基于BP神经网络渤海湾表层叶绿素浓度反演方法探讨

由于渤海湾水质光学性质复杂,使用传统线性叶绿素浓度反演方法进行反演时的精度不高。为提高渤海湾叶绿素浓度的反演精度,利用2012年4月渤海湾的表层叶绿素浓度实测数据和GOCI同步遥感反射率数据,建立了渤海湾叶绿素浓度反演的BP神经网络模型,并与GOCI的3种叶绿素浓度业务算法(OC2算法、OC3G算法和YOC算法)进行比较。结果表明,在渤海湾GOCI 3种业务算法的标准误差均大于1,决定系数均小于20%;BP神经网络算法的标准误差为0.615 4,决定系数为89.98%,且反演的叶绿素浓度分布与实测值的分布趋势一致,反演的精度高于GOCI传统业务算法。因此该BP神经网络模型可用于反演春季渤海湾表层叶绿素浓度,且反演精度比GOCI业务反演算法精度高。     

基于GOCI数据渤海湾叶绿素浓度反演算法的比较（英文）

渤海湾水体交换能力差,自净能力低,每年都要接纳大量的陆源污染物,叶绿素浓度的遥感估算对研究渤海湾海洋赤潮,监测海洋水体水质有重要作用,选择最佳算法反演叶绿素浓度有利于提高反演的精度。本文使用渤海湾的现场测量数据及GOCI遥感反射率数据,利用荧光线高度法、OC3算法、蓝绿波段比值法和近红-红波段比值法建立叶绿素浓度反演模型,并利用实测数据进行算法验证,通过比较各算法的拟合效果和验证结果,对各算法模型进行了评价。结果显示,不同的反演方法准确性有明显差别,荧光线高度法的拟合和反演效果为最佳,而近红-红波段比值法的反演效果最差,OC3算法与蓝绿波段比值法的拟合和反演效果基本相似。     

南海北部叶绿素a浓度遥感反演算法评估与COCTS反演算法构建

本文利用2018年9—10月和2020年7—8月在南海北部海域获取的叶绿素a浓度和遥感反射率现场实测数据,对3种叶绿素a浓度标准算法（OC2v4、OC3M和OC4v4）及3种区域算法（OC4v4＿TP、OC2＿X、INOC3）进行了模型精度评估;根据我国自主海洋水色卫星（HY-1C和HY-1D卫星）搭载的水色水温扫描仪（COCTS）的波段设置,构建了适用于我国南海北部海域的两波段、三波段、四波段和五波段比值的叶绿素a浓度反演算法。研究结果表明：标准算法的反演精度优于区域算法;针对HY-1C和HY-1D卫星构建的五波段比值OC5＿C算法反演精度较标准算法反演精度有很大提高,叶绿素a浓度反演值与实测值的平均绝对误差为0.08μg/L,平均相对误差为21.36%,可为我国海洋水色卫星遥感数据在南海及同类水体的定量化应用提供算法支撑。     

基于HJ-1卫星数据的荣成湾叶绿素a浓度时空变化特征分析

本研究利用4个航次的叶绿素a浓度实测值以及HJ-1卫星数据,对三种适用于黄海Ⅱ类水体的叶绿素a浓度反演算法(MODIS OC3M算法、NSOAS黄东海算法和进化建模法)的精度进行了验证,并利用其中的最优算法对荣成湾海域2009~2016年叶绿素a浓度的时空变化特征进行分析,以期为该海域的生态修复提供科学参考。结果表明:OC3M算法为最优算法,利用其反演得到的叶绿素a浓度季节变化特征为:秋季最高,夏季和春季次之,冬季最低;年际变化上,天鹅湖及近岸区叶绿素a浓度整体呈下降趋势,养殖区的叶绿素a浓度保持稳定;叶绿素a浓度的空间分布呈现近岸高、外海低的变化趋势。     

南海北部水体叶绿素a浓度反演的生物光学模型

利用2003年至2005年秋季在南海多个航次的现场观测数据,研究了南海北部海区遥感反射率的变化,并分析了用于全球海洋叶绿素a浓度反演的OC2和OC4模型在本海区的适用性。结果表明,在南海北部海域,OC2和OC4模型高估了叶绿素a浓度,高估范围一般约在80%—200%之间,其中最高可达640%,即OC2和OC4模型并不适用于南海海域。在此基础上,根据现场实测的表观光学数据,利用遥感反射率比值(Rrs(433)/Rrs(555))与叶绿素a浓度的关系建立了两套能够精确反演南海北部海域叶绿素a浓度的本地化经验算法———算法1和算法2,并利用其对南海北部海域的叶绿素a浓度进行反演。结果表明,由本地化模型反演得到的叶绿素a浓度与实测的叶绿素a浓度具有较好的相关关系,其平均相对偏差分别为51%和53%,相关系数为0.75。     

