基于光谱基线校正的季节性浑浊II类水体叶绿素a浓度遥感反演

水体Chl.a浓度是水质评价的一个重要指标,受悬浮物浓度季节性变化的影响,如何削弱悬浮物的光谱干扰,是实现内陆水体Chl.a浓度遥感高精度反演的难点之一.基于2011-2013年妫水河6次实测水体高光谱数据和水体Chl.a浓度数据,评价广泛应用的三波段模型和非线性拟合能力较好的支持向量机回归(SVR)模型的反演精度,使用基线校正和一阶微分方法来削弱实测高光谱中非Chl.a光谱信息.定义两种基线:750 nm的反射率值;500与750 nm的反射率值连线,基线校正为光谱反射率减去基线值.利用2013年7月的实测数据进行验证,结果表明,SVR模型比三波段模型更适合季节性浑浊水体的Chl.a浓度反演.通过基线校正筛选后的波段反射率组合作为输入变量能够提高SVR模型的反演精度,决定系数为0.68,均方根误差为3.38μg/L;线性基线校正提高三波段Chl.a估算模型的反演能力有限.     

一种基于MODIS影像可业务化运行的巢湖水体叶绿素a估算算法

现有水色卫星主要是针对大洋清洁水体设计,内陆浑浊水体多数波段经常饱和;而发展可以业务化运行的内陆水体叶绿素a算法,为生产实践服务,一直是水色遥感的重点和难点之一.利用2013年巢湖星地同步数据(N=55),通过经验正交函数(empirical orthogonal function,EOF)分析方法,选用MODIS唯一不饱和的4个波段(469、555、645、859 nm)数据进行分解,然后回归建模;并使用第三方独立的巢湖实测数据(N=40)进行验证(R2=0.63,URMSE=85.46%).结果表明:该算法用于MODIS影像上,空间分布合理,季节差异明显,且在高悬浮物水体、不同气溶胶条件下均有很好的抗扰动性.实践证明EOF算法可以应用于业务化运行的内陆水体叶绿素a浓度估算,并对其他水色参数反演具有一定的借鉴意义.     

MERIS影像水环境遥感大气校正算法评价——以鄱阳湖叶绿素a浓度反演为例

MERIS是2002年发射的在轨运行近10年的ENVISAT-1卫星上搭载的主要传感器之一,在波段设置和辐射灵敏度等方面有非常突出的优势,能够较好地运用于Ⅱ类水体叶绿素a浓度反演,但Ⅱ类水体的大气校正仍然是亟待解决的一个关键问题.以我国第一大淡水湖——鄱阳湖为研究区域,采用FLAASH、6S、BEAM和QUAC共4种大气校正算法对2005和2011年具有同步实测光谱数据的鄱阳湖ENVISAT-1卫星MERIS影像进行大气校正处理,并对12种叶绿素a浓度反演模型的波段组合因子进行大气校正效果的对比分析.结果表明:(1)4种大气校正中,大气校正结果精度由高到低表现为FLAASH6SBEAMQUAC,平均相对误差分别为31.13%、31.88%、69.48%和42.64%;决定系数(R2)分别为0.60、0.57、0.38和0.24;(2)在12种叶绿素a浓度反演模型的波段组合因子中,FLAASH得到的结果最优,其次是6S,BEAM和QUAC最差,在FLAASH算法中,由665、708和753 nm 3个波段遥感因子((Rrs(510)/[Rrs(443)/Rrs(560)])组成的模型精度最高,平均相对误差为25.12%,R2为0.74.建议采用FLAASH大气校正结果组成这个波段组合进行鄱阳湖叶绿素a浓度反演.     

