水体铜离子吸收系数光谱(400-900 nm)测量

金属溶解物的吸收光谱测量是水体重金属遥感反演的关键。本文使用水体透射光测量装置,利用ASD光谱仪测量相同厚度不同浓度铜离子溶液的透射光辐亮度,运用比值法计算水体铜离子消光系数和吸收系数,最终得到400—900 nm波长范围内的水体铜离子单位浓度吸收系数光谱。该方法可以较好地消除实验装置和水中悬浮物的影响。结果表明,水体铜离子在蓝、绿光波段吸收作用极小,红光至红外波段的吸收系数快速增大,与铜离子溶液颜色相吻合;吸收峰位于810 nm。多次独立实验测量所得结果的标准差很小,说明测量结果稳定。与Jancsò测量结果的对比分析表明,本文结果与国际上著名测量结果接近,且部分波段的测量值更为合理。     

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.     

用人工神经网络方法反演水体吸收系数

吸收系数是水体的固有光学参数,是进行水体光学遥感研究的基础。讨论了一种基于人工神经网络(artifi-cial neural networks,ANN)、利用遥感反射比数据反演水体吸收系数的方法。该方法用实测的水体遥感反射比(Rrs)数据集建立BP神经网络,用以反演水体在波长440 nm处的吸收系数(α(440))。实测遥感反射比数据集的80%数据用于训练样本,20%数据用于预测样本。研究结果表明:正确选择神经网络的传递函数、训练函数和隐含层节点个数是至关重要的;用最优的传递函数、训练函数和隐含层节点个数得到的预测结果与实际测量结果的相关系数高达0.978,证明了该方法的可行性。     

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。     

分离悬浮质影响的光学波段(400—900 nm)水吸收系数测量

设计了一套采用较直接方式测量水吸收系数的新装置。通过测量直射光穿透不同厚度水层后的辐照度,采用比值法消除了测量仪器对实验结果的影响并得到水层的消光系数;通过混浊水消光实验,证明悬浮物消光系数可由 ?ngstrom公式计算,并提出消除水中悬浮杂质影响的方法。最终得到纯水在400—900 nm波段的吸收系数。所得结果与主流的前人测量成果较为相符,在较长波段具有更好的精度,可作为水质遥感的基础数据。     

天津滨海新区地表水悬浮物浓度遥感反演研究

针对传统的实地地表水水质监测测量方法费时费力,且存在监测布设点有限,无法反映水质的时空变化情况等问题,该文以天津滨海新区的Landsat-8卫星影像作为数据源,将实地水样采集、实验室测量分析和遥感影像不同波段像元亮度值结合,对滨海新区海河水体的悬浮物浓度,分别建立基于统计回归和神经网络的两种经验算法反演模型。结果表明,神经网络模型的反演结果能较准确地反映实际水体的悬浮物浓度分布情况,为该地区地表水水质监测提供一种可行的解决方案。     

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。     

QAA在遥感影像反演中的性能评估与分析

准分析算法QAA(Quasi-analytical algorithm)作为最常用的半分析反演算法被广泛应用于水体吸收系数和后向散射系数的反演,但目前对其在大范围遥感影像中的反演性能研究还较少。基于Sentinel-3系列卫星搭载的OLCI遥感影像,将朝鲜海峡、马六甲海峡、白令海峡和霍尔木兹海峡作为不同类别大范围水体的代表海域,并选取水体漫衰减系数作为间接评价参量,对QAA在4个海峡的反演性能进行了分析评估。结果表明,基于QAA计算得到的水体吸收系数和后向散射系数具有较高的精度和可靠性,而且反演精度与水质呈线性负相关,在K_d490等于0.05 m~(-1)左右时的反演精度最高。     

近红外波段(900—2500 nm)水吸收系数测量

根据水在红外波段强吸收且吸收能力变化大的特点,在所提出可见光波段水吸收系数测量系统基础上增设了薄层水测量装置,使得测量水层厚度可在0.04—350 mm之间变化。在此基础上对厚度为0.04—150 mm的多个厚度水层进行了吸收系数测量,并对消除杂质影响后的测量数据进行了有效整合,得到900—2500 nm波段纯水吸收系数。由于确保了各波段数据均在仪器最佳探测区间取得,所得结果精度较高,且与被普遍接受的前期研究结果相一致,可作为相关定量遥感的基础数据。     

