基于OLCI数据的福建近海悬浮物浓度遥感反演

悬浮物（TSM）是评估水质的重要指标,也是水色遥感反演的核心参数之一.海陆色度仪（OLCI）是新一代海洋水色传感器,具有良好的光谱及时空分辨率.为有效监测福建近海悬浮物浓度的时空变化,本文结合OLCI遥感数据和现场实测悬浮物浓度数据,使用CatBoost、随机森林和多元回归方法,分别构建悬浮物浓度反演模型,最后使用验证集对比分析不同模型的反演精度.结果表明,CatBoost模型估算精度最高,均方根误差（RMSE）为2.76 mg·L^-1,平均绝对百分比误差（MAPE）为23.67%,决定系数R²为0.89.使用CatBoost模型对2017—2018年多时相OLCI影像进行TSM浓度遥感反演,结果发现,福建近海TSM浓度变化显著,但总体呈现近岸高于远岸、北部高于南部、江河入海口和港湾处高于周围其他海域、春季高于夏季的时空分布特征.本研究可为福建近海的悬浮物浓度监测提供一种有效的方法,也进一步证明了OLCI影像良好的水色反演能力,可作为水质监测的有效遥感数据源.     

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。     

基于Sentinel-3 OLCI影像的秦皇岛海域悬浮物浓度遥感反演

基于2013~2021年期间秦皇岛海域遥感反射率、悬浮物浓度及叶绿素a浓度等实测数据,开展了该海域Sentinel-3 OLCI影像的悬浮物浓度遥感反演模型研究.结果表明,文献中常用的典型经验模型形式均不适用于秦皇岛海域,以490、620及708.75nm为悬浮物反演的敏感波段,以560nm为参比波段,将各敏感波段与参比波段的比值作为自变量,最终建立了适用于秦皇岛海域的Sentinel-3 OLCI四波段悬浮物浓度遥感反演模型（R²=0.69,MAPE=24.79%,RMSE=2.82mg/L）;并采用2021年7月24日Sentinel-3 OLCI影像进行悬浮物浓度遥感反演产品的真实性检验,得到反演值与实测值的平均相对误差为13.24%.将上述四波段模型用于2021年1~12月秦皇岛海域的Sentinel-3 OLCI影像,反演得到月均悬浮物浓度,发现秦皇岛海域悬浮物浓度整体呈现沿岸海域高、离岸海域低,秋冬季高、春夏季低的时空变化特征;且2018~2021年秦皇岛海域悬浮物浓度的年均值逐年递减,水体越来越澄清.     

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.     

来宾红水河珍稀鱼类保护区水质指标相关性研究

借助SPSS统计分析软件,选择来宾红水河珍稀鱼类保护区水质指标中水温、pH、DO、COD_(Mn)、NH_3-N、NH_3、TN、TP、Chl-a进行Pearson相关分析。为水质监测人员和数据审核提供参考,提高数据质量,同时便于通过相关关系的改变及时了解水质的变化。结果表明,Chl-a与环境因子具有较密切的相关关系,其中,Chl-a与TN、TP表现为负相关关系,Chl-a与NH_3-N、NH_3为显著正相关,相关系数分别为0.30、0.41;Chl-a与水温、pH、DO均存在不同程度的正相关;Chl-a与COD_(Mn)呈极显著正相关,相关系数为0.44。N/P变化范围是7.4~166.1,属于磷限制性水域。营养盐与其他环境因子之间也存在某些较稳定的相关关系,其中,TP和pH极显著负相关,相关系数为-0.52;NH和3pH、NH_3和DO、NH_3-N和DO极显著正相关,相关系数分别为0.51、0.77、0.75。NH_3和NH_3-N相关系数达到0.72。DO和水温极显著负相关,相关系数为-0.44,和pH极显著正相关,相关系数为0.33,和COD_(Mn)呈负相关趋势。     

