值均优于传统方法,以期提高城市悬浮物浓度反演精度,为无人机遥感河流悬浮物浓度反演提供指导.     

GF-6与Landsat-8影像在水质监测中的差异性分析

针对GF-6与Landsat-8影像在水质监测中的差异性问题,以巢湖水质富营养状态评价为研究内容,对水质参数进行反演,利用综合营养状态指数法构建水质评价模型。运用ENVI 5.3和ArcGIS 10.3软件,实现各项水质参数和综合营养状态指数TLI可视化。对比实测数据,运用Person相关性模型进行反演结果精度评定。结果表明:影像成像时刻巢湖水质营养状态为中营养;GF-6和Landsat-8反演得到的综合营养状态指数TLI分别为42.75和42.13,两者差别较小,但经过与实测数据的相关性分析可得,GF-6和Landsat-8的Person系数分别为0.988和0.965,表明GF-6反演的数据与实测值相关性更强,更加准确可靠。研究结论可为水质监测中如何选用遥感影像数据提供参考。     

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.     

基于导数光谱的混浊河口水体叶绿素浓度反演

基于2004年5月和2006年8月于珠江口现场实测的遥感反射率光谱及叶绿素浓度数据,采用导数光谱技术,对高光谱在河口浑浊水体的叶绿素反演的应用进行了研究。结果表明,二阶导数光谱的特征波段较原始光谱、一阶导数光谱对浑浊水体的叶绿素含量更为敏感;当水体浊度变化范围为10～130 NTU,光谱分辨率为10 nm、中心波长为620 nm、670 nm及680 nm的二阶导数光谱与叶绿素浓度(1～50μg/L)呈显著相关(线性相关系数分别为0.75、0.85及0.7);基于670 nm处二阶导数光谱的简单线性模型对叶绿素浓度有较好的反演精度。该结果可为光学复杂水体的叶绿素高光谱遥感估算提供新的方法。     

GF-5高光谱遥感影像的土壤有机质含量反演估算研究

本文基于高光谱遥感影像对土壤有机质含量进行反演估算,以哈尔滨与兴安盟交界处的平原地表土壤为试验对象.首先,基于辐射和几何校正等预处理的高分五号（GF-5）高光谱遥感影像,依据五点采样法采集影像覆盖范围的地表土壤样本共100组,在实验室内进行理化分析等一系列处理获取样本土壤有机质含量数据.然后,运用偏最小二乘法建立高光谱影像土壤沙化指数、土壤退化指数、归一化亮度指数和土壤盐分指数反演土壤有机质含量的估算模型.比较基于原始反射率数据、一节微分反射率数据和4种土壤指数构建的反演模型的预测精度,通过65%的建模样本和35%的预测样本验证表明,反演模型中基于土壤指数建立的反演模型的预测验证精度最高,预测集验证中ρ为0.816,RMSE为1.7287.并将该反演模型运用到高光谱影像的土壤有机质含量的反演估算,实际测量的SOM与影像反演SOM含量变化趋势一致,相关性达到80.023%以上,验证了模型的反演估算精度.     

基于热红外遥感数据和光谱混合分解模型的城市不透水面估算

不透水面的迅速增长是城市化的显著特征之一,针对大范围的城市监测,运用遥感技术迅速提取城市不透水面是当前国内外研究的热点。论文选用Landsat 7的ETM+影像,基于光谱混合分解模型,结合热红外遥感数据反演生成的地表温度,研究杭州市的不透水面分布信息的提取。通过高、低反照率、植被及土壤4类光谱端元的线性组合来表征不同城市土地类型,并利用地表温度和土壤分量分别剔除高、低反照率分量中的"噪声",综合修正后的高反照率分量和低反照率分量估算杭州市不透水面分布。结果显示,研究区中均方根误差的平均值为0.003 6,不透水面分布结果与同期Google earth上的高分辨率影像和SPOT 4影像的解译结果对比分析,绝大多数样本的估算值与解译值之差落在±0.15区间内,精度令人满意。研究表明,热红外遥感数据和光谱混合分解模型相结合,可以实现对不透水面进行快速、精确的估算。