基于SVM的莱州湾叶绿素浓度遥感反演

叶绿素浓度是浮游植物分布的指示剂，是衡量水体初级生产力和富营养化的基本指标。准确探测海水叶绿素浓度并分析其时空分布变化特征，对海洋生态研究海洋生物资源评价、海洋环境监测、海洋渔业管理等方面都具有重要意义。利用在莱州湾2007年6月至2007年8月测量的32组二类水体叶绿素浓度和同步实测辐射光谱资料，建立了莱州湾叶绿素浓度的荧光算法和SVM（Support Vector Machine）反演模式，并用9月份的8组数据作为验证，结果表明SVM反演模式在莱州湾具有很好的应用前景，为该区域水质参数遥感监测提供参考。     

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。     

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。     

墨西哥湾OCO-2卫星叶绿素荧光产品分析与评价

陆上植被荧光遥感分析已经发展了30余年,技术层面上日臻成熟,而海洋方面的叶绿素荧光研究正方兴未艾。为了促进卫星遥感手段研究叶绿素荧光的发展,以墨西哥湾东北部水域为研究区,对2014年9月-12月轨道碳观测2号(Orbiting Carbon Observatory–2,OCO-2)提供的L2级叶绿素荧光遥感反演产品进行了分析和评价。本文首先阐述了OCO-2荧光检索的原理和方法。在此基础上,结合表观辐射亮度和纠正参数Ci论述了叶绿素荧光值的变化趋势和波动范围。并进一步对太阳天顶角和观测天顶角等观测几何因素与荧光值之间的关系进行了分析。研究结果表明：①从数值上看,771 nm波段叶绿素荧光显著大于757 nm波段,而两个波段提取的叶绿素荧光相关性明显,这与地面实际观测得到的结果相一致;②太阳/卫星天顶角和方位角与叶绿素荧光反演结果关系不显著,表明观测几何因素对卫星遥感叶绿素荧光的影响不明显;③提取的叶绿素荧光值偏小,并出现负值,而纠正参数Ci相对恒定,这表明IMAP-DOAS反演算法和传感器探测可能存在一定的系统性误差。通过对以上研究结果的分析,可知利用OCO-2反演叶绿素荧光所得到的产品具有一定的可信度和稳定性,但其反演精度与地面观测数据相比,仍需相关部门投入大量的时间和精力进行比对和验证,以提高其实际利用价值。     

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.     

大豆叶片水平叶绿素含量的高光谱反射率反演模型研究

利用便携式光谱仪和分光光度计法分别测得大豆生长期内叶片的高光谱数据及相应的叶绿素质量分数w,利用多元统计分析和红边参数反演提取与叶片水平的w(叶绿素)相关性较高的敏感波段和光谱形式,及特征光谱位置,并以此为基础推演得到一个基于神经网络算法的叶绿素含量反演模型,结合了3种方法的优点,具有较高的反演精度.     

基于MODIS数据的海洋叶绿素反演算法研究

海洋叶绿素的反演在海洋-大气系统的碳循环、赤潮灾害监测等方面具有重要意义。选择南海乐东县作为研究区,基于MODIS 250 m分辨率数据,将MODIS水色产品数据集和南海实测数据集作为实测值数据集分别建立二波段比值、植被指数NDVI以及逐步回归模型,反演研究区的叶绿素浓度。结果显示,基于南海实测数据集建立的反演模型精度普遍较高,R~2值都达到0.7以上,其中逐步回归模型精度最高,R~2值达到0.778 3。反演结果表明,在实测值支持下,MODIS高分辨率数据在叶绿素反演方面能够达到较好的反演效果,同时也提高了在MODIS数据使用方面的空间反演精度,证明MODIS高分辨率数据在海洋叶绿素反演方面能得到较好的应用。     

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.     

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.     

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...