应用MODIS数据反演河北省海域叶绿素a浓度

为了建立更加合理、准确的叶绿素a遥感反演模型,利用地物光谱仪测定了河北省海域水面的光谱反射率,分析了光谱反射率与实测叶绿素a浓度之间的关系.在此基础上,通过MODIS数据各波段及波段组合的反射率与实测叶绿素a浓度的相关分析,确定第1波段(B1)为最佳反演波段,建立了应用B1反演叶绿素a浓度的遥感模型,并对模型精度进行验证.结果表明:该模型相关系数为0.66,反演结果均方根误差为0.48 mg/m3,模型精度优于SeaDAS的OC3标准经验算法;该模型反演河北省海域表层水体的叶绿素a浓度有较好的效果.     

基于GF-1与实测光谱数据鄱阳湖丰水期总悬浮物浓度反演

总悬浮物浓度是水质评价的重要参数之一。2015年8月,在鄱阳湖布设33个采样点,通过测量水面光谱和采集水样进行检测,获取水面遥感反射率、总悬浮物浓度和叶绿素a浓度等数据。结合实测水面遥感反射率数据与总悬浮物浓度的相关性分析,建立了单波段、一阶微分和波段比值3种反演模型,并分别进行了精度验证。研究发现,3种反演模型的拟合度(R2)均大于0. 9,其中单波段模型最优,其R2、均方根误差(root mean square error,RMSE)及平均相对误差(mean relative percentage error,MRPE)分别为0. 980 5,3. 78 mg/L和16. 99%。将该单波段模型应用于2015年8月3日的高分一号(GF-1)卫星影像数据,同样得到了较高的反演精度,R2,RMSE和MRPE分别为0. 847 7,12. 23 mg/L和35. 22%。结果表明,鄱阳湖丰水期总悬浮物浓度值总体偏低,平均值为23. 26 mg/L,高值主要集中在鄱阳湖北部通江河道及其以南的中部水域,其余水域分布较为均匀。利用2015年10月24日GF-1影像和准同步观测的21个采样点的总悬浮物浓度数据使用此模型做进一步验证,其反演精度接近于2015年8月影像验证结果,表明该模型能进一步推广应用到鄱阳湖不同时期总悬浮物浓度的反演。通过实测光谱的分析以及在遥感影像上的应用,可以为鄱阳湖总悬浮物浓度的反演以及环境监测提供参考。     

渤海近岸水体漫衰减系数Kd(490)遥感反演模型

利用2005年渤海近岸水体生物光学数据集, 建立了基于水体遥感反射率光谱Rrs(λ)数据的490nm波段水体漫衰减系数Kd(490)经验反演模型, 经实测数据检验, 模型反演结果的平均相对误差为18.4%, 均方根误差(对数坐标下)为0.094m-1, 相关系数R2 (对数坐标下)为0.902。分析了模型的噪声敏感性, 在输入端引入±5%误差的情况下, 模型反演结果的平均相对误差波动在9%以内, 均方根误差的变化在0.035m-1以内, 模型是稳定可靠的。以ENVISAT MERIS数据为例, 进行了模型的示范应用, 给出了渤海Kd(490)的空间分布。     

基于光谱特征的三峡坝区水色要素反演

基于野外测定的水质参数,通过研究三峡坝区水体中水色要素浓度与反射率之间的关系,选择反演叶绿素、悬浮物、溶解性有机物的最佳波段,建立了反演水色要素浓度的遥感定量模型。研究表明,在波段比值的基础上进行幂次修正的波段组合反射率与SS浓度相关性较好(R2=0.76),可以用来估算悬浮物浓度;悬浮物浓度影响叶绿素浓度的反演精度,通过在模型中增加一个红绿波段比值指数项的方法能够抑制或削弱悬浮物的影响,提高了叶绿素浓度的反演精度(R2=0.75);DOC反演模型中,绿光波段与红光波段反射率的对数值能较好的估算DOC浓度,且与log(DOC)相关程度最高,决定系数为0.85,反演精度较高。     

基于高原盐湖光谱特性下的溶解氧反演应用与探讨

因地理条件限制,盐湖高光谱反演研究目前尚少,文章以盐湖溶解氧的反演为例,探讨盐湖水质参数的反演思路与方法。通过对青海察尔汗盐湖水体高光谱数据的信息分析,在高光谱水质参数反演技术基础上利用盐湖水体的独特光谱信息,采用波段组合的方式确定了盐湖高光谱溶解氧反演模型。研究结果表明:(1)原始光谱曲线各个波段与溶解氧含量相关性不足0.3,基于盐湖水体的独特光谱信息下的波段组合数据与溶解氧含量的相关系数达到0.75以上;(2)建立的波段比值模型与实测值进行模型精度验证,发现溶解氧含量反演与实测结果基本一致;(3)盐湖水体较为稳定的特性使其在经历时间变化时水质参数含量不会发生较大变化,利用2019年11月份实测数据进行的精度验证也可说明以盐湖光谱特性建立的波段比值模型具有较高精度,并且能够有一定的模型长效性。因此,利用盐湖光谱特性建立高光谱反演模型可满足对该湖区进行溶解氧监测的精度需求,实现对其的大面积监测,也同时提出一种新的针对高原盐湖反演模型建立的思路,为后续高原湖泊的监测体系建立奠定基础。     