贻贝养殖区悬浮颗粒物浓度的卫星遥感反演研究

悬浮颗粒物(total suspended matter,TSM)是重要的水环境参数,影响着海水的透明度和初级生产力,因此总悬浮颗粒物的监测对于海洋牧场环境的评价具有重要意义。卫星遥感技术具有显著的时空观测优势,但目前尚无专门针对海洋牧场小尺度海域的TSM遥感产品。本研究以浙江嵊泗枸杞岛贻贝养殖区为研究对象,基于春、夏、秋、冬4个季节的调查实测数据,建立了面向Landsat-8卫星遥感影像的TSM浓度定量反演模型。验证结果表明,反演模型具有良好的估算精度,决定系数R²为0.72,均方根误差为6.59 g/m³,绝对偏差为0.72 g/m³,平均绝对百分误差为29.8%;进一步将其用于2021-2022年春、夏、秋、冬4个季节的Landsat-8影像,反演了贻贝养殖区及毗邻海域的TSM浓度遥感产品,分析了其时空变化特征。     

海口市臭氧浓度统计预报模型的构建与效果评估

主要利用2015～2020年海口市臭氧(O₃)浓度资料和ERA5再分析资料,基于污染物浓度控制方程挑选出海口市O₃-8h浓度(日最大8 h滑动平均)的15个关键预报因子,构建了多元线性回归模型(MLR)、支持向量机模型(SVM)和BP神经网络模型(BPNN),并对2021年海口市O₃-8h浓度进行预测和效果检验.结果表明,O₃-8h浓度与关键预报因子的相关系数绝对值主要分布在0.2～0.507之间,其中1 000 hPa的相对湿度(RH1000)和风向(WD1000),875 hPa的经向风(v875)的相关系数绝对值超过了0.4,具有较好的指示作用. 3个预报模型基本能预报出海口市O₃-8h浓度冬半年偏高,夏半年偏低的变化趋势,其中BPNN模型的标准误差(RMSE)数值最小(22.29μg·m^-3).实测值与3个统计模型预报值的相关系数从大到小排列为：0.733(BPNN)>0.724(SVM)> 0.591(MLR),均通过了99.9%的信...     

查干湖和新立城水库秋季水体悬浮颗粒物和CDOM吸收特性

分别于2012年9月对不同盐度水体的查干湖和新立城水进行水体野外采样和室内实验分析,通过测定颗粒物、CDOM等光学活性物质的吸收系数来对比分析两种水体的光学活性物质的吸收特性、来源及其在400~700 nm范围内对总吸收系数的贡献.结果表明,综合营养状态评价指数显示秋季查干湖、新立城水库水体属于中等富营养化,总悬浮颗粒物的吸收光谱表现均与色素类颗粒物吸收光谱相似.对于盐度较大的查干湖水体(EC=988.87μS·cm~(-1)),非藻类颗粒物占主导地位,各组分贡献率为非藻类颗粒物色素颗粒物CDOM;而盐度较低的新立城水库水体(EC=311.67μS·cm~(-1)),色素颗粒物贡献率略大于非藻类颗粒物贡献,各组分贡献率依次为:色素颗粒物非藻类颗粒物CDOM.查干湖总悬浮颗粒物吸收系数α_p(440)、α_p(675)和非藻类颗粒物吸收系数α_d(440)分别与TSM(总悬浮颗粒物)、ISM(无机悬浮颗粒物)和OSM(有机悬浮颗粒物)、Chl-a(叶绿素a)相关性均较好,相关系数在0.55以上;新立城水库α_p(440)、α_p(675)与Chl-a相关性较好(0.77和0.85,P0.05),α_d(440)与ISM具有相关性(0.74,P0.01),与OSM表现为负相关(-0.63,P0.05).查干湖CDOM吸收系数a_g(440)仅与OSM表现为负相关性(-0.54,P0.05),而新立城水库α_g(440)与其他参数均无相关性.通过对CDOM吸收曲线在250~400 nm的拟合所得到的S_g以及相对分子量M_r发现,查干湖的S_g[(0.021±0.001)m~(-1)]大于新立城的S_g[(0.017 6±0.001)m~(-1)],而CDOM的相对分子量M_r值分别为11.44±2.00(7.5~15.09)、7.53±0.79(6.17~8.89),查干湖M_r值高于新立城水库水体,表明查干湖CDOM组成较新立城水体中CDOM的分子量小,组成更趋向于小分子.查干湖受风速和湖岸坍塌的影响产生矿物悬浮、沉积微粒,水体颗粒物以非藻类为主,部分来自于浮游植物降解产物;新立城水库水体不仅有径流携带的陆源性无机物的输入,同时水体浮游植物生长减弱且微生物分解活动加强,降解有机颗粒物与非藻类吸收系数呈现负相关.     

