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.     

基于连续统去除法的湿地松叶绿素含量高光谱估算模型

采用ASD野外光谱辐射仪在BRDF测试系统环境下对野外采集的湿地松叶片样本进行光谱测量,以获得湿地松的叶片光谱反射率,并利用UV2450-紫外可见分光光度计对湿地松叶片进行叶绿素含量测定.采用连续统去除法对光谱数据进行处理分析,计算波段深度(BD)、波深中心归一化(BNC)、波段面积归一化(BNA)、波段深度归一化指数(NBDI)和反射率差异比率(DRR(λi))等光谱特征参数,通过对湿地松叶片叶绿素含量与光谱特征参数的相关性分析,得到NBDI748,BNC749,BNA617,BNA748四个特征参量,与湿地松叶绿素含量建立估算模型并对模型进行精度检验.结果表明以BNA617为变量建立的光谱参量模型能够较好的估算湿地松叶绿素含量.     

基于高光谱的法国梧桐和毛白杨叶片叶绿素含量反演模型研究

利用ASD便携式野外光谱仪和SPAD-502叶绿素计,实测了落叶阔叶树法国梧桐(Platanus orientalis L)和毛白杨(Populus tomentosa Carr)叶片的高光谱反射率与叶片绿度,并对原始光谱反射率及一阶导数光谱与叶片绿度进行了相关分析;采用导数光谱数据敏感波段建立了叶绿素含量估算模型,法国梧桐和毛白杨模型的确定性系数R2分别为0.7791和0.6858;采用相关系数较大的波段作为BP和RBF人工神经网络模型的输入变量,分别进行了叶绿素含量的估算,结果表明,BP和RBF神经网络模型预测效果均良好,在预测精度上,RBF略优于BP神经网络模型.     

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。     

基于Worldview-2数据的东洞庭湖湿地区域植被覆盖度估算研究

利用Worldview-2卫星数据八波段多光谱数据特点,分析与近红外波段重叠并具有更高信息量的近红外2新波段特征构建植被指数(VI)的关系。以湖南东洞庭湖湿地区域为研究区,建立近红外2新波段参与的归一化植被指数(NDVI)植被覆盖度估算模型。通过与实测样点结果比较发现:近红外2波段参与改良后的NDVI法的估算结果与实测值验证结果更加匹配,精度达到87.8%;原始近红外波段参与的NDVI法的估算结果精度最低。研究表明运用Worldview-2数据,并采用改良后的NDVI法可以大区域、准确、快速的进行植被覆盖度估算。     

基于穷举法的鄱阳湖叶绿素a浓度高光谱反演模型与应用研究——以GF-5卫星AHSI数据为例

光学特性复杂的浑浊水体叶绿素a浓度反演一直是水环境遥感研究的难点，高光谱以其波宽窄、谱段多、获取地物信息近似连续等优势，有望成为解决该难题的有效手段.该文以鄱阳湖为研究水域，利用2009年10月、2011年7月及2016年10月获取的实测高光谱及叶绿素a浓度数据，基于穷举法建立了针对高分五号(Gaofen-5， GF-5)卫星可见短波红外高光谱相机(Advanced HyperSpectral Imager， AHSI)的叶绿素a浓度三波段反演模型(决定系数R2＝0.82；均方根误差RMSE＝1.468 μg·L－1).通过与2018年10月7日Sentinel-2A卫星多光谱成像仪(MultiSpectral Instrument， MSI)的叶绿素a浓度反演结果对比分析，两者的空间分布具有较高的一致性，超过80%的研究水域相对偏差小于8%，在一定程度上证明了GF-5卫星高光谱数据在浑浊水体叶绿素a浓度反演中的潜力.     

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.     

台湾相思树叶片叶绿素含量的高光谱参量模型研究

在BRDF测试系统环境下利用ASD便携式野外光谱仪采集台湾相思树叶片光谱,并用UV2450-紫外可见分光光度计对观测叶片进行叶绿素含量测定.采用原始光谱、导数光谱技术及连续统去除法对光谱数据进行分析,得到估算台湾相思树叶绿素含量的光谱特征参数(DV575、BNA726、BNC726).结合实测叶绿素含量数据,构建台湾相思树叶片叶绿素含量的光谱参量模型.结果表明DV575与BNC726两参量构建模型估测精度较高,其中用一阶导数光谱变量估测精度最高,均达到83%以上.     

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.     

利用BP神经网络预测大伙房水库叶绿素a质量浓度

利用HJ-1卫星CCD数据,通过MATLAB软件计算,分析了多光谱CCD数据的4个波段(近红外波段、红色波段、绿色波段、蓝色波段)参与的65个波段组合与叶绿素a质量浓度之间的关系.研究发现波段组合T1=B4/B3与叶绿素a质量浓度相关性最高,并以此为自变量建立一维线性模型.利用BP神经网络进行模型建立与预测,对比两者的拟合度R2和均方根误差RMSE以及验证点的相对误差.结果表明,利用BP神经网络预测的大伙房水库叶绿素a质量浓度与实测值较为接近,并且效果优于线性模型.     