昆承湖水质状况遥感监测与空间特征分析

针对镇域水资源常规的监测方法不能满足对水质适时、大尺度的监测评价要求等问题,该文以江苏常熟辛庄镇昆承湖为例,分析叶绿素a(Chl-a)和悬浮物(SS)浓度值与水体归一化反射光谱、一阶微分反射光谱特征的关系,运用PEARSON法分析两者之间的相关性,确定Chl-a和SS的敏感波段,利用Chl-a和SS敏感波段归一化光谱反射值和实测浓度数据建立了水质参数反演模型。采用同时相ETM遥感数据对水质参数(叶绿素a和悬浮物)浓度进行遥感定量反演,并根据反演结果分析镇域水体污染空间分布特征。结果表明,对水质参数几个最大正(负)相关的光谱值进行波段组合处理可以提高反演精度,并且模型反演值和实测浓度值之间误差较低。通过对叶绿素、悬浮物等水质参数反演实现了对昆承湖水体污染状况的快速、准确和动态的信息获取和评价,有效地实时监测镇域水体在空间和时间上的变化状况和特性。     

鄱阳湖叶绿素a浓度遥感定量模型研究

叶绿素a浓度是反映湖泊水体营养状况的重要指标,本研究通过分析水体叶绿素a浓度与高光谱反射特征的相互关系,采用一阶微分值和峰值比值法分别建立了叶绿素a的高光谱定量反演模型,在此基础上与同步MODIS数据敏感波段建立卫星定量反演模型。结果表明:叶绿素a荧光峰出现在波段690nm-700nm,波段696nm一阶微分值相关系数最大;波段700nm与波段680nm的比值与其对数相关性较好,MODIS数据波段2和波段1比值的指数模型为最佳的回归模型。     

基于GF-1卫星数据的水库叶绿素a浓度联合反演研究

探明不同区域及不同营养状况下水库叶绿素a的共同敏感波段,基于G F-1号卫星16 m分辨率的多光谱WFV传感器影像构建叶绿素a浓度普适性反演模型.文中以湖南省3种不同营养状况的水库为研究对象,在实测高光谱及GF-1/WFV影像预处理基础上,对比实测高光谱数据与GF-1/WFV影像数据,采用相关性分析筛选叶绿素a敏感波段,基于GF-1/WFV影像数据构建叶绿素a浓度一元回归联合反演模型,生成浓度等级图.研究表明,相关性分析下叶绿素a的敏感波段区间为550～620 nm,波段区间对应影像中的绿波段(520～590 nm),模型反演精度较优,满足水库叶绿素a浓度监测精度要求,可为发展基于遥感影像大面积反演不同污染程度水质叶绿素a浓度提供基础支持.     

基于高光谱遥感反射比的太湖水体叶绿素a含量估算模型

旨在寻找叶绿素a的高光谱遥感敏感波段并建立其定量估算模型。通过对太湖水体的连续监测，获得了从2004年6月到8月3个月的太湖水体高光谱数据和水质化学分析数据。利用实测的高光谱数据分析计算太湖水体的离水辐亮度和遥感反射比；然后，通过相关分析寻找反演叶绿素a浓度的高光谱敏感波段，进而建立反演太湖水体叶绿素a浓度的高光谱遥感定量估算模型，并用相关数据对模型进行精度分析。研究发现，水体的遥感反射比光谱在719nm和725nm存在两个峰，其中719nm处的峰更明显且稳定。通过模型的对比分析，发现用这两个峰值处的遥感反射比参与建模可以提高叶绿素a的估算精度；并且认为由反射比比值变量R719／R670所建立的线性模型对叶绿素a浓度的估算精度最理想。     

一种高斯过程回归的水体吸收系数反演模型

水体吸收系数是评价水体环境质量和衡量海洋对全球气候影响的重要因子.水色遥感作为目前对大范围海洋进行长时间连续监测的唯一手段,可以借助于合适的反演模型从影像上获取水体吸收系数.然而现有模型多为经验模型,反演精度和水体适应性都较差.基于自建的全球水体光学原位测量数据集SeaBASS2020,通过选用412、443、490、510、560、620、665 nm波段的遥感反射率以及620、665 nm与其余5个波段的遥感反射率比值作为模型输入特征,并以Matérn函数作为模型的核函数,提出一种基于高斯过程回归的水体吸收系数反演模型GPR-a.实验结果表明,在反演精度上GPR-a较传统的波段比值经验模型有大幅提升,其中决定系数R2提升了24.79％,均方根误差σRMSE和平均相对误差εMRE分别降低了50％和35.17％.此外,实验还验证了GPR-a具有较强的鲁棒性和极佳的反演值不确定度估计能力.     

