基于实测光谱的珠江口溶解氧反演模型

溶解氧是反映水体污染程度的重要指标,溶解氧的多少直接反映水体的受污染程度.本研究利用实测光谱数据建立珠江口近岸水域溶解氧的定量反演模型,进行珠江口溶解氧含量的反演,结果表明,利用实测光谱一阶微分值建模能提高模型精度.通过Landsat8-OLI遥感影像的第3和第4波段组合构建模型反演珠江口近岸水域的溶解氧的空间分布状况,与实际情况基本吻合,为珠江口近岸水域溶解氧遥感监测提供基础.     

武汉东湖叶绿素a和悬浮物浓度的高光谱遥感反演模型研究

本文以武汉东湖为实验区,以主要水质遥感监测指标叶绿素a和悬浮物为主要研究对象,利用水体光谱数据和同步观测的水质参数浓度数据,研究了东湖叶绿素a和悬浮物定量遥感反演特征波段与波段组合,在此基础上构建了经验模型。     

基于GF-2影像的苏州市区水质遥感监测

城市水体水质遥感监测是治理城市水体水质遥感监测是治理城市水环境污染的重要基础,也是城市生态系统建设的重要组成部分。本文基于GF-2影像,建立城市水体水质参数反演模型,对2015年-2017年苏州市区水体的叶绿素a浓度、悬浮物浓度、透明度三种水质参数进行遥感监测,分析了苏州市城市水体水质参数的时空变化特征并且对苏州市水环境进行了评价。结果表明,苏州市区水体叶绿素a浓度整体偏高,但平均水平逐年降低。各个市辖区城市河道平均叶绿素a浓度相差不大。大型河流湖泊中,虎丘湿地叶绿素a的平均含量在2015年-2017年间均处于最高水平。三年间市区城市河道的平均悬浮物浓度降低明显,悬浮物浓度较高的河道均主要集中在虎丘区。大型湖泊的悬浮物浓度不高,逐年降低明显。盛泽湖的平均悬浮物浓度最低,透明度最高。京杭运河的悬浮物浓度一直保持在最高水平,且变化不大,吴淞江汇入京杭运河部分水体悬浮物浓度偏高。2016年元河塘悬浮物浓度突然增高并在2017年有所降低,但仍高于2015年。透明度的分布变化趋势与悬浮物浓度相反,符合常规规律。苏州市区水质逐年改善,但仍水质情况仍不容乐观。京杭运河、元河塘、虎丘湿地由于人为活动导致水质较差,今后需进行重点监测与治理。其余河流湖泊水质均逐年改善,盛泽湖的水质处于最优水平。根据相关资料查阅,遥感监测苏州市区水体水质情况符合实际情况,GF-2影像能有效地反演城市水体的水质参数信息并显示其分布变化规律。     

基于Landsat-8 OLI与Sentinel-2 MSI传感器的香港近海海域叶绿素a浓度遥感反演

为验证Landsat-8 OLI遥感数据与Sentinel-2 MSI遥感数据监测近海海域叶绿素a浓度可行性,以其为数据源,香港近海海域为研究区域,以半分析模型为方法,挑选与监测点实测叶绿素a浓度采集时间一致且遥感影像云覆盖率小于10% 影像清晰的两类遥感影像。对两类遥感影像分别选取2/3的遥感影像数据经预处理后提取其对应实测日期监测点位置遥感反射率进行相关性分析,得到相关性最高的反演因子进行建模,并且利用剩下的1/3数据对其反演回复回归模型进行精度检验,其结果与OCx模型反演结果进行对比效果显著。基于Landsat-8遥感数据建立的最佳反演回归模型为Y=6.8x2-20.77x+17.02,R2=0.906略高于基于Sentinel-2遥感数据建立的最佳反演回归模型Y=-3.345e+05x2+3826x-3.44,R2=0.801,证明了就香港近海海域叶绿素a浓度反演两类遥感数据的可行性,且两类数据的反演结果均呈现出香港近海海域内部海域叶绿素a浓度高于外部叶绿素a浓度的现象。     

