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。     

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。     

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Landsat-8 OLI的鄱阳湖叶绿素a浓度定量反演

Landsat-8 OLI数据的应用越来广泛、成熟,但尚未见诸在水质监测,尤其是叶绿素a浓度监测方面的应用。以叶绿素a作为参数,结合准同步的实测数据,通过在鄱阳湖的应用案例,研究、探讨利用Landsat-8 OLI卫星数据对湖泊叶绿素a遥感反演的可行性和相关潜力。根据研究,鄱阳湖与实测叶绿素a相关性最高的是波段B4(红波段),Pearson相关系数为0.916,并由此而选择B4作为构建模型的波段组合,建立线性回归、对数、指数、乘幂、二次多项式等五种回归模型,通过R2系数对比,显示二次多项式回归模型为最佳模型。经实测点验证,该模型能较好地反演出鄱阳湖的叶绿素a浓度。     

基于HJ1B-CCD1的太湖叶绿素a含量反演

波段比值法作为比较成熟的基于生物光学对叶绿素a含量反演的经验模型,目前较多运用于对二类水体富营养化叶绿素a含量反演.本文分别对环境小卫星数据B3和B4波段作为建立模型的波段组合建立线性回归、指数、对数、多项式、幂等五种回归模型.通过R~2系数对比,发现多项式模型拟合效果最佳.经验证点对比分析,发现此模型对太湖湖区的叶绿素a含量能够进行较好的反演.     

基于MODIS数据的淀山湖蓝藻“水华”监测

叶绿素a（chla）是水质监测的重要参数之一,其浓度是湖泊富营养化和蓝藻“水华”发生的重要标志。本文将MODIS影像波段反射率与叶绿素。浓度同步实测值进行相关分析,在此基础上建立遥感监测模型,应用该模型计算得到淀山湖水体叶绿素a浓度分布情况,并提取淀山湖富营养化导致的蓝藻“水华”分布情况。     

基于TM数据渤海湾叶绿素浓度反演算法研究

海洋叶绿素浓度已成为衡量浮游植物的生物量和富营养化程度的最基本的指标.利用2005年4月13日Landsat-5/TM数据和同步实测数据反演了渤海湾叶绿素浓度.对TM数据进行几何校正和大气校正预处理后,建立9种波段组合模型,分别对TM图像进行模型运算.结合实测数据,建立相应的回归方程,在其中选取R2(拟合度)和R(相关性)最大的(tm4-tm3)/(tm4+tm3)波段组合进行反演,并将反演结果与实测数据作相对误差分析,实验结果表明,4和3波段组合建立的回归模型适合于渤海湾叶绿素浓度的反演.     

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。