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。     

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。     

基于实测光谱分析的GF-1鄱阳湖水体叶绿素反演实用性研究

通过比较GF-1影像波段比值模型、实测光谱波峰波谷法模型与一阶微分法模型获得的反演数据与实测水体叶绿素浓度数据之间相关性大小,证明GF-1号在鄱阳湖水体反演中的适用性。     

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。     

基于MODIS的巢湖叶绿素a空间分布

利用MODIS影像数据,对水华现象出现的重要物质——巢湖水体叶绿素a信息进行反演。在对数据进行预处理后,采集影像相应位置的像元灰度值,与现实中在对应位置观测的湖水叶绿素a浓度进行相关性拟合分析,得到叶绿素a浓度与像元灰度值的相关性方程与相关系数。在建立相关性模型时采用了单波段和波段比值法,得到的最高相关系数为R2=0.881 8,表明利用这种方法反演巢湖水体叶绿素a浓度空间分布具有一定的可靠性。选择相关系数性较高的2个拟合方程反向演算MODIS影像,最后成功得到巢湖湖面当日叶绿素a浓度分布状况图,为巢湖防治水华发生提供了比较准确可靠的信息。     

MODIS数据东湖叶绿素a遥感反演研究

以武汉东湖为研究区域,利用MODIS数据和地面准同步叶绿素a浓度实测数据,建立适合东湖水体的叶绿素a浓度遥感定量估算模型,从而分析MODIS数据应用于内陆湖泊水体叶绿素a浓度反演的可行性。     

基于季节分异的太湖叶绿素浓度反演模型研究

叶绿素浓度反演算法主要有经验方法、半经验/分析方法和分析方法,其中半经验/分析方法应用最为广泛。但是反演的模型以及模型中的参数和反演精度都随着水体中叶绿素浓度的变化而改变。不同的季节水体中叶绿素浓度不同,水体反射光谱曲线特征和与叶绿素浓度相关性较高的敏感波段也不一致,使得各季节选用的反演模型和模型中的参数也存在一定的差异。本文在对2005年1—10月份叶绿素a（Chla）浓度季节差异进行分析的基础上,对4—10月份同步测量的水体光谱数据分春、夏、秋三个季节进行分析,分季节建立叶绿素浓度反演模型,并对它们进行比较,旨在为各季节选择最佳的反演模型。研究结果表明：春季和秋季选用波段比值算法反演精度较高,其中对数模型,线性模型和一元二次模型都有较高的相关性;夏季选用微分算法较好,该算法所建立的三种模型均具有较高的相关性。     

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.     

基于分析方法的太湖叶绿素a反演研究——以MODIS数据为例

目前, 针对太湖水体的叶绿素波段敏感性的分析, 大多集中在实测的高光谱反射率数据或者图像提取反射率与叶绿素浓度的统计分析结果上, 缺乏基于水体光学特性的研究, 并且两者之间的一致性也一直缺少论证。研究中采用2004 年4 月和2007 年8 月的两期数据, 首先从水质参数的生物光学特性入手, 基于生物光学模型, 利用叶绿素和其他水质参数的吸收和后向散射系数, 模拟计算其他水质参数不变, 叶绿素浓度处于不同水平时的水面反射率, 分析实测反射率对叶绿素浓度变化的响应; 利用MODIS 的波段响应函数把实测光谱模拟成宽波段的MODIS 反射率, 以此作为桥梁进而对实测的高光谱反射率和MODIS 图像提取反射率与叶绿素浓度的相关程度的一致性进行分析, 为利用MODIS 图像进行水质参数反演时的反演因子选择提供了依据。     

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.     

MODIS大气校正精度评价及其对表层雪密度提取影响

以古尔班通古特沙漠为研究区,以中分辨率成像光谱仪（MODIS）为遥感数据源,结合ASD FieldSpec准同步实测积雪反射光谱数据对FLAASH大气校正能力进行了评价。研究表明： ①校正后的MODIS各波段积雪反射率与准同步实测积雪反射率波形相似, 在第1～7波段整体相关系数达0.82,表明FLAASH大气校正能极大地提高MODIS地物识别能力; ②校正后的MODIS 第6波段反射率和归一化差值积雪指数（NDSI）与实测雪密度呈线性相关,可用回归拟合构建MODIS雪密度遥感计算模式。     

内陆水体藻类叶绿素浓度与反射光谱特征的关系

通过研究内陆水体反射光谱特征与藻类叶绿素浓度之间的关系,建立藻类叶绿素高光谱定量遥感模型。在实验地太湖地区,采用高分辨率地物光谱仪实地测量了湖水在可见光和近红外波段（３００－１１００ｎｍ）的反射光谱曲线,并且同时采样分析叶绿素、总悬浮固体物质浓度等水质参数。研究发现在叶绿素浓度较高时（〉５μｇ／Ｌ）,水体光谱反射比Ｒ７０５ｎｍ／Ｒ６７５ｎｍ、叶绿素在７００ｎｍ附近反射峰的位置等与叶绿素浓度有较好的     