长江口水质MERIS卫星数据遥感反演研究

【目的】获取准确的水质参数分布情况,进而对水质参数与动力作用复杂的河口水域环境进行综合评价。【方法】利用2011年5月30组长江口水域的遥感反射率数据,在尝试多种波段组合以及不同函数形式后,针对叶绿素a浓度和总悬浮物浓度分别建立最优经验反演模型。【结果】对总悬浮物浓度,波段差值(634~644nm)的二次函数形式最优,决定系数R~2为0.837,均方根误差(RMSE)为0.226mg·L~(-1),利用独立的验证样本得到平均绝对百分比误差(MAPE)为58.2%。对叶绿素a浓度,波段比值(650nm/644nm)的二次函数形式最优,R~2为0.552,RMSE为0.486mg·m~(-3),利用独立的验证样本得到MAPE为66.2%。将模型运用于2011年5月MERIS卫星数据,反演出长江口水域叶绿素a浓度与总悬浮物浓度空间分布图,叶绿素a浓度呈现出从河口向外海逐渐减少的趋势,最大值出现在舟山群岛附近。总悬浮物浓度呈阶梯状向外海减少。【结论】通过评价参数可看出,总悬浮物浓度反演模型对总悬浮物浓度反演效果较为准确,而叶绿素a浓度反演模型显示对叶绿素a的反演浓度较低。     

基于ZY-1 02D影像的白洋淀水域叶绿素a浓度遥感反演

白洋淀位于雄安新区的核心区域,是当前社会关注的焦点,对白洋淀水域进行水质监测是水污染防治的重要依据,对周边居民生活和当地经济发展具有重要意义。本文将ZY-1 02D AHSI高光谱影像与ZY-1 02D VNIC多光谱影像作为遥感数据源,分别进行了基于单一影像数据的单独反演与基于两种影像的联合反演,研究结果表明联合反演模型相较于基于AHSI的反演模型可以有效提高叶绿素a浓度的反演精度,三种反演模型中基于VNIC的反演模型精度最高,相较于以往学者的研究结果高光谱数据的优势未充分体现,说明对于白洋淀淀区的叶绿素a浓度反演空间分辨率有更大的影响,从而进一步将ZY-1 02D AHSI的36波段与ZY-1 02D VNIC融合,将空间分辨率提高至10 m,优化后的模型AURE与RMSE分别降低到13.62%、0.52 ug/L,进一步提高了叶绿素a浓度的反演精度。研究表明,ZY-1 02D影像数据在内陆水体水质监测中具有较好的适用性,利用模型算法提升高光谱数据的空间分辨率将是提高叶绿素a浓度反演精度的重要途经,本文研究成果对ZY-1 02D影像在白洋淀水域的水质监测与应用具有重要的意义。     

基于粒子群和神经网络的珠江口叶绿素a浓度反演

由于近岸河口地区水体复杂的光学特性,以往Ⅰ类水体的叶绿素a反演方法已不再适用.因此,文章提出基于粒子群和BP神经网络的近岸河口地区复杂水体叶绿素a定量反演方法.利用2015年11月以及2016年5月2次现场实测高光谱和水体叶绿素a浓度数据,对光谱数据进行平滑处理,建立叶绿素a浓度的PSO-BP神经网络反演模型,并与波段比值、三波段、改进三波段和四波段反演模型进行对比分析.结果表明,经过粒子群优化的BP神经网络模型反演精度最高,模型总体相对误差低于20%,比常规波段组合模型更适合近岸河口复杂水体的叶绿素a反演;改进三波段和四波段模型的拟合效果较好,但易出现较大偏差,在近岸河口类复杂水体估算能力有限.     

