共查询到16条相似文献,搜索用时 62 毫秒
1.
环境一号卫星在大型水体水环境监测与评价中具有独特的优势。为探求遥感影像在水体叶绿素a浓度反演中的应用,基于环境一号卫星CCD数据和同步实测叶绿素a浓度值,通过影像辐射定标、大气校正和几何精校正等预处理获取水体反射率,分别将单波段和不同特征波段组合的反射率与实测叶绿素a值进行皮尔逊相关分析,选取R20.8的波段组合进行建模,通过对3种波段组合反演结果对比和精度验证,发现基于CCD数据第4波段与第3波段反射率比值的二次模型具有良好的反演效果,模型预测值与实测值的最小相对误差为0.76%,平均相对误差10.99%,均方根误差为0.007 6 mg/L,明显低于实测叶绿素a浓度的平均值;最后基于该模型实现了太湖叶绿素a浓度反演,并对叶绿素a的时空分布进行了初步分析。 相似文献
2.
3.
4.
不同方法估算太湖叶绿素a浓度对比研究 总被引:10,自引:2,他引:8
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. 相似文献
5.
综合利用大洋河河口海域水体调查的实测数据及环境一号CCD影像数据,进行了该区域营养盐反演研究.结果表明,对数函数拟合NO2--N与Rrs(Band2)效果最佳,而线性函数拟合NH4+-N与Rrs(Band2)、NO3--N与Rrs(Band1)、TIN与Rrs(Band1)效果最佳,相关性R2分别可达0.939、0.935、0.945、0.970,未发现较佳的PO43--P反演模型;营养盐在可见光波段并非光敏感性物质,其与等效遥感反射率存在相关性的主要原因在于河口海域陆源输入物质典型的扩散特征,使得营养盐与某些水色参数存在较高的相关性,NO2--N、NH4+-N、NO3--N以及TIN与有色溶解性有机物吸收系数ag(400)的相关性R2分别可达0.836、0.808、0.786、0.854,这决定了在河口海域进行营养盐遥感反演的可行性;从卫星产品专题图可看出,大洋河河口海域NO2--N、NH4+-N、NO3--N以及TIN都存在一个明显的高值区,该高值区营养盐浓度由河口向外逐渐降低,直至外海最低. 相似文献
6.
太湖叶绿素a浓度预测模型初探 总被引:2,自引:0,他引:2
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。 相似文献
7.
基于高分一号(GF-1)遥感影像以及水体实测样点数据,运用波段对数组合,以千岛湖为研究对象,构建和择优了叶绿素a浓度反演模型,对2013~2019年千岛湖区域水体叶绿素a浓度值进行了估算,并利用变异系数、Mann-Kendall显著性检验模型、Theil-Sen趋势分析模型对其时空变化特征进行了分析.研究表明,基于波段对数组合的反演模型可用于千岛湖清洁水体叶绿素a浓度值的反演(R2=0.8976);年际变化分析发现,在研究期限内,千岛湖水体叶绿素a浓度平均值维持在较低水平,近94%的水体像元叶绿素a浓度小于3.65μg/L,水质较佳;时空动态分析进一步发现,千岛湖水体叶绿素a浓度值大都经历了较为微小的波动变化,其中,有超过67%的水体像元浓度值呈现出微小的增长趋势,在分布上也呈现出一定的空间格局形态. 相似文献
8.
基于高分一号(GF-1)遥感影像以及水体实测样点数据,运用波段对数组合,以千岛湖为研究对象,构建和择优了叶绿素a浓度反演模型,对2013~2019年千岛湖区域水体叶绿素a浓度值进行了估算,并利用变异系数、Mann-Kendall显著性检验模型、Theil-Sen趋势分析模型对其时空变化特征进行了分析.研究表明,基于波段对数组合的反演模型可用于千岛湖清洁水体叶绿素a浓度值的反演(R2=0.8976);年际变化分析发现,在研究期限内,千岛湖水体叶绿素a浓度平均值维持在较低水平,近94%的水体像元叶绿素a浓度小于3.65μg/L,水质较佳;时空动态分析进一步发现,千岛湖水体叶绿素a浓度值大都经历了较为微小的波动变化,其中,有超过67%的水体像元浓度值呈现出微小的增长趋势,在分布上也呈现出一定的空间格局形态. 相似文献
9.
10.
基于支持向量机的太湖梅梁湾叶绿素a浓度预测模型 总被引:5,自引:3,他引:5
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. 相似文献
11.