太湖水体叶绿素浓度反演模型适宜性分析

为确定适合太湖水体叶绿素的反演算法,为同类卫星数据的建模和应用提供参考,本文根据太湖2007年11月、2009年4月和2011年8月实测水质参数以及同步光谱数据,结合水色遥感传感器MODIS、MERIS、GOCI及我国自主发射的HJ-1号卫星CCD传感器波段参数,基于差值模型、比值模型、三波段模型及APPEL模型,分别建立太湖水体叶绿素浓度反演模型,并分析模型的适宜性.结果显示,基于不同传感器数据APPEL模型的决定系数为0.7308~0.8107,模型相对误差为15%~24%,均方根误差为21%~32%;三波段模型基于不同传感器数据拟合的决定系数为0.6014~0.7610,相对误差为28%~36%,相对均方根误差为39%~46%;差值模型决定系数为0.4954~0.7244,相对误差为39%~53%,相对均方根误差为51%~72%;比值模型决定系数为0.4918~0.7098,相对误差为41%~55%,相对均方根误差为56%~75%.相比较而言,APPEL模型的稳定性较强,适合于不同传感器数据的太湖水体叶绿素浓度的反演.此外,相应不同传感器波段位置、波段宽度对模型反演的精度和稳定性的影响也不同,当波段位置接近叶绿素特征波长时,较窄的波宽有利于模型精度的提高,波段位置和叶绿素浓度特征波长相差较大时,合理增加波谱范围有利于叶绿素特征信息的获取.     

基于HJ-CCD和MODIS的吉林省中西部湖泊透明度反演对比

水体透明度能够反映光在水体中的穿透程度,影响水生植被及以光为依赖条件的水生生物的分布,获取透明度的传统方法是采用透明度盘进行测量,但也可以通过遥感方法获得.环境减灾卫星是专门用于环境与灾害监测预报的小卫星星座,影像覆盖范围广,空间、时相分辨率较高,可以为水环境遥感提供较好的数据源.MODIS数据在近岸水体和内陆大型湖泊水环境监测中也有广泛应用,它的时相分辨率也很高,但空间分辨率低.利用HJ-1A卫星CCD数据和MODIS日反射率产品(MOD09GA),以2012年9月吉林省石头口门水库、二龙湖、查干湖、月亮泡等地的实测透明度为基础(实测点数74个,最小值为0.134 m,最大值为1.410 m,平均值为0.488 m),根据灰色关联度选取构建模型的波段组合,建立水体透明度反演模型.HJ1A-CCD数据与MOD09GA数据建立的模型R2分别为0.639和0.894,均方根误差(RMSE)分别为0.248和0.135,模型验证的平均相对误差(MRE)分别为17.1%和9.5%,RMSE分别为0.207和0.089.MODIS数据以其较高的辐射分辨率使模型精度较高,但是HJ数据在应用于透明度小于1 m的水体时精度也较高(MRE=13.5%,RMSE=0.066).HJ-CCD数据在空间分辨率上的优势使其能够获得透明度空间分布的细节信息.比较两者反演得到的湖泊平均透明度,结果较为一致.     

乌梁素海沉水植物群落光谱特征及冠层水深影响分析

沉水植物对于改善富营养化水体和重建水生生态系统起着至关重要的作用.应用遥感技术可以实时、大面积监测沉水植物的分布和生长情况,而冠层水深直接影响沉水植物在湖泊、河流中的准确遥感解译.本研究基于实测光谱数据,分析了乌梁素海沉水植物光谱特征,并研究了冠层水深对乌梁素海沉水植物反射光谱的影响,建立了乌梁素海沉水植物冠层水深反演模型.结果表明:1)挺水植物在短波红外1662 nm和2223 nm附近分别有一个反射峰,这是挺水植物区别于沉水植物和漂浮藻类的重要波段; 0深度沉水植物(WDC=0)与漂浮藻类的光谱反射率非常接近,但是在绿波段(550～690 nm)有明显差异,因此,可以利用绿波段和短波红外波段的光谱特征来区分挺水植物、沉水植物和漂浮藻类.2)沉水植物群落的光谱反射率随冠层水深的增加而降低,在700～900 nm波段范围内变化最为明显,且在700～735 nm波段附近,沉水植物群落光谱反射率与冠层水深呈显著负相关.3)在建立的单波段/波段比沉水植物冠层水深反演模型中,波段比反演模型要优于单波段反演模型,波段比反演模型的决定系数R2 0.70,均方根误差13.70 cm,平均相对误差28%,反演精度较好,适用于10～60 cm沉水植物冠层水深的反演.4)利用波段响应函数,将实测光谱反射率积分到Landsat-8 OLI波段上,建立OLI了冠层水深反演模型,其中,波段比幂函数模型反演效果最好,R2为0.49,均方根误差为18.17 cm,平均相对误差40.05%.可用于精确大气校正后乌梁素海沉水植物冠层水深的反演.     