基于环境一号HSI高光谱数据提取叶绿素a浓度的混合光谱分解模型研究

随着遥感技术的应用推广以及对研究精度的要求提高,越来越多的研究注意到混合像元的问题。在水质遥感监测中传感器探测的水体辐射亮度值是纯水和各种水质参数辐射亮度值的叠加,混合像元问题严重影响了水质定量遥感反演的准确性。基于环境一号HSI高光谱数据,首先分析了混合光谱分解模型的物理基础,然后基于采样点浓度大小和PPI(纯净像元指数)方法在遥感影像上提取纯水和叶绿素a的端元波谱,并利用线性光谱分解方法得到叶绿素a的丰度值找丰度值与叶绿素a浓度值之间的统计关系,建立了叶绿素a浓度反演的混合光谱分解模型,且反演精度较高。本文为水质定量遥感提供了一种新的思路。     

基于GOCI遥感数据的湖泊富营养化监测研究

采用高时间分辨率的地球同步海色成像仪(geostationary ocean color Imager,GOCI)遥感数据,以日本霞浦湖的西湖为研究对象,利用波段比值法建立了基于GOCI遥感影像的叶绿素a质量浓度反演模型.以此探讨利用GOCI数据估算湖泊水体富营养化程度的可能性.研究结果显示,遥感数据波段比值能够反映湖泊叶绿素a质量浓度随时间演变趋势,两者的相关系数达62％,利用反演模型得到的叶绿素a质量浓度的平均相对误差小于50％,表明GOCI遥感数据具有对湖泊富营养化程度进行监测的潜力.     

典型浅水草型湖泊水体悬浮物浓度遥感反演

针对典型浅水草型湖泊的特点,分析水生植物对悬浮物浓度及其遥感反演的影响,得到水生植物与其覆盖区水体总悬浮物浓度之间的定量关系,提出了基于水生植物分区反演水体悬浮物浓度的新思路:首先利用植被指数将全湖分为水生植物覆盖区和未覆盖区.在水生植物覆盖区,通过水生植物的盖度来指示水体水质,进而间接反演悬浮物浓度,解决了水生植物覆盖区难以直接反演悬浮物浓度的难题;在未覆盖区,利用地面实测数据与Landsat8卫星数据建立悬浮物浓度的近红外单波段反演模型,最终得到微山湖悬浮物浓度空间分布图.在晴朗、无风或轻风的天气条件下,水生植物与其覆盖区水体悬浮物浓度之间具有稳定的定量化特征,利用该特征指示水质对浅水草型湖泊水质参数的定量化遥感具有一定的参考意义.     

上海城市水体富营养化关键参量的遥感反演与时序分析

河口城市受到流域、海洋和局地人类活动的强烈影响,其水体面临污染和富营养化问题,对城市生态、生产、生活等造成极大压力.本项研究针对上海这一特大河口城市的不同水体类型,利用Sentinel-2遥感影像及水体实测光谱数据,构建了叶绿素a浓度和浊度两个富营养化的关键水质参量遥感快速反演模型,并分析了这两个关键参量的时序变化.结果表明:基于遥感的叶绿素a浓度、浊度,反演模型精度良好,相关系数（R²）分别为0.87、0.95,均方根误差（RMSE）分别为4.33μg/L、8.93 NTU. 2019年时序分析表明,上海城市水体叶绿素a浓度和浊度均为夏季最高,冬季最低.从水体类型上看,叶绿素a浓度从高到低为:养殖场/种植塘、永久性淡水湖、库塘、永久性河流、运河/输水河水体,浊度从高到低为:养殖场/种植塘、永久性河流、运河/输水河、永久性淡水湖、库塘.对2019年叶绿素a浓度和浊度的时序变化分析发现,在人类活动干扰较小的水体中,叶绿素a浓度和浊度的相关性较强;而人类活动影响较大的水体中,两者的相关性较弱.研究表明,利用Sentinel-2卫星影像可有效反演城市水体叶绿素a浓度和浊...     