基于实测光谱估测密云水库水体叶绿素a浓度

水中叶绿素a浓度是衡量水体初级生产力和富营养化程度的最基本的指标。利用野外便携式地物光谱仪对密云水库水体进行反射光谱测量并同步采集水样。通过分析叶绿素a浓度与光谱反射特征的相关关系,建立了叶绿素a反演模型。结果表明,利用单波段光谱反射率、光谱比值指数或微分光谱比值能够可靠反演叶绿素a浓度;但微分光谱与叶绿素a浓度相关性更高,更适用于密云水库水体叶绿素a浓度的高光谱反演。     

三峡坝区水体吸收系数的特征研究

利用2007年11月在三峡坝区现场实测的水色要素吸收系数数据,对总颗粒物、浮游植物、CDOM的吸收系数特征进行了分析和研究。结果表明,对于三峡坝区区域的水体:(1)总颗粒物吸收光谱分布与非藻类的吸收光谱相似;(2)非藻类颗粒物的吸收系数随波长的变化分布接近指数衰减规律,且不同波段的吸收系数之间存在一定的关系;(3)多项式关系能较好的表达浮游植物吸收系数与叶绿素a浓度之间的关系;(4)分段函数能很好的表达CDOM的吸收系数特性,对500nm以下光谱的吸收呈现负指数衰减的规律,不同采样点拟合精度R2接近1;501—700nm波段范围的光谱曲线采用多项式能进行很好的拟和,且拟合精度R2达到95%以上。     

叶片辐射等效水厚度计算与叶片水分定量反演研究

在分析叶片水分对叶片反射率光谱影响的基础上,结合叶片内部水、干物质、叶绿素等光谱吸收系数曲线特征,分析了975nm波长水气吸收特征处叶片与光线相互作用原理,并利用Beer定律和945nm,975nm波长光谱反射率差值,推导了975nm波长辐射等效水厚度REWT的计算公式。由于表面反射、杂散射光、非均匀介质和叶片内部多次散射等因素,光在叶片内部的辐射传输不能直接用Beer定律描述,且利用Beer定律计算的REWT与叶片等效水水厚度EWT之间会有较大的偏差。论文设计和获取了多植物、不同水分梯度的叶片光谱获取试验数据,整理和分析了欧盟Lopex93数据,利用这两组独立数据和论文提出的REWT计算公式,比对验证了975nm波长叶片REWT和叶片EWT的统计模型,结果表明：由于光在叶片内部的多次散射,REWT是EWT的3.3倍左右。论文研究结果一方面为叶片EWT定量遥感探测提供了一种快速、简单且有较强通用性的计算方法和模型,另一方面,探测叶片REWT和EWT的定量关系,有助于了解叶片内部的光辐射传输情况,特别是间接了解近红外波段叶片内部的多次散射情况。     

主成分分析法在油荧光光谱波段选择中的应用

355nm激光器发射激光入射到海水表面，激发海表面溢油的荧光光谱，运用高光谱图像降维中应用广泛的分段主成分分析算法对油荧光光谱进行波段选择。该算法把每个分段被映射到主成分的信息量的大小作为是否被选择的标准，保证了选择波段的信息丰富；通过分段分析消除了传统主成分分析的全局性引起的波段忽略问题，获得较为满意的降维效果。     

基于水质类型的TM图像水体信息提取

通过对一般水体、富营养化水体和严重污染水体与山体阴影在TM各波段图像上的亮度值进行分析比较可知:一般水体在TM4图像上的亮度值小于TM3波段的,而山体阴影则相反;由于富营养化水体中的浮游植物在TM4波段具有强反射特征,严重污染水体对可见光具有强吸收作用,造成了这两类水体在TM4图像上的亮度值大于TM3波段的,因而无法通...     