基于分区的太湖叶绿素a遥感估测模型

以太湖为研究区域,测试水体的反射光谱和表层水质并分析叶绿素的光谱特征,对比MODIS波段并找出与叶绿素a质量浓度相关性较好或对叶绿素a质量浓度变化较为敏感的波段,根据主成分变换后的MODIS图像色调对太湖进行分区并分别用主成分、单波段及波段组合因子建立各区内相应的叶绿素a质量浓度估测模型.结果表明:对太湖合理分区可以提高叶绿素a质量浓度的遥感估测精度;经过主成分变化后的第2主成分,MODIS波段1,3~4,10~14的反射率及波段反射率组合可以较好地估测分区后的叶绿素a质量浓度.     

湖泊叶绿素a反演的大气校正模型比较研究

为获取湖泊叶绿素a定量反演所需的最优大气校正方法,以太湖为例,分别使用FLAASH、6S及QUAC 3种大气校正模型对HJ-1B卫星CCD数据进行大气校正,通过对比各波段反射率及遥感指数与叶绿素a的相关性,得到归一化水体指数相关系数最高,并使用归一化水体指数建立叶绿素a反演模型.反演模型R2在0.7以上,同时通过了统计检验.实验利用太湖采样点平均光谱反射曲线及实测光谱对比大气校正模型的影像处理效果,并在此基础上,利用误差参数评价不同大气校正处理后的反演精度.结果表明:3种大气校正算法的影像处理效果总体较好,FLAASH和6S算法的各项参数接近,反演精度优于QUAC算法,并且聚类分析结果很好地证实了二者的相似性;QUAC算法在获得较高精度的同时其典型地物光谱出现失真.因此,在湖泊叶绿素a浓度反演建模时,大气校正方法应优先考虑FLAASH算法和6S算法,尽量避免使用QUAC算法.     

原位叶绿素a光纤荧光传感器研制

运用荧光检测技术,设计了一款用于海水中叶绿素a含量检测的在线式光纤传感器。该传感器基于光纤传输与荧光分析法,通过对激发荧光信号的捕捉、传输以及解析达到在线快速检测叶绿素a的目的。实验结果表明,该传感器的响应值与叶绿素a的浓度具有良好的线性关系,检测性能稳定,且具有体积小、传输速度快等特点,初步具备了海水中叶绿素a含量的现场检测能力。     

太原市迎泽湖富营养化灰色关联法分析

针对湖泊富营养化问题,对太原市迎泽湖进行资料收集和长期水体监测,选定透明度(SD)、高锰酸钾指数(CODMn)、总磷(TP)、总氮(TN)、叶绿素a(Chla)5个指标来分析迎泽湖富营养化状况,并应用灰色关联法建立富营养化综合分析模型,定量化地反映了迎泽湖富营养化现状,得出迎泽湖处于中-富营养化、富营养化状态的结论。本研究为迎泽湖富营养化的规划治理提供了理论参考,具有一定的使用价值。     

独墅湖枯水期水动力与水质状况分析

【目的】研究分析独墅湖的水动力和水质状况。【方法】采用现场调查的方法,对独墅湖枯水期多个测点的水动力和水质状况进行取样分析。【结果】独墅湖水面坡降、水流流速和进出湖流量都非常小,不利于污染物质随水流排出。水质方面总磷(TP)、总氮(TN)和化学需氧量(CODMn)等因子含量高的水域溶解氧(DO)含量低而叶绿素a含量高,反之亦然。【结论】受周围河网影响,独墅湖水体中TP和TN含量非常高,已属于富营养化,需要对进出湖污染物和过度养殖的影响进一步研究,为采取相关措施改善独墅湖水质提供参考。     

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。     

江苏省主要湖泊水功能区划与水质达标分析

按照水功能区划的原则和方法,在江苏省洪泽湖、太湖、骆马湖、白马湖、高邮湖、宝应湖、邵伯湖氵、鬲湖、长荡湖、石臼湖、固城湖11个主要湖泊水域上共划分了23个水功能区,其中有13个保护区、5个饮用水源区、4个渔业用水区、1个景观娱乐用水区,并对水功能区进行水质达标评价分析,提出对水功能区实施纳污总量控制、排污口的设置、水质监测及调整等具体管理措施.     

2007年夏季北部湾生态与环境要素分布规律研究

为获得北部湾生态要素分布规律更全面的认识,本文基于北部湾海表层温度、盐度和有关生态参数的遥感数据,利用2007年"908"专项调查资料,结合海流数值计算结果,分析了2007年夏季(6-8月)的海表层温度、盐度、叶绿素a浓度和颗粒有机碳(Particulate Organic Carban,POC)、颗粒无机碳(Particulate Inorganic Carban,PIC)浓度的分布态势并给予合理的动力机制解释:(1)北部湾表层叶绿素a浓度呈明显的自东向西、由近岸向湾中部逐渐递减的态势,高值区为琼州海峡、广西沿岸、越南沿岸和海南岛西南侧近海海域;(2) POC和PIC空间分布特征与叶绿素a相似,低值区均主要集中在湾口水交换较快区域;(3)入侵高盐水的33.5 PSU等值线最北可达到21°N;湾内存在一个上升流区域形成的高盐核心;(4)北部湾水温的高值区分布在广西沿岸和越南沿岸的浅水区;(5)叶绿素a、POC和PIC高值区与沿岸径流有关;(6)海南岛西南部叶绿素a、POC和PIC的高值区与上升流有关。上述分析虽然只是2007年一年的结果,但是结果却具有普遍的意义。