地物反射光谱对MODIS近红外波段水汽反演影响的模拟分析

在近红外辐射传输方程的基础上,利用近红外波段水汽的不同吸收属性,在MODTRAN的模拟下,深入分析了基于MODIS近红外数据的可降水汽反演算法,并着重讨论了地物反射光谱非线性在可降水汽反演中的影响。研究结果显示,当波段间反射率之比不等于1时,MODIS近红外波段反演水汽将存在较大偏差。同时,在地物光谱库基础上,计算了不同地物反射率比值,其分布表明,大部分地物波段反射率比值不等于1。研究表明,应用现有MODIS近红外波段水汽反演算法,如果不考虑地表反射率光谱变化的影响,由地表反射光谱造成的误差最大约为反射率比值与1偏差的15倍,同时,这一误差还与大气波段透过率之比有关。     

杭州湾HJ CCD影像悬浮泥沙遥感定量反演

利用环境小卫星CCD(HJ CCD)影像对杭州湾悬浮泥沙浓度(SSC)进行了反演研究。通过对杭州湾水体遥感反射率(Rrs)与SSC进行相关性分析发现,在690nm和830nm左右出现显著的反射峰,分别位于HJ CCD影像的第3和第4波段范围内;大于700nm波长处的Rrs与SSC相关性较好。基于实测Rrs和SSC之间的相关关系,利用第4和第3波段比值作为遥感因子建立SSC反演模型,模型决定系数达到0.90。借鉴近红外-短波红外(NIR-SWIR)结合的大气校正方法反演出的准同步MODIS气溶胶数据,实现了HJ CCD影像的大气校正,第3、第4波段的大气校正结果相对误差分别为5.54%和6.97%。结果显示,HJ CCD影像反演的SSC相对误差为7.12%;杭州湾悬浮泥沙浓度要显著高于长江口,且内部差异明显。研究表明,通过适当的大气校正方法和反演算法,HJ CCD影像可用于杭州湾悬浮泥沙浓度的估计。     

不同传感器的模拟植被指数对水稻叶面积指数的估测精度和敏感性分析

本研究利用水稻冠层高光谱数据,模拟NOAA-AVHRR,Terra-MODIS和Landsat-TM的可见光波段反射率数据,计算各传感器的多种植被指数(NDVI,RVI,EVI,GNDVI,GRVI和Red-edge RVI),比较植被指数模型对水稻LAI的估测精度,分析不同植被指数对LAI变化的敏感性.相对于红波段植被指数,红边比值植被指数(Red-edge RVI)和绿波段指数GRVI与LAI有更好的线性相关关系,而GNDVI和LAI呈现更好的对数相关关系.MODIS的Red-edge RVI指数不仅模型拟合的精度最高,还有独立数据验证的估测精度也最高,而且它的验证精度较拟合精度下降幅度最小;其次是绿波段构建的GNDVI和GRVI植被指数的估测精度,再次是NDVI和EVI的估测精度,而RVI的估测精度最差.敏感性分析发现,13个植被指数对水稻LAI的估测能力都随着LAI的增加而下降,但归一化类植被指数和比值类植被指数对LAI变化反应的差异明显,归一化类植被指数在LAI较低时(LAI<1.5)对LAI变化的反应开始非常敏感,但迅速下降,而比值类植被指数在LAI较低时,明显小于归一化类植被指数,之后随着LAI的增大(LAI>1.5)比值类植被指数对LAI的变化敏感性,则明显高于归一化类植被指数.Red-edge RVI和绿波段指数GRVI和LAI不仅表现了很好的线性相关关系,而且在LAI大于2.9左右保持较高的敏感性.     

利用细分光谱仪数据分析水体泥土含量的方法研究

分析了水中泥土含量对水体光谱特征的影响。对利用水体的光谱反射率计算水体中泥土含量的方法进行了分析，找出了用于泥土含量计算的最佳波段。该方法对今后的利用高光谱遥感图像计算河流和海水中的泥沙含量及估算水土流失具有一定的参考意义。     

Generation of Vegetation Fraction and Surface Albedo Products Over India from Ocean Colour Monitor (OCM) Data Onboard Oceansat-2

The use of Local Area Coverage (LAC) data from Ocean Color Monitor (OCM) sensor of Oceansat-2 with its high radiometric resolution (12 bits/pixel) and 2-day repeat cycle for rapid monitoring of vegetation growth and estimating surface albedo for the Indian region is demonstrated in this study. For the vegetation monitoring, normalized difference vegetation index (NDVI) and vegetation fraction (VF) products were estimated by maximum value composite approach fortnightly and were resampled to 1 km. The surface albedo products were realized by converting narrow-band eight-band spectral reflectance OCM data to a) visible (300–700 nm) and b) broad band (300–3,000 nm) data. For validation, the derived products were compared with respective MODIS global products and found to be in good agreement.     

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。