光谱波段宽度对森林叶片叶绿素含量反演的影响分析

随着传感器技术的发展,高光谱数据光谱的波段宽度逐渐变窄,如何从海量的光谱数据中找到最优的光谱波段反演叶绿素含量,成为研究的难点问题。本文在测量华中农业大学狮子山6种主要树种的光谱数据和叶绿素含量的基础上,利用叶绿素指数(CI)和回归方法反演叶绿素含量,并分析了波段宽度对反演叶绿素含量结果的影响,结果发现波段宽度会影响到叶绿素反演的精度,当波段宽度为30nm时,叶绿素含量与"红边"区域(700nm-730nm)和近红外区域(770nm-800nm)叶绿素指标(CI)间的线性关系较好,决定系数可达到77.62%,均方根误差为10.6ug/cm2。     

应用TM数据估算沿岸海水表层时绿素浓度模型研究

本研究以大亚湾为实验区，以陆地卫星ＴＭ数据为信息源，结合表层海水叶绿素浓度实测资料建立模型。在对叶绿素光谱特征及遥感估算叶绿素浓度机理研究基础上，选取了ＴＭＩ—ＴＭ４波段的７５种波段组合为子因素，以叶绿素浓度为母因素，利用灰色系统理论，分析各波段组合与叶绿素浓度之间的关联度。将关联度最大的５种波段组合分别建模，得到５个估算表层海水叶绿素浓度的反演模型。误差分析表明，各模型的最大相对误差在１９％以下，平均绝对相对误差在１１．２％以下，相对标准误差在６．７％以下，模型精度较高。研究表明：（ＴＭ３×ＴＭ４）是估算沿岸海水表层叶绿素浓度的最佳波段组合，采用（ＴＭ３×ＴＭ４）与ＴＭ１、ＴＭ２或ｌｎ（ＴＭ十ＴＭ２）、Ｉｎ（ＴＭ１×ＴＭ２）之比值并不能改善估算精度。     

天宫一号数据地表温度反演及其在城市热岛效应中的应用

针对天宫一号高光谱成像仪红外波段数据提出了一个单通道地表温度反演算法,算法的输入参数为大气水汽含量和地表发射率.利用模拟数据和黑河流域生态—水文过程综合遥感观测联合试验的地面实测数据对算法进行了精度评价,结果表明算法的均方根误差为2.72 K,能够满足大多数应用研究的需求.以北京市二环以内为研究区域,采用4个时相的天宫一号高光谱红外波段数据进行了城市热岛效应研究,结果表明天宫一号高光谱红外波段数据适合用来进行街区尺度的城市热岛效应研究,具有很大的应用潜力.     

四种遥感浅海水深反演算法的比较

详细介绍了单波段线性回归模型、两波段比值线性回归模型、多波段组合线性回归模型、BP神经网络模型等4种光学遥感水深反演算法,然后利用同一地区、同一时期的Worldview-2多光谱遥感影像和实测水深数据,对4种水深反演模型的准确性进行了实验比较。研究表明:多波段组合线性回归模型、BP神经网络模型的水深反演的性能较好,利用多光谱遥感图像数据反演得到的水深值误差较小;而单波段线性回归模型、两波段比值线性回归模型的效果较差。     

基于WorldView-2数据的西沙群岛遥感水深反演——以赵述岛和南岛为例

利用World View-2卫星数据,对西沙群岛的赵述岛和南岛开展了水深反演。以赵述岛为实验区,分析水深与各波段及波段组合的相关性,将水深相关性最大的海岸波段与绿光波段组合作为水深反演因子,建立多种回归拟合模型;将反演结果与实测水深误差对比,确定最佳拟合方式;最后,将该模型应用到南岛,反演其水深等值线图,并将其与南岛实测水深点相较。结果表明,南岛整体水深反演均方根误差在1.25 m以内。     