引江济巢对巢湖的水环境影响分析

建立了巢湖一维水质模型DYRESM-CAEDYM,并利用2005年的实测水质、水文、气象等数据对模型进行了参数率定,确立了适用于巢湖水环境特征的水质模型参数. 应用该模型模拟了调水对巢湖TN,TP和Chl-a指标的影响,结果表明,年调水量为9.57×108 m3时可使巢湖的ρ(TN)和ρ(TP)下降约16%和19%,ρ(Chl-a)峰值从51.42 μg/L降至38.96 μg/L,ρ(Chl-a)超过30 μg/L的天数从26 d减少到16 d,对巢湖夏季蓝藻暴发具有一定的缓解作用. 对比分析了流域污染综合治理对巢湖水环境的改善效果,结果显示,如果各支流的入湖污染负荷能够削减5%,同时开展底泥清淤工作,可使巢湖的ρ(TN)和ρ(TP)得到较大程度的改善,与没有治理的情况相比分别降低约24.9%和33.3%,使巢湖夏季的ρ(Chl-a)峰值从51.42 μg/L降至32.72 μg/L,ρ(Chl-a)超过30 μg/L的天数从26 d减少到7 d.      

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。     

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MERIS影像的洪泽湖叶绿素a浓度时空变化规律分析

叶绿素a(Chl-a)浓度是衡量藻类生物量及评价水体营养状态的重要指标.基于洪泽湖2016年7月、2016年12月共49个实测水质参数与同步光谱数据,验证了5种可应用于MERIS/OLCI数据的Chl-a遥感估算模型(包括波段比值模型、三波段模型、FLH模型、MCI模型以及UMOC模型)在洪泽湖水域的适用性.结果表明,UMOC模型是最适用于洪泽湖水域的Chl-a浓度估算模型,其平均相对误差为32.30%,低于波段比值模型的75.17%,三波段模型的62.44%,FLH模型的45.87%和MCI模型的56.95%.进而利用UMOC模型,结合MERIS数据,获取了洪泽湖2002~2012年Chl-a浓度遥感估算产品,并分析了洪泽湖Chl-a浓度的时空变化规律.洪泽湖Chl-a浓度具有明显的时空差异性.依据水体像元长时间序列月平均Chl-a浓度的差异,将洪泽湖水体分为了区域A、区域B和区域C这3种类型.区域B和区域C水体无明显的变化趋势,区域A则显著增加.与气象因子的相关性分析表明,区域B和区域C年平均Chl-a的波动主要受年降水量的影响,反映了该2个区域Chl-a浓度的变化主要受湖流强度的控制,区域A年平均Chl-a浓度的变化与年平均风速呈显著负相关性,风速下降的气候大背景可能会加重这一区域的富营养化程度,威胁南水北调的水质安全.此外,在汛期(7~9月)洪泽湖水体Chl-a浓度与离淮河入湖口的距离呈显著的正相关关系,证明了这一时期淮河对洪泽湖藻类浓度具有明显的抑制作用.     

基于Landsat-8的城市湖泊水体总悬浮物吸收系数的遥感反演——以杭州西湖为例

近年来城市湖泊水质受到广泛关注.总悬浮物(total suspended matter,TSM)是水质和水环境评价的重要参数之一,其直接决定着水下光场分布,进而影响水体的初级生产力.本研究基于在杭州西湖的各湖区收集的遥感反射率(R_(rs),sr~(-1))数据和总悬浮物的吸收系数(a_p(440),m~(-1))进行高光谱建模,比较不同经验函数形式和不同模型输入的效果,得到高光谱下的最佳函数是指数函数,最佳模型输入是B1/B2或(B1-B2)/(B1+B2).其中,当模型输入为B1/B2和(B1-B2)/(B1+B2)时,模型R~20.6,波段B1和B2范围分别是580～690 nm和515～535 nm,及700～720 nm和515～615 nm.参照最佳波段范围和Landsat-8的波段设置,选定Landsat-8红色和绿色波段反演模型.并根据卫星数据验证结果,选定最优模型a_p(440)=51.17e~(-7.75x),x=(OLI3-OLI4)/(OLI3+OLI4),在3幅Landsat-8图像上应用模型,观察西湖TSM的变化.研究结果发现人类活动可能对西湖的TSM有很大的影响,并且我们的研究和结果有望为未来城市湖泊水质管理提供方法、数据和指导.     

