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.     

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Sentinel卫星的浑浊水体叶绿素反演对比研究——以鄱阳湖为例

Sentinel-2A卫星、Sentinel-3A卫星分别于2015年6月和2016年2月成功发射,其上搭载的MSI、OLCI传感器的空间分辨率、时间分辨率、波段设置等在内陆水体水环境遥感研究中具有较大的应用潜力.针对浑浊水体叶绿素的反演难题,以鄱阳湖为例,基于光学分区理论并结合同步实测数据,探讨了Sentinel系列卫星数据在湖泊叶绿素a遥感反演的可行性.研究表明：1) 对于Sentinel-2A MSI数据,鄱阳湖北湖区以[1/Rrs(665)－1/Rrs(705)]*Rrs(740)作为反演因子构建的三波段模型拟合效果最好,决定系数R2是0.65,平均相对误差是38.53%;鄱阳湖南湖区差值模型Rrs(705)－Rrs(665)反演结果最好,R2是0.63,相对误差是39.87%.2) 对于Sentinel-3A OLCI数据,鄱阳湖北湖区以[1/Rrs(665)－1/Rrs(673.75)]*Rrs(753.75)作为反演因子构建的三波段模型拟合效果最好,R2为0.65,平均相对误差为37.6%;鄱阳湖南湖区差值模型Rrs(708.75)－Rrs(665)反演结果最好,R2是0.62,平均相对误差为39.6%.3) Sentinel系列卫星的分区模型能在一定程度上解决鄱阳湖部分浑浊水体区域叶绿素反演不成功的问题,后续将研究更高精度的反演模型方法.     

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。     

紫外-可见光去浊度反演水体叶绿素a含量

城市景观水体的叶绿素a含量可直接反映其水质。紫外-可见光谱方法可快速低廉反演叶绿素a的含量,但城市水体水深较浅、浊度较高,容易对该波段光谱产生干扰。采用实验室培养的螺旋藻水样和浊度水样的混合水样来模拟城市景观水体环境,并使用UV—2600分光光度计获取混合水样的吸光谱数据;对吸光谱数据分别建立一元线性回归模型、偏最小二乘算法(PLS)模型和BP神经网络模型,以寻找降低水体浊度干扰的办法,为水体水质评价提供可靠参考数据。结果显示,BP神经网络预测模型可以同时预测混合水样中叶绿素a的浓度和浊度的浓度值,模型预测值与样本测量值之间的R~2为0. 997 2,并且模型的预测误差在5%以内。去浊度反演水体叶绿素a含量的能力最高;偏最小二乘算法模型测量值与预测值的R2为0. 999 4,模型的预测误差小于4%,但该模型在预测叶绿素a浓度时不能同时预测浊度值,去浊度反演叶绿素a含量的能力次之;一元线性回归模型的去浊度反演叶绿素a含量的能力最差。     

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.     

鄱阳湖丰水期水体后向散射特性研究

后向散射是获取湖泊水体光学活性物质遥感信息的关键,针对无机悬浮物为主的浑浊二类水体, 其对水体表观光学性质有着决定性的影响,研究表层水体后向散射特性在提高湖泊光学活性物质遥感反演精度方面具有重要的意义.该文通过2017年6月在鄱阳湖丰水期36个站点的巡航监测,分析了水体后向散射特征及其与光学活性物质的关系,并利用指数模型对后向散射系数进行参数化.研究结果表明：在420～700 nm波段范围内,水体后向散射系数、后向散射概率随波长的变动趋势较为一致,均随着波长的增大呈指数函数减小;空间上水体后向散射系数的均值和变幅为南湖区>主湖区>北湖区;总悬浮颗粒物浓度与后向散射系数之间的相关性随波长增大而增大,其中700 nm波段的相关性最好,R2达到0.760;随着波长的增加后向散射系数与叶绿素a含量的相关性减少;同时建立了后向散射系数光谱模型,斜率指数为1.229,470～700 nm波段平均绝对百分比误差均小于8%,具有较好的反演精度.     

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。     

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.     

"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.     

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.     

基于半分析模型的叶绿素a浓度估算

为监测江苏省常熟市昆承湖的水质状况,以2009年5月在湖区实测的AsD高光谱遥感数据和实验室的分析数据为依据,采用三波段半分析模型估算叶绿素a的浓度.结果表明,三波段法比归一化实测光谱波段比法、实测光谱一阶微分法的估算精度更高.三波段法通过分析叶绿素a、悬浮物、黄色物质、纯水的固有光学特性,优化这三个特征波段的位置组合...     

