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。     

结合实测光谱数据的珠江口水质遥感监测

河口近岸海域面积广阔,生物生产力高,受人类活动及陆源物质的影响较大,是自然因素和人为因素共同影响水体生态环境的典型区域.文章研究了珠江口近岸海域水体叶绿素a浓度和悬浮物浓度的遥感定量反演方法,并在实验水域验证了现有遥感反演模型的适用性;结合实测数据和遥感影像数据,通过统计分析建立珠江口近岸水域的叶绿素a浓度和悬浮物浓度的反演模型;利用Landsat8遥感影像反演了珠江口近岸海域叶绿素a浓度和悬浮物浓度的分布情况,提取珠江口近岸水域面状水质信息;反演结果符合理论分析和实际情况,证明本研究建立的水质参数遥感反演模型及方法适用于珠江口近岸海域水质监测.     

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.     

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...     

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.     

抚仙湖叶绿素a浓度遥感反演方法对比分析

不同叶绿素浓度反演算法得到的叶绿素浓度存在较大差异,反演中大气校正算法如何影响反演模型的精度;不同的反演算法中,哪种反演算法更适用于高原深水湖泊叶绿素浓度反演。针对上述问题,选取Landsat 8 OLI卫星影像数据,应用6S、ATCOR3、FLAASH这3种大气校正模型实现OLI数据的大气校正,对矫正结果分别利用FAI、NDCI、VB-FAH指数反演算法反演抚仙湖叶绿素a浓度,使用实测数据对3种不同大气校正下的3种反演算法进行了精度分析。结果表明:对比12种不同组合的算法反演的叶绿素a浓度与实测数据之间的相关系数,6S大气校正模型下,NDCI指数反演算法是12种组合算法中反演精度最高的算法,反演值和实测值的相关系数(R)为0.39。     

基于高分一号影像的沙河集水库水质遥感反演

沙河集水库是滁州市重要的水源供应地,关系着市民的饮水安全问题,水质的变化监测受到了政府的高度重视。通过遥感影像实现水质参数反演,对水库水质监测和保护工作具有非常重要的理论意义。因此,利用2021年6月和7月高分一号影像和同步的实测水质数据,建立了基于多元回归和BP神经网络的叶绿素a浓度和浊度模型,并进行精度评价,对研究区定量反演,以探求水库水质分布情况。结论如下：从模型精度来看,叶绿素和浊度进行多元回归模拟的RMSE分别为0.745、0.216,R2为0.694、0.844,平均相对误差为13.19%、7.09%,;BP神经网络模拟的RMSE分别为0.103、0.19,R2为0.865、0.958,平均相对误差为2.5%、7.11%,两者对沙河集水库水质反演都具有可行性,但BP神经网络要优于多元回归;从水质遥感反演来看,2021年6月沙河集水库的叶绿素a浓度在2.2～5.6ug/l之间,7月叶绿素a浓度在1.8～6.7ug/l之间,均处于中营养状态,为Ⅱ类水质,6月浊度在0～4NTU之间,均值为1.16NTU,7月浊度值集中0.5～4.6NTU之间,库区均值为2.46NTU,总体达到了...     

基于自动监测和Sentinel-2影像的钦州湾溶解氧反演模型研究

钦州湾是广西近岸海域水质较差的区域,为及时了解钦州湾海域水质状况,本文借助遥感水质监测技术范围广、快速、连续、可视化程度高的优势,以高分辨率遥感卫星Sentinel-2影像数据为数据源,结合广西近岸海域自动监测数据,通过一元与多元,线性与非线性的回归分析方法建立钦州湾溶解氧浓度反演模型。研究表明,在构建的370个波段组合中,最佳波段组合分别是1/B3、lnB3/（lnB1+lnB2）和B3/（B1+B2）,其Pearson相关系数（R）分别为0.905 2,-0.897 0和-0.889 2。钦州湾溶解氧浓度反演模型中,逐步回归模型拥有最低的平均相对误差MRE （6.47%）,最低的均方根误差RMSE （0.584 5）,同时模型验证精度R²为0.654 3,稳定性较佳。本文突破了广西近岸海域传统监测的局限性,同时为钦州湾溶解氧遥感监测提供参考。     

珠江口水域水污染遥感定量分析

卫星遥感技术在水污染监测方面具有广阔的应用前景。在经大气校正后 ,可见光波段卫星遥感数据的水体象元主要受水中污染物、泥沙及叶绿素等的影响。研究污染水体反射光谱成像的物理过程 ,在水深较大(>2m)的假设下 ,建立了叶绿不敏感波段遥感数据象元反射率与污染物浓度的函数关系 ,并用多波段数据进行求解。然后采用 2 0 0 2年TM卫星数据 ,用该方法对珠江口海域的综合汛浓度进行了定量提取并用实测数据加以验证。结果显示 ,珠江口水域重污染区主要分布在伶仃洋东北部 ,香港维多利亚港和深圳湾。     