基于PLSR的陕北土壤盐分高光谱反演

选取陕北盐渍土为研究对象,通过采集高光谱数据及土壤样品测定,研究土壤盐分含量与反射率之间相关性,遴选盐分特征波段,利用常规回归分析及偏最小二乘回归分析建立土壤盐分的定量反演模型,并利用检验样点进行对比分析和精度检验。研究结果表明,482 nm,1 365 nm,1 384 nm,2 202 nm及2 353 nm为土壤盐分含量的特征波段,利用高光谱数据进行盐分定量反演具有良好的精度;精度检验结果表明,通过Matlab进行偏最小二乘回归计算的反演模型,实测值与预测值相关性更好,精度较高。     

内陆湖泊颗粒有机碳反演及日变化初步研究

以太湖及洞庭湖为例,检验海洋一类水体颗粒有机碳(particulate organic carbon, POC)浓度遥感估算方法在内陆湖泊二类水体中的适用性,结果表明,一类水体POC反演模型并不适用于二类水体。针对二类水体建立了以近红外波段(834 nm)为因子的单波段POC反演模型以563及834 nm波段组合为因子的两种双波段反演模型,模型验证结果显示,单波段模型的均方根误差(RMSE)为1.12 mg/L,平均相对误差(MAPE)为35.8%,两个双波段反演模型的RMSE分别为1.09 mg/L及1.11 mg/L,MAPE分别为37.3%及37.8%,三种模型均可用于太湖及洞庭湖水体的POC浓度遥感估算。在此基础上,以太湖为例,建立了基于静止轨道卫星海洋水色(GOCI)卫星数据的太湖POC反演模型,反演模型的MAPE为35%。利用5月13日8景GOCI影像,研究了太湖POC浓度日变化,发现POC浓度日变化存在两个阶段:上午至中午的递减阶段和中午至傍晚的递增阶段。     

海底底质分类支持下的WorldView-3多光谱影像浅海海域水深反演

近几十年来,基于遥感影像进行水深反演一直是国内外学者研究的热点。本文使用WorldView-3高分辨率卫星影像,结合卫星测高数据,以中国海南岛附近的蜈支洲岛及其附近海域为主要研究区域,在进行数据预处理、底质分类之后,分别通过多元线性回归模型、Stumpf对数比值模型和BP神经网络集中对岛屿周围0～20 m水域的水深进行反演和结果分析。结果证明,对这3种模型而言,在进行底质分类之后精度都会明显提升。其中,BP神经网络反演水深精度最高(均方根误差范围为0.2～0.7 m),多元线性回归模型次之(均方根误差范围为0.3～0.8 m),对数比值模型精度最低(均方根误差范围为0.6～1.1 m)。     

基于HY-1C卫星CZI影像的多类型内陆水体大气校正及水质参数反演

海洋一号C星(HY-1C)上搭载的海岸带成像仪(CZI)在内陆水体水色遥感应用方面具有较大潜力。目前,HY-1C CZI影像在内陆水体的大气校正和水质反演研究较少,仍然需要解决适用于不同类型内陆水体的大气校正和水质参数建模等问题。因此,本研究在华北平原的小浪底水库、官厅水库、丹江口水库、白龟山水库、白洋淀5个不同浑浊程度的湖泊和水库开展了星地同步实验,获取了85个采样点的水面遥感反射率光谱和水质参数实测数据。发展了基于Sentinel-2 MSI影像均匀不变地物的HY-1C CZI影像相对大气校正算法和系统定标模型。HY-1C CZI的蓝、绿、红、近红外波段遥感反射率反演平均无偏相对误差(AURE)分别为14.7%、11.2%、28.9%、41.7%,蓝、绿、红波段的大气校正精度相对较高;此外,大气校正与实测光谱的相关系数r的平均值为0.978,光谱角度距离(SAD)的平均值为0.109,说明大气校正遥感反射率光谱形状与实测光谱一致性较高。基于实测数据构建了叶绿素a浓度和透明度反演模型,经独立数据验证,HY-1C CZI影像叶绿素a浓度反演的AURE为33.8%,均方根误差(RMSE)...     

CatBoost模型在水深反演中的应用

在多光谱遥感水深反演研究中,由于影响反演精度的因素较多,传统的水深反演模型具有一定局限性。机器学习算法在解决非线性高复杂问题上较有优势,将其应用在某些特定区域水深反演可提高反演精度。本文利用Sentinel-2多光谱遥感影像和LiDAR测深数据,以瓦胡岛为研究区域,构建CatBoost水深反演模型,与传统水深反演模型及Boosting中的XGBoost和LightGBM模型的反演精度进行比较。试验结果表明,经过参数优化后的CatBoost水深反演模型的决定系数、均方根误差、平均绝对误差和平均相对误差分别为96.19%、1.09 m、0.77 m和9.61%,准确性最高,效果更佳。