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.     

冬小麦典型多参量冠层高光谱反演的光谱指标敏感性研究

高光谱遥感反演作物参量多集中在单一参量研究上,缺乏多参量综合反演研究。因此,面向多参量反演,需要对传感器参数的有效设置,以及同一指标对不同参量的适宜程度进行综合研究。以冬小麦为例,通过实测冠层光谱反射率和LAI、叶绿素、氮素含量数据,分析了中心波长、波段宽度、信噪比等指标的变化对各参量定量模型的影响,及光谱指标对LAI、叶绿素和氮素定量模型反演的敏感性和有效性,以及对冬小麦典型参量高光谱遥感反演的光谱指标进行了综合性分析。结果表明:反演冬小麦LAI的最佳植被指数为DVI(R~2=0.457,RMSE=0.614%),对应的最佳指标为:中心波长为768 nm和732 nm,波段宽度在5 nm以内,信噪比大于70 d B;反演冬小麦叶绿素的最佳植被指数为MSR(R2=0.554,RMSE=0.548%),对应的最佳指标为:中心波长为768 nm和736 nm,波段宽度在5 nm以内,信噪比大于70 d B;反演冬小麦氮素的最佳植被指数为NDVI_(g_b)(R~2=0.733,RMSE=0.600%),对应的最佳指标为:中心波长为500 nm和454 nm,波段宽度为5 nm以内,信噪比大于70d B。植被指数SAVI在一定波段范围内可同时反演LAI、叶绿素和氮素;MSAVI、DVI、RDVI和NDVI均可在一定波段范围内同时反演LAI和叶绿素含量,而反演LAI和氮素含量的适宜波段以及反演叶绿素和氮素的适宜波段存在差异。利用高光谱植被指数可实现作物参量的有效反演,且作物参量的定量反演对不同的光谱指标,即中心波长、波段宽度和信噪比具有较强的敏感性。     

应用高光谱植被指数反演冬小麦叶绿素的光谱指标敏感性研究

高光谱植被指数反演叶绿素含量的精度除与模型有关外,光谱指标中心波长、波段宽度、信噪比等的差异也会带来一定的影响。本研究基于实测光谱数据,结合波段模拟、噪音分析等方法,研究不同的光谱指标对植被指数反演叶绿素含量的影响,分析用于反演的光谱指标的敏感性,结果表明：(1)最佳中心波长的位置与适用于高低覆盖的植被指数类型有关,反演精度在一定范围内并不随着波段宽度的增加而提高;(2)不同植被指数抗噪声能力有一定的差异,其中DVI、NDVI和SAVI等抗噪能力比较强,MCARI和TCARI抗噪能力比较弱;(3)联合反演模型反演结果为R2=0.7415,RMSE=0.4026,优于MTCI的反演结果,通过模拟HJ1A-HSI,Hyperion等数据,研究出联合反演模型在不同高光谱传感器下有一定的适用性。     

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。     

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.     

应用高光谱植被指数反演冬小麦叶绿素含量的光谱指标敏感性研究

高光谱植被指数反演叶绿素含量的精度除与模型有关外,光谱指标中心波长、波段宽度、信噪比等的差异也会带来一定的影响。研究基于实测光谱数据,结合波段模拟、噪音分析等方法,研究不同的光谱指标对植被指数反演叶绿素含量的影响,分析用于反演的光谱指标的敏感性,结果表明:1最佳中心波长的位置与适用于高低覆盖的植被指数类型有关,反演精度在一定范围内并不随着波段宽度的增加而提高;2不同植被指数抗噪声能力有一定的差异,其中DVI(difference vegetation index),NDVI(normalized difference vegetation index)等抗噪能力比较强,MCARI(modified chlorophyll absorption ratio index)和TCARI(transformed chlorophyll absorption ratio index)抗噪能力比较弱;3联合反演模型反演结果为R~2=0.741 5,RMSE=0.402 6,优于MTCI(MERIS terrestrial chlorophyll index)的反演结果,通过模拟HJ1A-HSI,Hyperion等数据,研究出联合反演模型在不同高光谱传感器下有一定的适用性。