环境一号卫星CCD相机应用在陆地气溶胶的监测中,因缺少短波红外通道,使地表反射的去除变得异常困难.应用改进的暗目标法,利用辐射传输方程(6S)构建查找表,对CCD相机数据进行图像重采样和辐射定标处理,进而对查找表进行插值,获得气溶胶光学厚度(AOD)分布.通过AERONET地基数据的验证及与MODIS气溶胶产品的对比表明,环境一号卫星CCD相机对陆地气溶胶的监测结果在AOD较大(>0.2)时,精度与MODIS相近;在AOD较小(<0.2)时,结果欠理想. 相似文献
12.
以生态系统健康及压力-状态响应模型作为研究方法,设计了一套基于环境一号卫星CCD数据的自然保护区生态系统健康评价评价方法、指标体系和技术流程.同时选择向海湿地自然保护区为示范区,以环境一号卫星CCD影像为数据源, 对指标, 对其生态系统健康现状进行了评价.结果表明,向海湿地自然保护区生态系统相对不健康、中等健康、较健康和相对健康的区域面积分别占整个自然保护区总面积的46.49%、18.02%、21.18%、14.31%,整个自然保护区生态系统健康水平一般,人类干扰严重,组织结构不太合理.向海湿地自然保护区生态系统健康水平一般的主要原因是人类活动日益增强和年降水量明显减少. 相似文献
13.
基于环境减灾卫星遥感数据的呼伦贝尔草地地上生物量反演研究 总被引:6,自引:2,他引:4
推动国产遥感卫星在资源环境领域中的应用对于促进我国航天事业发展、减少科研成本具有重要意义。我国近期发射的环境减灾卫星具有时间分辨率高、可获得高光谱影像的特点,在陆地资源遥感监测领域将有广阔发展空间。研究于2009年夏季获得三景呼伦贝尔草原区遥感影像和对应地面实测草地生物量信息,基于这些数据探讨了利用环境减灾卫星多光谱影像和植被指数反演草地生物量的可行性。结果表明基于影像提取的NDVI、OSAVI、MSAVI、SAVI、EVI、MTVI2、WDRVI和GNDVI等光谱指数均与草地生物量有较好的定量关系。其中,MTVI2结果最好,预测决定系数达0.61,交叉检验决定系数为0.58,均方根误差仅为58.6 g.m-2,基于MTVI2和环境减灾卫星多光谱影像可准确生成草地生物量空间分布图。 相似文献
14.
基于环境一号卫星CCD数据的洞庭湖夏季富营养状态评价 总被引:2,自引:1,他引:2
利用环境一号卫星数据,系统地分析洞庭湖富营养状态的年际时空变化特征.通过星地同步地面实验,建立起洞庭湖水体的叶绿素a浓度遥感反演模型、富营养状态评价模型.利用2009到2013年8月的多期环境一号卫星CCD数据,对洞庭湖富营养状态进行动态监测和分析.结果表明:1洞庭湖区主要以中营养为主.2009到2013年富营养化水体占全湖的面积分别为48.57%、63.84%、51.10%、35.27%、52.10%.2010年富营养化水体占全湖面积比最大,其次是2013年.2洞庭湖富营养水体主要集中在大小西湖、东洞庭湖西部及内湖地区.2009年到2013年大通湖和南湖这两个典型内湖重度富营养水体占全湖的面积比都在逐年下降,水质有好转的趋势. 相似文献
15.
以2009~2019年HJ-1A/B卫星多光谱数据和对应日期的实测数据为数据源,通过预处理提取出各波段组合反射率并与实测叶绿素a浓度数据进行统计相关性分析,选取相关性最高的波段组合作为特征变量与2/3的实测叶绿素a浓度数据进行建模,并用剩下的1/3实测叶绿素a浓度数据进行精度验证以确定最佳遥感反演模型,最后根据最佳反演模型对2009-2019年的香港近海海域叶绿素a浓度进行反演,明晰该海域近10年的叶绿素a浓度时空变化特征.结果表明:利用HJ-1A/B卫星多光谱数据反演香港近海海域叶绿素a浓度的最佳波段组合为第3波段和第2波段比值(B3/B2),相关系数(r)为0.893;最佳反演模型为利用B3/B2构建的e指数回归模型(Chl=0.004e6.693(B3/B2)),决定系数(R2)为0.934,均方根误差(RMSE)为0.255μg/L,平均相对误差(RPD)为25%;近10年香港近海海域的叶绿素a浓度时空变化特征:空间上整体呈现“东高西低,由东向西逐渐减小”的分布特征,西部海域比东部海域平均浓度低5μg/L左右;2017年内呈“春低秋高,夏升冬降”的随季节变化特点,其中秋季最高,夏春两季次之,冬季最低. 相似文献
16.
利用高光谱反演模型评估太湖水体叶绿素a浓度分布 总被引:2,自引:1,他引:2
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. 相似文献