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.     

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。     

基于EOS/MODIS资料的太湖藻类动态模拟

建立了太湖藻类生长的动态模型,并将其与水动力模型和水质模型相耦合,利用2001年7～8月太湖的实测资料对模型进行了率定。借助该模型,对2004年8月太湖水体中TN、TP的变化以及藻类生长过程进行了模拟。利用中分辨率成像光谱仪EOS/MODIS的数据对太湖叶绿素a浓度进行遥感定量,将遥感监测数据和模型计算结果进行了比较。结果表明:该模型可进行风生湖流、TN、TP的模拟,以叶绿素a浓度描述的藻类浓度的模拟值能较好地拟合遥感监测值,且遥感监测图和模型模拟图所反映的全太湖叶绿素浓度分布基本一致。最后根据遥感和模拟对太湖全区的藻类分布作了具体的分析。     

辽东湾MODIS生物光学算法研究(Ⅰ)算法适用性评估

辽东湾是典型的复杂二类水体,我们利用2002～2004年在辽东湾现场实测的叶绿素a数据(分光法、荧光法和HPLC法),以及水面之上法现场实测的离水辐射率和遥感反射率数据模拟的MODIS各相应波段值对MODIS海洋水色算法进行了评估.评估的MODIS生物光学算法有四个,即CZCS_pigm、chlor_MODIS、chlor_a_2和chlor_a_3算法.结果表明,两个一类水体生物光学算法(CZCS_pigm和chlor_MODIS)反演值与分光法和荧光法测试分析结果相比,算法均低估了叶绿素a浓度,与HPLC分析结果相比算法高估了叶绿素a浓度;两个二类水体算法(chlor_a_2和chlor_a_3)与所有叶绿素a分析方法相比,均高估了叶绿素a浓度.根据MODIS生物光学算法在辽东湾的具体表现,我们认为HPLC法分析的叶绿素a浓度更适合于作为海洋水色算法评估的现场检验依据.叶绿素a浓度的反演值和实测值之间较低的相关系数则显示MODIS两个一类水体算法所采用的波段比值不适合本海区.     

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.     

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.     

辽东湾MODIS生物光学算法研究(I) 算法适用性评估

辽东湾是典型的复杂二类水体,我们利用2002~2004年在辽东湾现场实测的叶绿素a数据(分光法、荧光法和HPLC法),以及水面之上法现场实测的离水辐射率和遥感反射率数据模拟的MODIS各相应波段值对MODIS海洋水色算法进行了评估。评估的MODIS生物光学算法有四个,即CZCS_pigm、chlor_MODIS、chlor_a_2和chlor_a_3算法。结果表明,两个一类水体生物光学算法(CZCS_pigm和chlor_MODIS)反演值与分光法和荧光法测试分析结果相比,算法均低估了叶绿素a浓度,与HPLC分析结果相比算法高估了叶绿素a浓度;两个二类水体算法(chlor_a_2和chlor_a_3)与所有叶绿素a分析方法相比,均高估了叶绿素a浓度。根据MODIS生物光学算法在辽东湾的具体表现,我们认为HPLC法分析的叶绿素a浓度更适合于作为海洋水色算法评估的现场检验依据。叶绿素a浓度的反演值和实测值之间较低的相关系数则显示MODIS两个一类水体算法所采用的波段比值不适合本海区。     

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.     

太湖叶绿素a浓度时空分异及其定量反演

利用2005年实测叶绿素a浓度数据分析了太湖叶绿素a浓度的时空分布特征,并利用同步光谱数据,分季节对太湖叶绿素a浓度的反演模型进行研究,从而分析叶绿素a的时空变化对反演模型的影响.首先分析1a内叶绿素a浓度随时间的变化规律,然后利用反距离加权插值法绘制叶绿素a浓度不同季节空间分布图,分析叶绿素a浓度在不同季节的空间分布规律,在此基础上分春、夏、秋3个季节和中营养化、轻度富营养化、中度富营养化、重度富营养化4个营养状态进行叶绿素a浓度定量反演模型研究.结果表明,太湖叶绿素a浓度具有明显的时空分布特征.夏季叶绿素a浓度最高,冬季最低,平均浓度分别为56.29μg/L、13.61 μg/L.秋季由于受到夏季高浓度的影响,叶绿素a浓度高于春季,平均值分别为26.43μg/L、34.78μg/L;夏季叶绿素a浓度空间变化最大,冬季全湖叶绿素a浓度含量较为均一,空间变化不明显,秋季空间差异要大于春季;全年北部湖区的空间差异较大,而南部湖区相对较小.不同季节叶绿素a反演算法模型不同,春、秋季波段比值法反演效果较好;而夏季微分法反演效果明显好于其它反演算法,不同营养状态条件下反演算法差异相对较小.     

