衰竭气藏型地下储气库库存量动态预测研究?

基于有限元法和最优化方法建立了衰竭气藏型地下储气库库存量动态预测的多井约束优化反分析模型。该模型根据研究区域观察井实测压力资料进行反演,通过反复调整注采量使得观察井模拟压力值与实测压力值达到最优拟合,得到衰竭气藏型地下储气库真实库存量。最后以国内某拟建水驱气藏型地下储气库为例,以各时刻动态正分析计算结果作为“假想”的实测压力数据进行地下储气库库存量动态反演。计算结果表明：反演值与实测值吻合较好,算例证明了的多井约束优化反分析模型的计算精度和可靠性。     

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。     

基于数据驱动和支持向量机的土壤水分含量反演研究

利用MODIS遥感数据和支持向量机回归算法,反演出研究区土壤含水量。利用分类结果与MODIS L1B日数据,采用Vswi方法反演高植被覆盖区土壤水分,并利用MODIS复合产品数据对低植被覆盖度采用表观热惯量模型。实测数据表明,反演精度大大提高。     

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数据的祁连山南坡土壤水分反演研究

利用2015年7月MODIS影像数据,结合野外实测数据,对比不同土壤深度下不同反演模型的估算精度.选用植被供水指数、植被缺水指数、温度植被干旱指数与实测土壤含水量数据进行回归分析.结果表明:在祁连山南坡植被生长季中,MODIS数据估算土壤水分的最佳深度为0-10cm.温度植被干旱指数在估算精度上最高.在此基础上建立了基于温度植被干旱指数的土壤水分监测模型.     

利用遥感数据反演渤海海域叶绿素的浓度

依据神经网络算法和叶绿素荧光算法的基本理论,处理海洋遥感数据,反演渤海海域叶绿素浓度,并将反演结果同实测海洋叶绿素浓度进行比较.神经网络算法无法精确地从云层覆盖区获得叶绿素浓度,而荧光算法则可以突破云层的干扰获得接近实际值的叶绿素浓度.     

基于高分3号和高分2号叶面积指数反演与分析

针对光学数据反演叶面积指数(LAI)容易受到云雾遮挡和光学遥感信息饱和的问题,根据雷达散射机制和Yamaguchi分解,提出了极化分解植被指数,利用光学植被指数和极分解植被指数融合形成光学与微波极化分解融合植被指数;利用光学与微波极化分解融合植被指数与实测数据建立回归模型反演叶面积指数,并对该模型精度评价.实验表明:光学与微波极化分解融合植被指数与实测数据建立回归模型反演叶面积指数的精度要优于极化分解植被指数和光学植被指数与实测数据建立的回归模型,其中MRVI与LAI建立回归模型是最优的,R~2达到0.7262,RMSE到达0.3548.综上所述,光学与微波极化分解融合植被指数不仅充分利用雷达能够穿透浓密植物的特性,而且融合光学数据对叶面积指数的反演敏感性,更能准确的反演叶面积指数.     

基于MODIS数据的地面颗粒物浓度估算方法

提出了一种基于卫星遥感数据的近地面颗粒物质量浓度(PM值)估计方法 .采用Terra/MODIS卫星数据和基于连续两天MODIS数据的气溶胶光学厚度反演算法,反演出无锡地区的气溶胶光学厚度;再利用所反演的气溶胶光学厚度与地面实测颗粒物质量浓度数据进行分析,得出颗粒物质量浓度的大小分布范围与气溶胶光学厚度的关系模型;进一步利用研究区域中地面站点监测到的颗粒质量浓度数据对估算结果进行评估.结果表明该方法所估算的PM值与地面实测数据具有较好的相关性,且地面监测的颗粒物质量浓度均分布在卫星遥感数据所估算的范围之内.本研究证明了MODIS卫星数据监测地面颗粒物质量浓度的可行性,为近地面PM值的估算提供了有效手段.     

基于特征参数的冷水机组模型抗干扰性分析

基于将冷水机组未知的结构参数进行集总并由实测数据获取机组集总的结构参数(即特征参数)的建模方法,建立基于特征参数的冷水机组模型,并研究获取机组特征参数所需的实测数据中存在的测量误差对该建模方法及模型精度的影响规律。研究结果表明:当冷冻/冷却水流量、进/出口温度等机组实测值存在测量器具精度范围内的最大测量偏差时,冷水机组性能模拟值COP的相对误差小于2.5%,说明基于特征参数的冷水机组模型具有较高的抗干扰性。     