An improved atmospheric correction algorithm for applying MERIS data to very turbid inland waters

Atmospheric correction (AC) is a necessary process when quantitatively monitoring water quality parameters from satellite data. However, it is still a major challenge to carry out AC for turbid coastal and inland waters. In this study, we propose an improved AC algorithm named N-GWI (new standard Gordon and Wang’s algorithms with an iterative process and a bio-optical model) for applying MERIS data to very turbid inland waters (i.e., waters with a water-leaving reflectance at 864.8 nm between 0.001 and 0.01). The N-GWI algorithm incorporates three improvements to avoid certain invalid assumptions that limit the applicability of the existing algorithms in very turbid inland waters. First, the N-GWI uses a fixed aerosol type (coastal aerosol) but permits aerosol concentration to vary at each pixel; this improvement omits a complicated requirement for aerosol model selection based only on satellite data. Second, it shifts the reference band from 670 nm to 754 nm to validate the assumption that the total absorption coefficient at the reference band can be replaced by that of pure water, and thus can avoid the uncorrected estimation of the total absorption coefficient at the reference band in very turbid waters. Third, the N-GWI generates a semi-analytical relationship instead of an empirical one for estimation of the spectral slope of particle backscattering. Our analysis showed that the N-GWI improved the accuracy of atmospheric correction in two very turbid Asian lakes (Lake Kasumigaura, Japan and Lake Dianchi, China), with a normalized mean absolute error (NMAE) of less than 22% for wavelengths longer than 620 nm. However, the N-GWI exhibited poor performance in moderately turbid waters (the NMAE values were larger than 83.6% in the four American coastal waters). The applicability of the N-GWI, which includes both advantages and limitations, was discussed.     

Spectral Reflectance Characteristics of the Soils on Basaltic Terrain of Central Indian Plateau

In-situ spectral reflectance characteristics of soils were studied under field conditions with Multiband Ground Truth Radiometer covering 0.45?C0.52, 0.52?C0.59, 0.62?C0.68, and 0.77?C0.86 ??m spectral bands. Twenty-two surface soil samples were studied in laboratory for their spectral reflectance characteristics using ISCO Model S.R. Spectroradiometer in visible wavelength (450?C725 nm), with 25 nm bandwidth, and in infrared wavelength (750?C1550 nm), with 50 nm bandwidth. The Bidirectional reflectance factor representative of spectral reflectance varied from 3.78 to 11.3???m in band 1, 6.09 to 15.41???m in band 2, 8.05 to 19.41???m in band 3, and 12.18 to 31.2???m in band 4. In-situ spectral reflectance in general increases with the wavelength from visible to infrared bands for all the soils. Black soils have relatively lower reflectance as compared to red soils, which is attributed to the variation in the physicochemical properties of soils. Spectral reflectance, under laboratory conditions, for all the soils increases with wavelength from visible to infrared region except at 950 nm and 1200 nm, where reflectance decreased in all soils, due to weaker water absorption bands and also at 1350 nm, due to strong water absorption at this band. The spectral reflectance of red soils were higher, in-situ as well as under laboratory conditions, as compared to black soils, which is attributed to variation in soil colour, organic matter and clay content of soils. It is observed that the spectral reflectance decrease due to moisture content in soils in all the spectral bands because of darker appearance of soils at moist conditions. Laboratory reflectance measurements serve to define the extent to which intrinsic spectral information is available from soils as a consequence of their composition.     

基于小波特征融合的Hyperion影像降维方法

根据影像中地物光谱曲线的小波特征点确定地物识别的合适光谱分辨率,通过融合原先若干窄波段生成具有适合地物识别光谱分辨率的宽波段数据,达到降维高光谱数据的目的。文中对hyperion影像进行坏线和Smile效应去除,经过FLAASH大气校正,得到155个波段。对提取的八类地物的样本平均光谱进行DB4小波分解,计算小波细节系数方差;以小波细节系数信息熵作为特征点,得出不可渗透表面、居民地、水田、裸土4类地物识别适宜光谱分辨率为80nm,其余地物识别适宜光谱分辨率为160nm。以窄波段间的活跃度为指标进行融合,生成降维后的宽波段分别是21个波段和11个波段。8类地物在3尺度和4尺度下的分类结果说明降维影像能满足应用需求,提出的降维方法可行。