Inversion of oceanic chlorophyll concentrations by neural networks

Neural networks (NNs) for the inversion of chlorophyll concentrations from remote sensing reflectance measurements were designed and trained on a subset of the SeaBAM data set. The remaining SeaBAM data set was then applied to evaluating the performance of NNs and compared with those of the SeaBAM empirical algorithms. NNs achieved better inversion accuracy than the empirical algorithms in most of chlorophyll concentration range, especially in the intermediate and high chlorophyll regions and CaseⅡ waters. Systematic overestimation existed in the very low chlorophyll (<0.031 mg/m³) region, and little improvement was obtained by changing the size of the training data set.     

基于GF-1遥感数据的大兴安岭林区雪水当量反演

【目的】以Landsat-8卫星数据为对照,探索国产GF-1卫星数据对林区积雪特征的估测能力,实现基于国产卫星对东北林区雪水水文过程的监测。【方法】以大兴安岭北部林区为研究区,结合同期的地面雪水当量野外观测数据,利用偏最小二乘回归与BP神经网络两种方法建立线性与非线性雪水当量反演模型。通过平均均方根误差(E_(RMSE))、平均相对均方根误差(r_(RMSE))和平均估测精度这3个评价指标对所建模型进行对比评价。同时,利用两种遥感数据建立的最优模型对研究区内雪水当量分布特征进行反演,并对反演结果进行对比分析。【结果】基于GF-1数据所建立的线性与非线性模型性能均略低于以Landsat-8数据构建的模型,其中GF-1数据最优反演模型精度为80.3%,较Landsat-8反演模型低1.6%;基于GF-1数据反演的雪水当量值与Landsat-8的基本相同;两类遥感数据反演得到的雪水当量在空间分布特征上基本一致,均反映了雪水当量与地形、植被及土地利用类型的高度相关性;由于山地林区植被和地形复杂,并且春季升温过程中地面积雪日消融速率快,GF-1数据以其高空间与时间分辨率上的优势能够更好地对研究区雪水水文过程进行监测。【结论】国产GF-1卫星能够替代Landsat-8卫星成为对大兴安岭北部林区雪水水文过程监测的遥感数据源。     

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。     

广东飞来峡库区水深遥感

 通过深入分析太阳光在水体中传输的物理过程,引入水体光学厚度概念,根据辐射传输理论,推导出水深遥感物理模型。以广东省飞来峡水库为例,采用SPOT5多光谱遥感数据,对其进行精确的辐射纠正、大气纠正,转化为符合地表实际反射率的反射率图像。经过水陆分离,选用合适的遥感波段数据,代入有关水体光学参数,应用水深遥感模型,计算出水域各像元水深值,通过图像处理软件绘制水深遥感制图。由于水面采砂、网箱养殖等人类活动的影响,水库采砂区水域水体浑浊以及库湾水域叶绿素浓度偏大,影响水深遥感精度,本文的模型综合考虑了水中泥沙和叶绿素对水深遥感的影响,并采用多波段数据求解水深,信息量丰富,精度得到大幅度提高。     

林业调查中地类面积遥感判读模型研究

为了提高森林资源二类调查中小班遥感面积测量精度,本文利用博爱县国有林场部分遥感影像建立了目视解译标志,借助CIS进行了小班面积判读,并利用CPS实测了小班面积.遥感判读数据和实测数据的平均相对误差及相关系数结果表明,除了苗圃地和竹林地平均相对误差较大外,其余地类误差均较小,所有地类的遥感判读面积与实测面积均存在显著相关...     

胶莱盆地卫星遥感影像特征及分析

利用美国陆地卫星（Ｌａｎｄｓａｔ－２）图像资料，结合区内地质、重磁力等资料，对胶莱盆地及周边地区的卫星影像进行构造地质解译，得到规模不同的线性构造２００余条。经分析认为，它们主要反映本区的断裂构造特征，按延伸方向将区内线性构造划分为北西、北东、东西、北北东、北东东及近南北向共六组。其中以北西、北东及近东西向的断裂构造最为发育，它们构成了盆地断块构造的基本格局。在盆内组合处理图像上还识别出环形构造２６个，结合重力资料探索了其地质属性，研究认为，胶县断裂以南地区为最有利油气勘探区．