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。     

辽东湾北部碱蓬群落及滩涂土壤盐分遥感反演模型

土壤盐分是评价土壤质量的重要指标，也是影响辽河口滨海湿地盐地碱蓬生长的主要环境因素之一，提出一种实时、准确、大尺度监测碱蓬群落及周围滩涂土壤盐分的算法十分必要.为了减少大气对模型的影响，该文利用地面高光谱数据模拟Landsat 8 OLI卫星反射率，采用基于交叉验证的逐步回归分析方法构建土壤盐分反演模型.结果表明：1) 碱蓬样本的土壤盐分明显低于裸滩，海南三区域土壤盐分在总体上低于鸳鸯沟和笔架岭区域，而植株高度和生物量普遍均高于鸳鸯沟和笔架岭区域，在一定程度上说明了土壤盐分对盐地碱蓬生长的影响；2) 模拟卫星反射率构建的多光谱指数与土壤盐分的相关性相较于单波段在整体上有所提高，其中植被指数NDVI和RVI与土壤盐分的相关性较高，相关系数达到了－0.689和－0.683；3) 利用基于交叉验证的逐步回归分析法构建土壤盐分反演模型，模型的自变量为RVI、SAVI和SI3，模型的建模集决定系数R2为0.684，均方根误差(RMSE)为3.45，验证集RMSE为1.88，相对分析误差(RPD)为2.28，表明模型的反演精度和反演能力较好；为了进一步验证模型的精度，对比分析基于逐步回归分析法筛选的指数因子构建的多元线性回归反演模型，发现交叉验证的逐步回归模型的R2、RMSE均优于多元线性回归反演模型，同时土壤盐分反演值和实测值散点图更接近1∶1线，为辽东湾北部碱蓬群落及裸滩土壤盐分因子的反演提供技术及数据支持.     

基于支持向量机的云相态分析

为了提高云相态的反演精度,结合MODIS多通道的光谱特性,首先提出了分别针对白天和夜间的MODIS云检测方法,得到了较高精度的云检测结果,为云相态反演奠定了基础。然后,依据不同相态云在不同光谱的辐射特性,选取了合适的特征参量,采用支持向量机方法反演云相态,在2009年7月7日的一次大暴雨过程中的云顶粒子相态反演试验中取得了较好结果。结果表明：精确的云检测结果有利于提高云相态反演精度,利用支持向量机的方法反演云相态是可行的,并且反演结果具有较高的精度。     

基于SBDART和BP的夜间雾遥感检测和能见度反演

为了挖掘卫星影像中的雾信息为雾预测预报服务,利用双红外亮温差值作为雾与地物识别分类标志,建立基于SBDART辐射传输模型和BP神经网络的夜间雾遥感检测和能见度反演模型。对2007年11月24日我国华北地区的一次陆地辐射雾MODIS卫星数据进行雾检测,同时反演雾区能见度。根据陕西省气象局提供的地面气象观测数据对模型雾检测结果和能见度反演结果进行验证,该次实验夜间雾检测的准确率为79.2%,地面观测能见度和反演能见度一元线性回归分析方程斜率为1.006,相关系数为0.8498。实验结果表明,模型具有较高的雾识别率和雾能见度反演结果,可为夜间雾识别和生消发展规律探讨提供一定的帮助。     

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。     

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。     

中国近海多传感器合并叶绿素数据集检验与分析

针对欧洲航天局(ESA)发布的OC-CCI和GlobColour叶绿素a数据集在中国近海的验证空白，该研究利用中国近海六个航次的现场观测资料，对1998—2020年OC-CCI以及GlobColour叶绿素a产品(包括基于加权平均的AVW产品和基于半分析模型的GSM产品)分海区进行精度检验和长期一致性分析.验证结果表明，OC-CCI数据集的叶绿素a浓度与实测值之间相关系数最高且误差最小，r达0.918,RMSE约为0.497μg·L^-1;在长期一致性方面，OC-CCI与GlobColour AVW叶绿素a产品长期一致性高于其与GSM叶绿素a产品的一致性，且均在叶绿素a浓度较低的南海一致性较高，在渤海和黄东海，OC-CCI与GC AVW和GC GSM叶绿素a产品一致性的年际变化趋势相似，而月度变化趋势存在明显差异.     

联合LiDAR和多光谱数据森林地上生物量反演研究

【目的】森林地上生物量的准确估测对于实时掌握全球碳储量变化及应对气候变化有着重要的意义。组合多种遥感数据特征优选,分类建模反演森林地上生物量,是提高森林地上生物量精度的有效方法。【方法】以根河市大兴安岭生态观测站寒温带天然林为研究对象,以机载激光雷达(LiDAR)、Landsat8 OLI两种遥感数据源结合55块地面调查数据,采用偏最小二乘算法优化筛选变量,再以线性多元逐步回归和快速迭代特征选择的最近邻算法(KNN-FIFS)构建模型,在两种数据源的不同组合方式下进行森林地上生物量反演。【结果】①基于线性多元逐步回归模型下的单一LiDAR数据反演精度决定系数(R²)为 0.76,均方根误差(RMSE)为 21.78 t/hm²;单一Landsat8 OLI数据的反演精度R²为 0.24,RMSE为39.27 t/hm²;LiDAR和Landsat8 OLI联合反演精度R² 为 0.84,RMSE为18.16 t/hm²;②基于KNN-FIFS模型下的单一LiDAR数据反演精度R²为 0.74,RMSE为23.83 t/hm²;单一Landsat8 OLI数据的反演精度R²为0.60,RMSE为 29.63 t/hm²;LiDAR和Landsat8 OLI联合反演精度R²为0.80,RMSE为21.15 t/hm²。【结论】①特征优选支持下的3种组合方式中,LiDAR和Landsat8 OLI两种数据的组合在两种模型中反演精度均最高,其中线性多元逐步回归模型的反演精度最高,说明LiDAR和Landsat8 OLI数据组合,激光雷达与光学数据优势特征互补,协同反演可有效提高森林地上生物量的反演精度;②单一数据源反演森林地上生物量精度中,LiDAR数据比Landsat8 OLI数据在两种模型反演精度中均较高,这与LiDAR数据空间分辨高、可获得垂直结构特征参数有关。     

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。     

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。