基于光学与被动微波遥感的青藏高原地区土壤水分反演

青藏高原地区高精度的土壤水分反演对高原能水循环、全球大气循环研究有着极大的影响.因此,获取青藏高原土壤水分时空布信息是一个迫切需要解决的问题.温度植被干旱指数(TVDI),是基于光学与热红外遥感通道数据反演土壤水分的重要方法,但在研究区域较大、地表覆盖格局差异显著时,TVDI模型反演精度会受到地表温度(Ts)等因素的影响.被动微波AMSR-E数据精确记录了像元内的土壤水分信息,但空间分辨率低.本文利用同时期的MODIS与被动微波数据,发展了针对青藏高原地区高精度土壤水分反演算法.首先,在TVDI模型中,利用修正型土壤调整植被指数(MSAVI)代替归一化植被指数(NDVI),以改进NDVI易饱和的缺点;其次,利用ASTER GDEM数据,对地形高程和纬度差异引起的地表温度变化进行了校正;然后,通过神经网络训练建立基于TVDI、被动微波以及辅助气象数据的土壤水分反演模型,并应用该模型反演了青藏高原地区三个观测网(CAMP/Tibet、玛曲和那曲)的土壤水分;最后,利用实测土壤水分数据对反演结果进行验证,结果表明该模型的精度均方根误差(RMSE)数值可达到0.031~0.041 m~3·m~(-3).本文还应用该算法反演了青藏高原连续的土壤水分的空间分布,并比较了土壤水分的变化趋势与实测降水变化趋势,结果表明二者变化量的正负关系一致.     

基于半分析模型的波段最优化组合反演混浊太湖水体叶绿素a

内陆水体叶绿素a浓度定量反演是水质遥感的热点与难点.本文基于对内陆水体叶绿素a、悬浮物、溶解有机物与水分子的光谱特征分析,从半分析生物光学模型出发,利用太湖实测的水面 ASD 高光谱遥感数据三波段组合,进行迭代优化,得到与叶绿素浓度密切相关而受悬浮物与黄色物质影响小的最优波段组合模型,反演精度较高,其决定系数和均方根误差分别为 0.8358、3.816mg/m3,该方法可以有效地反演高浓度悬浮物主导光学特性的水体叶绿素a浓度.     

基于OLCI数据的洱海叶绿素a浓度估算

海陆颜色仪(OLCI)是搭载在Sentinel-3上的新型水色遥感传感器,其对于内陆清洁水体水质遥感监测的适用性有待验证.本研究以评价水体富营养化程度的重要参数叶绿素a(Chl.a)浓度为指标,以高原湖泊洱海为研究区,基于2017年4月19日共20个星地同步实验数据,建立了3种可应用于OLCI数据的Chl.a浓度遥感估算模型(波段比值模型、三波段模型以及FLH模型),并估算了当日洱海Chl.a浓度的空间分布.结果表明:(1)选用波段Oa8(665 nm)、Oa11(708.75 nm)和Oa12(753.75 nm)构建的三波段模型最适用于洱海水域的Chl.a浓度估算,其平均绝对误差百分比为12.37%,低于波段比值模型的16.04%和FLH模型的13.50%;(2)对OLCI使用的大气校正方法中,基于去瑞利散射的暗像元法对估算模型的适用性要优于6S、FLAASH以及QUAC方法;(3)洱海OLCI影像中近岸水体受邻近效应影响严重,近红外波段Oa12(753.75 nm)受陆地邻近效应影响的距离为1~2个像元,而Oa8(665 nm)、Oa10(681.25 nm)和Oa11(708.75 nm)波段为1个像元;(4)2017年4月19日全湖Chl.a浓度均值为12.15±5.72μg/L,洱海中部水域Chl.a浓度最低(9.00~12.00μg/L),北部水域浓度最高(12.00~22.76μg/L),南部水域浓度稍高(12.00~14.00μg/L),阳南溪与波罗江入湖口受降雨径流的影响出现"羽流现象",导致Chl.a浓度偏低,约为8.33μg/L.     

