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.     

MODIS/Terra辅助的HJ-1B CCD1数据悬浮泥沙浓度反演研究

针对MODIS/Terra传感器服役时间超期需要后续卫星延续观测以及国产陆地卫星数据水环境遥感应用问题,以深圳湾为研究区域,利用2007年～2008年获取的40个现场实测数据与MODIS/Terra NIR-SWIR大气校正反射率数据建立MODIS悬浮泥沙浓度反演模型,以此为基础,反演2010年～2012年4景MODIS悬浮泥沙浓度分布状况,展开同步的瑞利散射校正反射率(Rrc)多波段组合因子的HJ-1B CCD1影像悬浮泥沙浓度反演模型对比研究.结果表明,在不进行气溶胶校正的情况下,HJ-1B CCD1数据波段比值算法(Rrc(660)/ Rrc(560))可以有效实现深圳湾悬浮泥沙浓度的反演,反演模型的决定系数为0.88,均方根误差为7.19 mg/L,模型验证的相对误差为7.45%,该研究对于进一步推进水环境遥感监测有一定的积极意义.     

二类水体悬浮泥沙遥感反演算法综述

鉴于二类水体本身光学性质的复杂性及其与人类生产活动的密切关系,利用遥感数据监测二类水体水质受到了国内外学者的普遍关注,成为海洋学领域的热点问题。悬浮泥沙含量是表征水质优劣的一个重要参数,众多研究致力于建立悬浮泥沙反演模型的研究,定量反演二类水体悬浮泥沙浓度。该文总结了近年来二类水体悬浮泥沙遥感反演算法的研究进展。悬浮泥沙定量反演模型大致可分为以下三类：1）利用水体光学特性和水体组分之间关系建立的经验模型;2）综合经验模型和物理模型构建的半分析模型;3）基于辐射传输模型和生物光学模型建立的物理模型。针对目前反演算法存在的主要问题,提出未来的研究需加强反射率光谱曲线研究、开发高光谱遥感数据以及综合多源数据信息等方面的内容。     

水体悬浮泥沙动态监测的遥感反演模型对比分析——以鄱阳湖为例

水体泥沙是进行水环境监测及研究与泥沙输移有关的侵蚀、沉积过程所带来的灾害问题的关键因素,实现悬浮泥沙遥感定量动态监测的关键在于建立合适的反演模型。采用实测光谱模拟TM/ETM 和MERIS数据,对比分析了单波段和波段比值遥感因子构建的5种常用的经验半经验模型。结果表明,以MERIS第7波段遥感反射率为遥感因子建立的对数模型最适宜鄱阳湖地区悬浮泥沙的动态监测。     

基于GF-2影像的苏州市区水质遥感监测

城市水体水质遥感监测是治理城市水体水质遥感监测是治理城市水环境污染的重要基础,也是城市生态系统建设的重要组成部分。本文基于GF-2影像,建立城市水体水质参数反演模型,对2015年-2017年苏州市区水体的叶绿素a浓度、悬浮物浓度、透明度三种水质参数进行遥感监测,分析了苏州市城市水体水质参数的时空变化特征并且对苏州市水环境进行了评价。结果表明,苏州市区水体叶绿素a浓度整体偏高,但平均水平逐年降低。各个市辖区城市河道平均叶绿素a浓度相差不大。大型河流湖泊中,虎丘湿地叶绿素a的平均含量在2015年-2017年间均处于最高水平。三年间市区城市河道的平均悬浮物浓度降低明显,悬浮物浓度较高的河道均主要集中在虎丘区。大型湖泊的悬浮物浓度不高,逐年降低明显。盛泽湖的平均悬浮物浓度最低,透明度最高。京杭运河的悬浮物浓度一直保持在最高水平,且变化不大,吴淞江汇入京杭运河部分水体悬浮物浓度偏高。2016年元河塘悬浮物浓度突然增高并在2017年有所降低,但仍高于2015年。透明度的分布变化趋势与悬浮物浓度相反,符合常规规律。苏州市区水质逐年改善,但仍水质情况仍不容乐观。京杭运河、元河塘、虎丘湿地由于人为活动导致水质较差,今后需进行重点监测与治理。其余河流湖泊水质均逐年改善,盛泽湖的水质处于最优水平。根据相关资料查阅,遥感监测苏州市区水体水质情况符合实际情况,GF-2影像能有效地反演城市水体的水质参数信息并显示其分布变化规律。     

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.     

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GRNN模型的悬浮物遥感反演研究——以长江城陵矶段为例

遥感反演是监测水体表层悬浮物浓度的有效手段之一.广义回归神经网络(GRNN)较其它神经网络具有更强的非线性拟合能力,在小样本情况下有更好的推广性能,适用于遥感反演模型.使用长江中游城陵矶段HJ-1BCCD2遥感影像结合实地同步采样数据分别建立悬浮物GRNN及BP神经网络(BPNN)遥感反演模型,分析对比模型的精度,并使用GRNN模型预测了区域水体悬浮物分布信息.结果表明,相对于BPNN模型,GRNN模型具有较强的非线性拟合能力和较高的反演精度;长江干流的悬浮泥沙浓度总体上明显小于洞庭湖,这主要是三峡工程下泄泥沙大幅减少造成的;洞庭湖浑浊的湖水汇入长江后,在城陵矶至洪湖之间形成明显的混合带;而洞庭湖湖口悬浮物浓度明显高于其他湖区,这可能是该区域采砂活动的强烈扰动引起的.     