太湖叶绿素a浓度预测模型初探

以太湖2005年的监测资料为基础,运用多元统计回归和BP人工神经网络方法构建模型,探求叶绿素a与水深、水温、营养盐等10项环境因子之间的关系,通过验证发现BP模型对叶绿素a浓度的拟合值与叶绿素a浓度的实测值之间的均方误差为220．3059,优于统计回归模型的235．4569;此外对两种模型进行了灵敏度测试,结果都显示总磷不是太湖叶绿素a浓度的限制因子,而水深、水温、总氮的变化对叶绿素a浓度影响显著。本研究对太湖叶绿素a浓度预测模型的建立是十分有意义的。     

基于RVI分区的淀山湖蓝藻暴发期叶绿素a的遥感估测

以淀山湖为研究区域,利用MODIS数据探讨蓝藻暴发期叶绿素a质量浓度〔ρ(Chla)〕的遥感估算方法.为了提高估算精度,解决蓝藻暴发期因ρ(Chla)差异较大而产生的估测模型的参数适应性问题,引入比值植被指数(Ratio Vegetation Index,RVI)分类法,将RVI＞0.95的区域界定为高蓝藻含量水体,将RVI≤0.95的区域界定为较清洁水体,并基于分区分别建立遥感估算模型.结果表明,分区后MODIS数据叶绿素a估测模型能更好地映射ρ(Chla)的变化,基于RVI的分类估算方法可以有效地提高淀山湖水体蓝藻暴发期ρ(Chla)的估算精度.      

秦皇岛海域微微藻褐潮遥感监测方法初探

微微藻褐潮在我国是一种新出现的海洋生态灾害。本文针对秦皇岛海域微微藻褐潮高发区,探讨利用卫星遥感技术监测微微藻褐潮的可行性。首先利用MODIS数据反演秦皇岛海域叶绿素a（Chl a）浓度和海面温度（SST）判别水色异常区域,然后通过HJ-1号卫星真彩色影像中褐潮水体与非褐潮水体之间的水色差异,综合判读褐潮,最后以2014年5月秦皇岛海域的卫星遥感数据为实验数据进行实例研究。结果表明,当Chl a≥2.5 mg/m3和15℃≤SST≤25℃时为海水水色异常阈值,并且褐潮水体在HJ-1号卫星真彩色影像中呈明显的黄绿色,该综合判别法用于微微藻褐潮监测是可行的,这为进一步开展微微藻褐潮业务化监测奠定了基础。     

中水回用对社区景观水体叶绿素a变化的影响

由于中水的营养盐含量较高,以中水为补水水源的社区景观水体存在较大的水华暴发风险.基于中水回用于景观水体的换水控制实验,建立了中水景观水体的富营养化模型,模拟了连续换水时和终止换水后叶绿素a的变化过程,分析了中水水质和换水周期对水体藻类生长的影响.结果表明,提高中水水质可以降低水体的叶绿素a峰值;在连续换水期,随着换水周期的缩短, 水体的叶绿素a峰值降低,并且从开始换水至达到峰值的时间增长;在连续换水期后终止换水,叶绿素a会重新达到峰值,并且原来的换水周期越短,水体的叶绿素a峰值反而越高,达到峰值所需时间越长.模型应用可为中水回用于社区景观水体的水量水质设计与维护提供依据.     

基于支持向量机的太湖梅梁湾叶绿素a浓度预测模型

以梅梁湾2010年4月至2011年12月的监测数据为基础,选取太阳总辐射、综合消光系数、水温、总无机氮、pH和当前的叶绿素a浓度等作为输入变量,以7d后的叶绿素a浓度作为输出变量,运用支持向量机(SVM)建立了针对"三号标"监测点的叶绿素a浓度预测模型,并进行了输入变量的敏感性分析.通过模拟值和实测值的对比分析发现,该模型能较好地预测7d后叶绿素a的浓度变化情况.模型输入变量的敏感性分析结果表明,当前的叶绿素a浓度是影响预测结果的最重要因子,然后依次为pH、太阳总辐射、综合消光系数、水温和总无机氮.     

基于中巴地球资源1号卫星的太湖表层水体水质遥感

利用CBERS 1的CCD数据和准同步地面监测数据,结合水体组分的光谱特征,建立了太湖表层水体叶绿素a和总氮的遥感信息模型.将模型用于2000 09 16太湖表层水体,所得结果较客观地反映了叶绿素a和总氮的分布趋势,表明利用CBERS 1的CCD数据进行湖泊表层水体水质指标监测具有重要的现实意义和应用前景.由于地面监测站位有限,模型在浅水草型湖泊———东太湖的适用性受到一定限制,说明同步性好、覆盖广的地面监测对于水质遥感信息模型的准确性和适用性至关重要.     

基于环境一号卫星的太湖叶绿素a浓度提取

综合环境一号小卫星的CCD数据和同步地面水质监测数据,发现可见光红波段与近红外波段的波段组合与叶绿素a实测浓度存在较高相关性,并以此为基础建立了3个提取水体表层叶绿素a浓度的遥感信息模型.经验证分析,基于近红外波段与红波段比值的模型用于叶绿素a浓度反演提取的精度良好,RMSE达到了6.04mg/m3.将该模型应用于环境一号卫星CCD数据,生成了2009年5~12月共8幅太湖水体叶绿素a浓度分布图,并对其进行了时空分析,结果符合实际,并与以往的研究结果相一致.但模型不适用于水生植被覆盖较多区域叶绿素a浓度估算.     

大鹏湾近岸海域叶绿素a的时空分布特征

根据2015年度大鹏湾近岸海域5个海洋环境浮标的在线监测数据,分析大鹏湾海域海水中叶绿素a（Chl a）的时空分布特征及其与主要水质参数的相关关系。结果表明大鹏湾Chl a含量在春、夏、秋季较高,而冬季较低,实测最大值为82.23 μg/L;受水动力环境及陆源排放影响,终年沙头角附近海域的Chl a含量明显高于其他区域。Pearson相关分析结果表明,大鹏湾海域Chl a含量与水温呈现正相关关系,但与盐度不存在显著意义的相关关系。总体来看,Chl a含量的时空分布受陆地径流、外源输入和养殖环境状况等的共同影响。     

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.