基于高光谱遥感的镉污染潜在风险估算

为探究高光谱遥感快速监测镉污染的可行性,本文利用2002年以来农田土壤重金属镉实测数据,镉的标准原子光谱曲线数据,HSI(Hyperspectral Imaging Radiometer)高光谱遥感卫星数据,选取长江流域10个地区作为研究区,基于随机森林法估算镉污染的潜在风险空间分布值。结果表明:通过原子标准光谱曲线选择特征波段是可行的,能够极大简化特征波段选取流程;随机森林法具有估算土壤重金属镉含量的能力,预测准确度较高;长江流域镉污染超标问题普遍存在,大部分研究区超标率高于8%,其中上游地区镉污染较中下游地区更为严重,上游研究区镉污染超标率均大于20%。     

基于高光谱指数的水稻砷污染胁迫多重判别模型

水稻中过量砷(As)能够影响叶片中叶绿素含量、水分含量以及细胞内部结构,进而改变水稻在光谱上的特征表现.以表征叶绿素、水分含量、细胞结构的NDVI、NDWI、SIPI等9种高光谱指数和实测水稻叶片砷含量数据为基础,利用相关分析、主成分分析和独立变量分析方法,获得诊断指标对水稻砷污染胁迫进行多重光谱判别.结果表明,表征不同生理参数的高光谱指数PSNDa、fWBI、SIPI与水稻叶片砷含量高度相关,可作为砷污染单级光谱诊断参数;主成分因子F1、F2和独立变量因子ICA1、ICA2对水稻砷污染胁迫具有特殊反应,分别作为水稻砷污染胁迫的主成分诊断指标和独立分量诊断指标.综合上述3类诊断参数,构建水稻砷污染胁迫多重判别空间体系即光谱指数诊断空间(PSNDa-fWBI、PSNDa-SIPI、fWBI-SIPI)、主成分诊断空间(F1-F2)和独立变量诊断空间(ICA1-ICA2),从不同层面上综合诊断了实验区水稻砷污染胁迫情况,其中以表征叶绿素和细胞结构的光谱指数空间PSNDa-SIPI与主成分空间F1-F2诊断效果为最佳.     

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.     

基于数据同化的太湖叶绿素多模型协同反演

在国内外众多学者的不懈努力下,开发了大量的水质参数遥感估算反演模型,但不同的模型都具有其"局限性",只能从某个层面反映"真值".基于上述考虑,本研究发展了基于数据同化方法的太湖叶绿素a浓度多模型协同反演算法.利用2006~2009年太湖野外实测水体高光谱遥感反射率数据,构建了7个叶绿素a浓度反演模型;通过模型精度对比,最终遴选出6个适宜的叶绿素a浓度反演模型.进而使用不同模型组合,进行多模型协同反演.结果表明:1多模型协同反演算法的反演精度要高于单模型反演的反演精度,最优MAPE仅为22.4%;2随着参与多模型协同反演的模型个数的增加,其反演精度也逐渐提高,MAPE均值从25.6%降低到23.4%,RMSE均值从15.082μg·L-1降低到14.575μg·L-1,相关系数R均值从0.91提升到0.92;3通过对多模型协同反演产品的置信区间进行计算,可以有效地估算产品精度和误差,同时使得获取全湖反演叶绿素a浓度的误差空间分布情况成为可能.     

天地一体化遥感监测大气污染技术进展

天地一体化遥感监测技术通过地基和卫星融合互补,成为研究大气污染来源、传输和影响的重要方法.但目前国外主导的地基和卫星遥感算法不适应国内复杂大气环境,其数据可靠性尚需验证.为进一步推动国内大气研究自主性,厘清天地一体化遥感监测技术发展现状,对相应的平台建设、算法研发及应用实例进行介绍.结果表明:①可通过地基观测网络实时连续监测大气污染物的浓度（柱总量）/廓线信息,目前国内组建并运行了CNEMC空气质量监测网络和USTC地基遥感网络.②可通过紫外-可见波段卫星载荷获取全球/区域尺度大气污染物的浓度（柱总量）/廓线产品,GF-5搭载的EMI填补了国内该类载荷的空白,基于DOAS（BOAS）的柱总量反演算法、基于OE的垂直廓线反演算法是当下国际主流业务算法.③天地一体化遥感监测技术以高精度、广覆盖、准定位的优势得到快速发展,可为亟需解决的大气污染治理成效评估、作用机理研究、区域传输测算及精准溯源等难题提供技术支持.研究显示,天地一体化遥感监测技术需以应用化和业务化为导向,加快观测平台硬件建设,加强相关反演算法研发,深入融合多平台数据,全面推进大气遥感监测技术的立体化和系统化发展.      