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。     

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。     

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.     

太湖二类水体水色遥感的大气校正问题探讨

基于简化的大气辐射传输模型,提出一种基于图像本身的水色遥感大气校正方法。根据清洁水体在绿光波段的离水辐射相对稳定的特点,来估算清洁水体像元在绿光波段的气溶胶参数,插值获取整幅图像在绿光波段的气溶胶参数,根据大气校正因子为1的假设,外推获取蓝、红波段的气溶胶参数。以太湖为研究区,对Landsat5TM蓝、绿、红波段进行大气校正,反演出离水辐亮度,进而获得水体的遥感反射率。对反演的水体遥感反射率与准同步实测的相应采样点水体遥感反射率进行了对比分析,结果表明,该方法有效地去除了大气效应对遥感数据的影响,经过大气校正的反射率值接近实测反射率值。     

基于Landsat-8 OLI数据的海南牛路岭水库水深的反演研究

基于遥感数据的水深反演对加快海南省基础水文数据的收集和简化整片水域水文数据的动态监测有着重要意义.利用Landsat-8 OLI卫星遥感影像和乘船采集的实测数据,在单波段法、多波段比值法和底部反照率独立水深算法（B算法）中选出了最适合水深反演的模型,即B算法模型,并针对B算法模型中对于深度小于10 m和大于30 m的水体其反演精度不佳的问题,提出了分区反演的处理方法 .结果表明,对于改进后的B算法模型,其平均绝对误差降低了45.7%,平均相对误差降低了42.3%,而且水深反演精度得到了明显提高.故改进后的分区反演B算法模型与牛路岭水库的实际水深分布更为契合,可以将其用来获取整个水库的水深数据.     

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。     

渤海浑浊水体GOCI影像神经网络大气校正研究

针对GOCI遥感数据的官方处理软件(GDPS(GOCI data processing system))中的标准大气校正算法在渤海近岸浑浊水体区域处理中存在的问题,以MODIS/Aqua数据NIR-SWIR波段联合大气校正处理所得的水色遥感反射率产品结果和GOCI的星上反射率数据为基础,基于神经网络模型进行浑浊水体GOCI影像的大气校正方法研究结果表明,神经网络方法能显著减少标准产品中大气校正失效区域,特别是在443、490、680、555、745nm波段改进效果非常明显;但412、660、865nm波段的紧邻近岸的浑浊水体部分区域存在遥感反射率空间分布不合理,这可能与MODIS对应波段产品本身的大气校正精度不高有关.由于缺乏对应的实测数据,后续验证工作还需要进一步开展.     

利用湿地植物控制长江泥沙的示范研究

根据自然水体湿生植物(挺水植物)、浮叶植物以及沉水植物的空间分布规律,利用水生高等植物构建由挺水植物、浮叶植物到沉水植物的野外示范研究区,面积为9 048 m2.模拟长江潮汐规律每天调长江水4 320 m3流经试验区,试验共进行100 h,进水量18 000 m3,试验区平均水力负荷0.477 5 m/d.结果表明:(1)湿地植被对水体透明度的改善与维持具有重要作用,即使外界环境有强烈干扰,只要不危及到湿地植被的存活,水体的透明度很快就可以提高到一定程度;(2)湿地植物对长江水体N、P等具有良好的净化作用;(3)湿地植物可降低泥沙含量,加速泥沙沉降.输入挺水植物长江水泥沙含量为130.87 mg/L,,而流出挺水植物区的泥沙含量仅为32.66 mg/L,降低了75%,试验100 h的最终沉降量达到402 g/m2;输入浮叶植物长江水泥沙含量为32.66 mg/L,而流出浮叶植物区的泥沙含量仅为20.30 mg/L,试验100 h的最终沉降量达到271 g/m2.输入沉水植物泥沙浓度平均为20.30 mg/L,流经沉水植物群落后泥沙浓度平均18.65 mg/L,在沉水植物区的沉降量为0.011 5 g/m2,明显低于挺水和浮叶植物区;(4)示范研究的结果充分验证了由挺水、浮叶、沉水等水生高等植物组成的串连湿地系统对挟沙水体中的悬浮泥沙的截留效果,因此在长江泥沙控制与水质改善上具有较好的可应用性,是长江泥沙控制、水质改善的重要措施之一.     

基于Landsat8遥感影像的山仔水库CDOM空间分布反演研究

利用Landsat8影像数据和实地采样数据,分析CDOM特征波段,提取敏感波段组合,构建适用于山仔水库的CDOM浓度反演模型。结果表明,以band3/band4敏感波段组合影像数据,反演模型为线性模型,平均相对误差为25.37%,R2值为0. 652,模型拟合优度比较高,反演效果较好。     

基于MODIS数据的淀山湖蓝藻“水华”监测

叶绿素a（chla）是水质监测的重要参数之一,其浓度是湖泊富营养化和蓝藻“水华”发生的重要标志。本文将MODIS影像波段反射率与叶绿素。浓度同步实测值进行相关分析,在此基础上建立遥感监测模型,应用该模型计算得到淀山湖水体叶绿素a浓度分布情况,并提取淀山湖富营养化导致的蓝藻“水华”分布情况。     

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...