基于GOCI影像的太湖水体漫衰减系数遥感反演

漫衰减系数是水体光学中的一个重要参数.采用2006~2009年的太湖野外实测数据,分析了太湖水体漫衰减系数光谱特性及其影响因子,在此基础上,结合GOCI传感器数据,分别构建漫衰减系数经验模型和半分析模型,寻找适合GOCI影像的太湖漫衰减系数反演模型,并分析太湖水体漫衰减系数的时空变化特征.结果表明:1太湖水体漫衰减系数主要受非色素颗粒物吸收主导,以GOCI第4、5、7波段构建的多元线性模型反演漫衰减系数,效果最好;2太湖水体漫衰减系数值域主要分布在0~15 m-1,大体可以分为3个等级,低值区:0~4 m-1,中值区:4~8 m-1,高值区:8~15 m-1,部分高值区高于15 m-1;3太湖水体漫衰减系数存在一定时空差异性,从空间上来说,太湖水体漫衰减系数呈现一定的梯度性,从东部到西部逐渐变高;从时间上来说,早上太湖漫衰减系数相对较高,从上午到下午,大体上呈现逐渐降低的趋势.     

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.     

利用GOCI卫星数据开展秦皇岛海域叶绿素a浓度反演

利用2016年4月23日、4月24日、6月1日和7月6日采集的水体实测数据及同期的GOCI（Geostationary Ocean Color Imager）卫星遥感影像,开展秦皇岛海域的叶绿素a（chlorophy a,Chl a）浓度研究。通过归一化暗像元指数（normalized dark pixel index,NDPI）对影像8个波段组合的辐射率与Chl a浓度进行相关性分析,选择相关系数≥70%的波段组合作为自变量,构建Chl a浓度反演模型（R2=0.956）。经独立时相实测数据检验,模型平均相对误差为25.3%。利用该模型反演秦皇岛海域2017年12月—2018年11月的Chl a浓度,结果显示,秦皇岛海域近岸的Chl a浓度总体较高,秋、冬季节总体浓度较低,夏季出现浓度峰值。     

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.     

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.     

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.     

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.     

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.     

鄱阳湖表层水体总磷含量遥感反演及其时空特征分析

总磷是湖泊水质参数中的主要指标,从遥感数据中获得其时空上的分布信息对于理解、管理和保护湖泊生态系统是必要的。通过2009 年4 月至12 月对鄱阳湖湖区和五河入口的表层水体进行采样分析,利用直接遥感反演算法和间接遥感反演算法,结合MODIS遥感数据择优反演鄱阳湖表层水体的总磷含量,同时分析总磷含量的时空特征和变化规律。结果表明：①从实验数据分析可知,总磷TP与总悬浮物浓度相关性较好,间接反演算法能够得到较好的反演结果;②TP是鄱阳湖水质的主要污染指标之一,TP含量在丰水期、平水期、枯水期三个时期呈上升趋势;③鄱阳湖三个时期TP含量的空间变化明显,中心湖区TP含量相对整个湖区较低,主航区和五河入口TP含量为全湖最高区域,常年处于高含量状态。     

应用遥感技术监测和评价太湖水质状况

利用遥感信息和有限的实地监测数据建立了太湖水质参数预测模型 ,该方法可以用于太湖水质污染的预测、分析和评价 ,能够较好地反映水质的空间分布特征 ,尤其适合于大范围水域的快速监测 .研究结果表明 ,利用单波段、多波段因子组合以及主成分分析等手段可以使遥感信息得到更充分的利用 ,从而使预测结果更加精确 .预测结果显示 ,太湖流域已经呈现了严重的富营养化趋势 ,且空间分布不均衡 .东太湖以及靠近无锡和苏州的湖体附近相对污染更为严重 .     

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.     

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。     

2008～2012年洱海总磷、总氮变化分析

根据大理州环境监测站2008～2012年洱海总磷、总氮监测结果的统计和分析,得出洱海总磷、总氮的变化周期、变化幅度和总磷不再是洱海达到水功能类别限制因子的结论。     

太湖湖滨带底泥氮、磷、有机质分布与污染评价

采集了环太湖湖滨带表层(0~10cm)底泥,研究分析了湖滨带底泥中有机质(OM)、总氮(TN)、总磷(TP)的空间分布特征,并对太湖湖滨带底泥进行营养评价.结果表明,湖滨带底泥中OM含量在1.42%~9.96%之间,空间分布趋势为:东太湖>竺山湾>贡湖>梅梁湾>南部沿岸>东部沿岸>西部沿岸; TN含量在458~5211mg/kg之间,空间变化趋势为东太湖>竺山湾>东部沿岸>贡湖>南部沿岸>梅梁湾>西部沿岸; TP含量在128.56~1392.16mg/kg之间,空间变化趋势为竺山湾>梅梁湾>东太湖>南部沿岸>贡湖>东部沿岸>西部沿岸,OM与TN分布趋势相似,TN与OM之间极显著正相关(r = 0.903, P<0.01),TP与OM之间弱相关(r = 0.073, P<0.332).结合综合污染指数和有机指数评价法可知,太湖湖滨带底泥环境质量整体较好,氮、磷污染除东太湖和竺山湾属重度污染外其他各区属轻中度污染;有机污染除东太湖外大部分区域属较清洁区.