基于陆基遥感研究降雨过程对人民渠水质影响

利用监测频率为1min的陆基高光谱水质遥感监测仪于2021年9月24日～11月18日在四川德阳人民渠对浊度、悬浮物、总磷等关键水质参数开展连续监测,精细刻画了水质分钟级的动态变化特征,并结合逐时降水数据探究了不同雨强对人民渠水质的影响.结果显示:降雨量与浊度(r=0.82,P<0.001)、悬浮物(r=0.88,P<0.001)和总磷浓度(r=0.81,P<0.001)均存在极显著正相关,而降雨量与总氮浓度(r=0.39,P=0.07)存在正相关但相关性不显著.当小雨时,降雨量少,没有形成明显的地表径流,河流水质几乎不受影响;大雨及暴雨时,地表径流的形成造成浊度、悬浮物和总磷浓度显著增加,总氮浓度增长幅度则较为平缓.通过高频水质数据可以精细刻画从高强度降雨发生到引发流域氮磷污染物大通量、脉冲式输入再到水质短期剧烈变化这一关键流域污染过程,研究结果为高强度降雨频发地区和未来极端降雨增加情景下流域的污染物控制和综合治理措施提供科学依据.     

Mapping Invasive Aquatic Vegetation in the Sacramento-San Joaquin Delta using Hyperspectral Imagery

The ecological and economic impacts associated with invasive species are of critical concern to land managers. The ability to map the extent and severity of invasions would be a valuable contribution to management decisions relating to control and monitoring efforts. We investigated the use of hyperspectral imagery for mapping invasive aquatic plant species in the Sacramento-San Joaquin Delta in the Central Valley of California, at two spatial scales. Sixty-four flightlines of HyMap hyperspectral imagery were acquired over the study region covering an area of 2,139 km² and field work was conducted to acquire GPS locations of target invasive species. We used spectral mixture analysis to classify two target invasive species; Brazilian waterweed (Egeria densa), a submerged invasive, and water hyacinth (Eichhornia crassipes), a floating emergent invasive. At the relatively fine spatial scale for five sites within the Delta (average size 51 ha) average classification accuracies were 93% for Brazilian waterweed and 73% for water hyacinth. However, at the coarser, Delta-wide scale (177,000 ha) these accuracy results were 29% for Brazilian waterweed and 65% for water hyacinth. The difference in accuracy is likely accounted for by the broad range in water turbidity and tide heights encountered across the Delta. These findings illustrate that hyperspectral imagery is a promising tool for discriminating target invasive species within the Sacramento-San Joaquin Delta waterways although more work is needed to develop classification tools that function under changing environmental conditions.     

基于实测光谱的海河悬浮物浓度反演研究

悬浮物浓度是评价水质优劣的重要指标之一。以天津滨海新区海河为研究区域,进行光谱数据测量和水体样本采集,并在实验室进行水质参数提取,得到归一化光谱反射率和光谱一阶微分数据。然后对光谱测量数据和悬浮物浓度实测值进行相关性分析,发现896 nm归一化光谱反射率和光谱反射率比值(R_(896)/R_(546))与悬浮物浓度相关性较好。最后,分别建立单波段、波段比值和一阶微分函数拟合模型,进行对比分析。结果表明,基于R_(896)/R_(546)的二次多项式模型拟合效果最好,方差齐性检验(F)值也是最高的,可用于该地区水体的悬浮物浓度反演和预测。     

基于HJ1A-CCD数据的高光谱影像重构研究

遥感影像高光谱重构可以从较少的光谱波段还原出丰富的高光谱信息,为水环境遥感提供更加适用的数据源,对内陆水体水色遥感具有重要意义.利用2009年6月13日获取的HJ1A-HSI和HJ1A-CCD数据,构建HJ1A-CCD数据的高光谱重构模型,重构结果表明:①与地面实测数据相比,重构数据和HJ1A-HSI数据在660～900 nm波长范围内的平均相对误差分别为0.305 1和0.337 7;②重构影像信息熵和平均梯度都高于HJ1A-HSI影像.此外,分别利用HJ1A-HSI数据和重构数据建立叶绿素a浓度的三波段反演模型,发现重构数据能得到更高的反演精度.     

基于稀疏表达的水体遥感反射率高光谱重构及其应用

高光谱重构技术可以有效地突破多光谱卫星传感器波段设置的限制,获得更多更有效的地物光谱信息.本研究基于稀疏表达方法提出了一种针对水体遥感反射率的高光谱重构算法,以太湖、杭州湾的原位水体光谱数据为数据源,在5种常用水色传感器(Sentinel-2A MSI、MERIS、MODIS Aqua、GOCI以及ⅦRS)上进行了高光谱重构实验,最后将该算法应用于GOCI数据,进行了算法适用性验证.结果表明:(1)基于稀疏表达的高光谱重构算法可以在不利用实测光谱数据的情况下实现高光谱重构,光谱重构精度高于多元回归光谱重构算法;(2)基于稀疏表达的高光谱重构算法在5种水色传感器上都取得了较好的效果,平均相对误差均在10%以下,均方根误差均在0.005 sr-1以下;(3)相比于原始GOCI多光谱数据,经稀疏表达高光谱重构后的GOCI数据在叶绿素a浓度和总悬浮物浓度估算精度上有不同程度提升.其中对叶绿素a浓度估算而言,平均相对误差从80.6%减少至51.5%,均方根误差从12.175μg·L~(-1)减少至7.125μg·L~(-1);对悬浮物浓度估算而言,平均相对误差从19.1%减少至18.8%,均方根误差从29.048 mg·L~(-1)减少至28.596 mg·L~(-1).