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.     

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.     

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MODIS数据的沈阳市PM_(2.5)反演研究

该文利用2014-2015年MODIS L1B数据反演了沈阳市气溶胶光学厚度(AOD),并利用地面观测站的能见度和相对湿度2类常规气象资料数据,对AOD进行标高和湿度订正,在此基础上,建立了PM_(2.5)质量浓度与AOD的关系模型。结果表明:(1)订正前PM_(2.5)质量浓度与AOD相关系数仅为0.208,相关性较低,而订正后相关性显著提高,相关系数从0.208提高到0.69(p0.01),为了进一步分析两者的相关性,对全年数据划分为冬半年和夏半年,它们的相关系数分别为0.66(p0.01)和0.63(p0.01);(2)利用4种不同的函数模拟了PM_(2.5)质量浓度与AOD的关系,冬、夏半年4种模型的均方根误差(RMSE)分别为41.94、52.98、45.27、43.66μg/m~3和18.64、12.61、14.74、30.87μg/m~3。其中冬半年线性模型RMSE最小,夏半年指数模型RMSE最小,说明模型拟合效果较好,可以较为准确地反演地面PM_(2.5)的浓度值。     

环境质量评价与环境监测 环境遥感

X87200701413查干湖富营养化状况高光谱遥感评价研究/段洪涛(中科院东北地理与农业生态研究所)…∥环境科学学报/中科院生态环境研究中心.-2006,26(7).-1219~1226环图X-9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     

粤港澳大湾区大气PM2.5浓度的遥感估算模型

PM_2.5对大气环境和人类健康危害极大,及时准确地掌握高时空分辨率的PM_2.5浓度对空气污染防治起着重要作用.基于粤港澳大湾区2015～2020年多角度大气校正算法(MAIAC)1 km AOD产品、 ERA5气象资料和站点污染物浓度(CO、 O₃、 NO₂、 SO₂、PM₁₀和PM_2.5),分别建立了估算PM_2.5浓度的时空地理加权模型(GTWR)、 BP神经网络模型(BPNN)、支持向量机回归模型(SVR)和随机森林模型(RF).结果表明,RF模型的估算能力优于BPNN、 SVR和GTWR模型,BPNN、 SVR、 GTWR和RF模型的相关系数依次为0.922、 0.920、 0.934和0.981,均方根误差(RMSE)分别为7.192、 7.101、 6.385和3.670μg·m^-3,平均绝对误差(MAE)分别为5.482、 5.450、 4.849和2.323μg·m^-...     

基于TROPOMI的淮河流域大气NO2干沉降估算

基于Sentinel–5P卫星TROPOMI数据,利用随机森林方法反演2018～2020年淮河流域地面NO₂浓度,采用推算法获得淮河流域2018～2020年NO₂干沉降通量,并通过划分不同集水区(水域、农田、城区和植被覆盖区)估算大气NO₂干沉降对淮河流域水体氮素的贡献.结果显示,卫星反演地面NO₂浓度与地面站点实测资料一致性较高,相关系数(R)为0.94,平均绝对误差(MAE)为2.7,均方根误差(RSME)为4.1.淮河流域地面NO₂浓度和NO₂干沉降通量均有明显的季节变化,春夏秋冬4个季节地面NO₂平均浓度分别为13.7,12.2,17.6,23.1μg/m³;NO₂平均干沉降通量分别为1.25,1.13,1.61,2.13kg N/(hm²·a).淮河流域地面NO₂浓度和干沉降通量均表现为南北部高,东西部低.农田区域NO₂