基于星载激光雷达GLAS和光学MODIS数据中国森林冠层高度制图

星载GLAS波形数据精确记录了光斑内所有探测目标的垂直结构信息,在森林结构参数反演方面具有极大的应用潜力,但GLAS激光脚印是不连续分布的离散点且密度较低（中国地区平均约为0.14 point／km^2）,因此仅利用GLAS数据不能获得高精度的连续植被高度分布。已有研究表明,相对其他光学数据及反演参数,MODIS BRDF参数最能反映植被结构信息。本文利用同时期（2008年2月）的GLAS与MODIS数据,首先采用小波分析方法提取GLAS数据的波形特征参数,通过ASTER GDEM数据计算地形指数,并辅以植被分类数据分三种森林类型分别建立基于波形特征参数和地形指数的树高估算模型;然后,通过神经网络训练建立基于GLAS树高和最佳MODIS BRDF波段组合的树高反演模型,并应用该模型得到中国森林植被平均高度的连续分布图;最后,利用野外实测树高和机载激光雷达数据提取树高分别对反演结果进行验证,结果表明该模型反演精度较高。     

Ra in the Black Sea and Sea of Marmara

Water column distributions of²²⁶Ra were determined at stations in the Sea of Marmara and the Black Sea as part of the 1988 Joint U.S.—Turkish Black Sea Expedition. Black Sea surface water²²⁶Ra concentrations were a factor of three to four lower than measurements made 20 years earlier. The most likely cause is increased removal of²²⁶Ra and Ba [35] due to increased surface biological activity; a secondary effect is decreased fluvial discharge and related dimunition of inputs by desorption from fluvial suspended sediments. The amount of²²⁶Ra missing from the surface waters of the Black Sea over this period is accounted for in the high-porosity surficial “fluff” sediment layer.

Throughout the Black Sea, depth profiles of²²⁶Ra exhibited pronounced maxima of approximately 25 dpm/100 L at aboutσ_θ = 16.2–16.3, in the vicinity of a bacterial maximum, but slightly shallower than the total dissolved Mn and Fe maxima (σ_θ = 16.4–16.5) reported by Lewis and Landing [38]. While the²²⁶Ra maximum may, in part, be linked to the cycling of Mn and Fe oxyhydroxides near theO₂H₂S interface, its distribution appears to be more plausibly explained as a result of the microbial breakdown of particulate organic matter and the subsequent release and partial dissolution of associated barite in this region.

A simple steady-state two-☐ model has been used to obtain a semiquantitative understanding of the behavior of²²⁶Ra in the Black Sea. By incorporating reasonable estimates for the input and removal of²²⁶Ra in the Black Sea, an excellent agreement between predicted and observed (1988)²²⁶Ra concentrations was achieved. The model suggests that the dominant variables controlling the distribution of²²⁶Ra in the Black Sea are riverine input and cycling with Ba.     

海中取淤的海堤安全距离分析

在距离海堤较近的海中取淤会引起海堤较大的变形。针对某围海造地工程,选择常规的斜坡堤进行分析。采用理想弹塑性模型,改变取淤位置与堤脚的距离进行计算。结果表明如果以10 mm为控制标准,取淤距离保持300 m是比较合适的。放松对位移的要求,取淤距离可以更近一些。