"珠海一号"采煤沉陷区叶绿素a浓度反演研究

"珠海一号"卫星高光谱数据具有高时空分辨率的特点,为采煤沉陷区水质时空监测提供了更高精度的数据源.叶绿素a浓度是评价水质状况的重要参数.为探究淮南采煤沉陷区叶绿素a浓度反演模型,以安徽淮南顾桥采煤沉陷区为研究对象,基于"珠海一号"高光谱影像和水样测试数据,对采煤沉陷水域叶绿素a浓度反演模型进行构建,反演并分析了顾桥采煤沉陷区叶绿素a浓度空间分布特征及其成因.结果表明:基于珠海一号高光谱影像(b10+b19-b2)/(b10+b19+b2)波段组合方式构建的三次函数模型精度和稳定性较高,可以用于顾桥采煤沉陷区水质的动态监测;顾桥沉陷区水域总体叶绿素a浓度较高,高值区主要位于水域中部,且南部水域高于北部;农田施肥和工矿生产、居民生活污水的排放是造成沉陷区内叶绿素a浓度上升的主要原因.     

用FY-1D数据估算珠江口海域悬浮泥沙含量

以珠江口海域作为研究对象,以气象卫星FY-1D数据为信息源,通过遥感监测值与准同步珠江口实测悬浮泥沙含量的对比分析,建立基于FY-1D数据的悬浮泥沙含量遥感估算模型.研究表明,FY-1D可用于近岸水域悬浮泥沙的遥感监测,在动态监测方面有明显优势,可作为现有海洋采样观测的补充手段.     

渤海海域叶绿素浓度的遥感反演研究

以渤海海域为研究区域,以MODIS1B卫星影像为数据源,利用MODIS 250.m分辨率的波段反射率构建的NDPI(Normalized Difference Pigment Index)遥感指数结合叶绿素质量浓度(ρ)实测值进行回归拟合分析,建立基于MODIS1B数据的渤海海域叶绿素质量浓度遥感提取模型,并应用该模型反演出渤海海域叶绿素浓度的分布情况,对其分布进行了分析和评价.研究结果表明,利用MODIS1B数据监测渤海海域的水质情况是可行的.     

基于Landsat8影像反演洪湖叶绿素a浓度

利用已有水质采样数据和相应的Landsat8影像数据,以洪湖为例,对洪湖叶绿素a(Chl-a)浓度进行反演研究,建立线性反演模型和支持向量回归机反演模型,为快速获取洪湖水体叶绿素a浓度提供新的技术方案.结果表明支持向量回归机反演模型在样本数较少的情况下也能得到较高的反演精度,并且具有结构风险较小的优点,拟合函数的判定系数达0.918,能有效评估湖泊水质,为洪湖水环境监测保护提供有力支持.     

基于GRNN模型的悬浮物遥感反演研究——以长江城陵矶段为例

遥感反演是监测水体表层悬浮物浓度的有效手段之一.广义回归神经网络(GRNN)较其它神经网络具有更强的非线性拟合能力,在小样本情况下有更好的推广性能,适用于遥感反演模型.使用长江中游城陵矶段HJ-1BCCD2遥感影像结合实地同步采样数据分别建立悬浮物GRNN及BP神经网络(BPNN)遥感反演模型,分析对比模型的精度,并使用GRNN模型预测了区域水体悬浮物分布信息.结果表明,相对于BPNN模型,GRNN模型具有较强的非线性拟合能力和较高的反演精度;长江干流的悬浮泥沙浓度总体上明显小于洞庭湖,这主要是三峡工程下泄泥沙大幅减少造成的;洞庭湖浑浊的湖水汇入长江后,在城陵矶至洪湖之间形成明显的混合带;而洞庭湖湖口悬浮物浓度明显高于其他湖区,这可能是该区域采砂活动的强烈扰动引起的.     

