基于实测光谱的烟台四十里湾水体叶绿素a遥感反演

水体叶绿素a含量是二类水体水色遥感反演的主要参数之一。通过分析烟台近海水体实测反射光谱曲线,选取了特征波段及波段组合,建立了研究区叶绿素a含量遥感反演模型。通过对比不同反演模型可知：三波段模型是烟台近海水体叶绿素a遥感反演的最优模型,决定系数为0?6608,均方根误差（RMSE）为0?59μg／L;其次是归一化荧光高度模型和反射峰面积模型,决定系数分别为0?6213和0?5589,RMSE分别为0?62μg／L和0?67μg／L。     

太湖水体溶解态磷的时空变化特征

对2010年太湖西岸区北段、湖心北区、贡湖、梅梁湾、竺山湾、西岸区南段、湖心南区、南岸区和湖心区9个研究点位水体中的溶解态总磷(TSP)、溶解态反应磷(SRP)和叶绿素a(Chl-a)进行了长达1年的动态监测,全面分析了太湖不同月份、不同区域水体溶解态磷含量的时空动态变化特征及其与藻类生长的相关性。全湖月平均TSP变化范围为(0.027±0.019)~(0.054±0.042)mg/L,SRP变化范围为(0.009 ± 0.006)~(0.035 ± 0.020) mg/L,夏秋季SRP含量高于春冬季。北太湖区溶解态磷含量普遍高于南太湖区,近岸溶解态磷含量高于离岸。各点位年均TSP变化范围为(0.019±0.011)~(0.104±0.038) mg/L,SRP变化范围为(0.009±0.006)~(0.041±0.022)mg/L。全年SRP变异(53.2%)高于TSP(23.4%)、近岸变异高于离岸、表层高于底层。溶解态磷含量日变化特征不明显,外源磷输入影响太湖水体溶解态磷分布。全年中太湖水体TSP、SRP与Chl-a呈显著正相关,相关系数分别为0.313(P<0.01)、0.284(P<0.01)。     

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.     

天山天池夏季叶绿素a的分布及富营养化特征研究

2014年6~8月,对天山天池水体叶绿素a(Chl-a)的分布特征及其与环境因子的相关性进行分析,探讨了天池富营养化状态及成因.结果表明,天池夏季Chl-a浓度变化范围为2.11~4.06μg·L-1,平均值为(2.8±0.69)μg·L-1.不同监测断面Chl-a垂直剖面变化趋势相似,整体表现为表层(0~2 m)和深层(12 m以下)低,中上层(2~12 m)高的特点.天池Chl-a浓度与深度和电导率显著负相关,与水温、p H值、溶解氧、蓝绿藻细胞密度和TP显著正相关,与TN的相关性较小.夏季天池TN和TP平均浓度分别为0.27 mg·L-1和0.035 mg·L-1,超过国际上一般标准的富营养型湖泊的浓度,采用修正的卡尔森营养状态指数评价天池的营养化状况,其目前处于中度富营养化水平.究其原因,可能主要是水土流失导致的营养盐升高,以及水生生物组成改变引起的藻类大量繁殖引起的.所以需从生态恢复和生态管理的角度,进行天池水质和周边植被的保护和恢复,以减缓天池水体富营养化加剧的风险.     

面向GF-1WFV数据的闽江下游叶绿素a反演模型研究

叶绿素a浓度是可直接遥感反演的重要水质参数之一,常用来评价水体的富营养化程度.为建立适合于闽江下游叶绿素a浓度的反演模型,利用地面采样数据,结合GF-1 WFV光谱响应函数,选用多元回归、BP神经网络和随机森林方法,构建了叶绿素a浓度反演模型;并根据验证数据与实测值之间的决定系数(R~2)、均方根误差(RMSE)和平均相对误差对模型反演结果进行了比较.结果发现,随机森林模型的R~2为0.895,RMSE为1.994 mg·m~(-3),平均相对误差为11.502%,是3种模型中最优的.为了评估模型的性能,进一步比较了WFV影像像元反射率反演的叶绿素a浓度值与相应的实测值.结果表明,随机森林模型同样具有较高的精度,其R~2为0.709,RMSE为3.540 mg·m~(-3),平均相对误差为25.616%.本研究可为闽江下游水环境的监测提供一定的理论依据和技术参考.     

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.     

神经网络在次级河流回水区叶绿素a浓度预测中的应用

以长江次级河流之一的临江河为研究对象,探讨神经网络应用于次级河流回水区叶绿素a浓度短期预测的可行性。利用主成分分析法（PCA）选取对叶绿素a浓度影响较大的指标,在这些指标数据的基础上建立RBF神经网络模型。网络训练和测试的结果表明,模型模拟精度较高,说明RBF神经网络模型可以用于次级河流回水区叶绿素a浓度的短期预测。通过对临江河回水区叶绿素a影响因子的分析,表明控制水体中磷含量应是临江河回水区富营养化防治的重点。     

淀山湖浮游植物叶绿素a粒径组成及其与水质因子相关性

于2005年6月至2006年5月对淀山湖小型(20～200μm)、微型(2～20μm)和微微型(<2μm)浮游植物叶绿素a和水质因子进行逐月调查研究。结果表明:小型和微型浮游植物是淀山湖水体年均叶绿素a的主要贡献者,二者贡献率之和为74.79%。淀山湖叶绿素a粒径组成百分比的季节变动与水体浮游植物群落结构季节演替密切相关:小型浮游植物叶绿素a浓度所占百分比春季最高,而微型、微微型的则分别在秋、冬季最高。相关性分析显示,小型、微型浮游植物叶绿素a浓度百分比与NH3-N含量分别呈显著正、负相关,微微型浮游植物叶绿素a百分比与BOD5呈极显著负相关。对应滤食性鱼类等水生动物的食性粒级,探讨了运用非经典生物操纵技术防治淀山湖富营养化的可行性。     

基于MODIS的烟台近海水体叶绿素浓度分布

利用实测光谱数据及水体叶绿素浓度数据建立了基于MODIS数据的叶绿素反演模型,并利用MODIS L1B数据对研究区的叶绿素浓度进行了反演。通过分析烟台近海水体叶绿素浓度分布得出,烟台近海水体叶绿素浓度由沿岸向海延伸,叶绿素的浓度逐渐增加;通过不同月份的叶绿素浓度分布状况发现,夏季水体叶绿素浓度含量最高,冬季最低。     

红枫湖水体中叶绿素a的遥感监测

以地处贵州中部的红枫湖水库为研究区,2010年的ALOS影像为基础,利用B3、B4(三波段和四波段)的乘积影像研究红枫湖水库库区表面的叶绿素a分布情况。结果表明,库区水体叶绿素a浓度在空间分布上呈现自三岔河入水口到北湖逐渐降低,沿岸边向湖中心逐渐降低的态势。探讨了适宜该库区的水体叶绿素a的提取方法,并引入基于费歇尔准则的最优分割算法,利用计算机编程实现了该库区叶绿素a分布水平的最优分划。这一系列针对该库区水体叶绿素a提取、分析和监测的优化方法,对该水源地的污染监测和库区的生态治理有一定的参考价值。