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.     

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。     

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.     

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.     

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。     

"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GF-1 WFV影像的浑河悬浮物浓度和浊度遥感反演研究

综合利用高分一号(GF-1)卫星WFV影像和地面同步水质实测数据,以沈阳浑河为实验区,分别建立悬浮物浓度和浊度反演经验模型。经验证分析GF-1WFV数据可有效反映浑河悬浮物浓度和浊度,且反演精度较好,结果均符合常规水质监测规律。同时基于浊度数据模拟的悬浮物浓度也具有较高的精度,拟合度达到0.68,可为今后简化浑河悬浮物浓度反演流程提供经验。将反演模型应用于GF-1卫星WFV数据,得到2016年9月浑河悬浮物浓度和浊度分布图,反映了浑河流域悬浮物浓度和浊度的空间变化规律。对GF-1卫星WFV数据和Thermo便携式浊度计综合运用进行中小尺度河流水质遥感监测有一定的参考价值。     

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.     

HJ-1A/1B卫星CCD影像的鄱阳湖6S大气校正研究

HJ-1A/1B卫星CCD数据具有较高的空间、时间分辨率,在内陆湖泊水色遥感定量监测中有较大的应用潜力,大气校正是其需要解决的首要问题.采用6S模型对2009年10月24日鄱阳湖HJ-1A/1B卫星CCD影像进行大气校正处理,并用实测数据进行了对比分析,结果表明6S模型校正后的CCD影像水体遥感反射率能表现鄱阳湖水体悬浮泥沙浓度入江水道高于主湖区的空间分布特征;二波段(绿光波段)和三波段(红光波段),大气校正结果精度较高,平均相对误差分别为9.6%、12.6%,最小相对误差分别达到3.0%、1.6%;一波段(蓝光波段)、四波段(近红外波段)大气校正结果误差较大,建议参数反演时尽量避免采用这两个波段.     

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...     

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.     

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.