基于环境一号卫星影像的内陆水体叶绿素a浓度遥感定量反演模型研究

叶绿素α是反映内陆水体富营养化程度的一个重要参数,通过遥感定量反演模型提取叶绿素α浓度是内陆水体富营养化监测的重要途径。以典型的内陆水体——太湖为实验区,基于环境一号CCD多光谱数据和同步地面实测叶绿素α浓度数据,建立了以CCD4/CCD2为自变量的叶绿素α浓度反演经验模型。基于环境一号HSI高光谱数据,结合内陆水体中叶绿素α、悬浮物、黄色物质和纯水的固有光学特性以及三波段模型理论,选取了反演叶绿素α浓度的三个最优波段:HSI73、HSI74、HSI87,并建立三波段模型。最后通过两种定量反演模型对比实验。实验结果表明基于HSI高光谱数据的三波段模型反演精度更高,可以有效的用于内陆水体的叶绿素α浓度反演。研究为内陆水体叶绿素α浓度定量反演提供了研究基础。     

面向GF-5卫星高光谱传感器的浑浊水体叶绿素a浓度反演算法研究——以鄱阳湖为例

为了分析即将发射的高分5号卫星(GF-5)的高光谱数据在内陆水体水色遥感中的应用潜力,以鄱阳湖为研究区域,利用2009年、2011年和2016年共134组现场实测光谱及其对应的叶绿素a、总悬浮物浓度数据,考虑高浑浊水体引起的叶绿素a浓度变化的光谱响应差异,在进行水体光学分区基础上通过光谱模拟与差分处理开展了叶绿素a浓度跨阶分高光谱反演研究.结果表明：1)进行光学分区有利于提高反演精度,非高浑浊水体(NDCI≥0.06)区域,反演模型判定系数R2达到0.82,均方根误差RMSE为1.12,平均相对误差MRE为0.32,而不进行光学分区的全湖区反演建模R2仅为0.37;2) 相较于鄱阳湖前期研究得到的最优多波段反演模型(R2＝0.76),利用495、591、675、679、684、688、692和696 nm等波长的原始光谱以及差分光谱(一阶差分、二阶差分)建立的跨阶分多波段组合模型可以更有效地反演非高浑浊水体叶绿素a浓度(R2＝0.82),但对于高浑浊水体(NDCI<0.06),叶绿素a浓度的高光谱反演能力还需要进一步挖掘.     

基于线性回归分析的东平湖叶绿素含量监测

利用2007年5月27日中巴资源卫星遥感数据与该日同步湖面多点观测资料,对东平湖水体叶绿素a含量与不同波段遥感值的关系进行了定量分析,发现B1-B3以及B5与叶绿素a含量有正幂次关系,B4则与叶绿素a含量有较好的线性相关性;据此选择B3和B5等敏感波段值作为自变量,通过对它们的线性变换,进行叶绿素a定量指标的组合和筛选试验;在此基础上,建立了叶绿素a含量的遥感定量模型.并且利用这一模型计算得到的2007年5月27日东平湖水域多点叶绿素a含量很好地拟合了实测结果.本文给出的东平湖水体叶绿素浓度估算模型,为东平湖水体叶绿素浓度反演监测提供了一定的理论基础,另外,当天气条件相似时,该模型可应用于其它湖区和其他时相的遥感定量分析.     

基于高分六号卫星遥感影像的太湖叶绿素a质量浓度反演

针对太湖叶绿素a浓度反演大多采用低中分辨率遥感数据,缺少基于高分辨率遥感数据研究的现状,采用高分六号卫星遥感影像,运用波段比值模型、归一化差异叶绿素指数（NDCI）模型和三波段模型定量反演了太湖蓝藻的叶绿素a质量浓度,并采用2018年10月28日、2019年4月6日和2019年6月3日的高分六号卫星遥感影像对3种模型的反演精度进行了验证。结果表明,采用NDCI模型的平均相对误差、均方根误差和平均绝对误差最小,NDCI模型具有更好的精度和稳定性,更适合高分六号卫星遥感影像在太湖叶绿素a质量浓度反演方面的应用。