HY-1C卫星海岸带成像仪叶绿素a浓度反演研究

叶绿素a作为最重要的水质参数之一,是评价水体富营养化和初级生产力状况的主要因素。我国海洋一号C（HY-1C）卫星海岸带成像仪（CZI）具有高时空分辨率的观测优势。本文基于东海和南海现场实测数据建立了HY-1C卫星CZI叶绿素a浓度反演模型并在实测水域进行反演,与MODIS叶绿素a浓度反演产品进行了对比验证,应用CZI叶绿素a浓度模型在珠江口、长江口、渤海湾水域进行了叶绿素a浓度反演示例试验。结果表明,叶绿素a浓度模型估算浓度与实测浓度相关系数为0.774 3,平均相对误差为24.58%,利用实测叶绿素a浓度对模型进行精度验证,相关系数达到0.993 9,平均相对误差为18.49%。模型在实测水域反演得到的叶绿素a浓度分布与MODIS叶绿素a浓度产品分布大体一致。在珠江口水域反演得到叶绿素a浓度空间分布为由西北向东南逐级递减,峰值出现在珠江口西沿岸。在长江口、渤海湾反演叶绿素a浓度空间分布均符合地理实情。研究表明HY-1C卫星CZI数据可应用于中国近海水色定量化研究。     

河北海域叶绿素a浓度遥感反演业务化算法

构建了一种适用于河北海域二类水体的叶绿素a浓度遥感反演业务化模型。将MODIS 1B数据第一波段反射率与河北海域叶绿素a浓度实测数据进行相关分析,通过回归拟合建立遥感反演模型,并选择不同时间、不同区域的实测数据对模型精度与稳定性进行了检验。结果表明:模型相关系数为0.73,平均相对误差31.4%~35.9%之间,模型适用于河北海域叶绿素a浓度业务化遥感监测,这对于监测河北海域赤潮和富营养化状况具有重要的现实意义。     

基于MODIS/Aqua的胶州湾及青岛近海叶绿素a浓度年变化特征分析

利用2002-2013年MODIS/Aqua的Level 1B数据,经标准大气校正算法和叶绿素a浓度[chl-a]波段比经验算法(OC2M-HI),获得近12 a的胶州湾及青岛近海海域晴空的MOIDS/Aqua叶绿素a浓度。根据GOCI/COMS和MODIS/Aqua叶绿素a浓度产品在胶州湾及青岛近海交叉比较的结果[1],对2002-2013年的MODIS/Aqua[chl-a]进行了修正。基于修正后的MODIS/Aqua[chl-a]分析了胶州湾及青岛近海的叶绿素a浓度年变化特征。该海域的叶绿素a浓度大致呈现北高南低,湾内高于近海的特点,且每年空间分布趋势基本一致;近12 a的[chl-a]呈小的上升趋势,胶州湾的上升趋势大于青岛近海。胶州湾跨海大桥建设前,其附近区域叶绿素a浓度以0.47μg/L/year的趋势上升,基值为2.62μg/L;大桥开建及通车后,其附近叶绿素a浓度年变化趋势不明显,但基值明显增大(4.00μg/L)。     

基于GOCI数据渤海海冰厚度算法研究

提出一种基于GOCI数据提取渤海海冰厚度方法并将其应用于2014年-2015年冬季渤海海冰厚度动态变化监测。首先基于高时间分辨率的GOCI数据建立GOCI短波宽带反射率与各波段反射率模型,然后建立海冰厚度与GOCI短波宽带反射率模型,并将此模型应用于渤海海冰厚度监测,最后通过基于MODIS数据、热动力学模型（Lebedev和Zubov模型）反演获得的海冰厚度以及实测海冰厚度数据对实验结果进行验证。实验结果表明：基于GOCI数据建立海冰厚度模型所反演的海冰厚度与基于MODIS数据反演的海冰厚度以及Lebedev和Zubov模型具有较高相关性（R2>0.86）,而且反演结果接近实测数据（RMS为6.82 cm）。     

珠江河口混浊高产水域叶绿素a浓度的遥感估算模型

近年来为提高混浊高产水体叶绿素a浓度的估算精度,Gitelson等提出了一种基于红与近红外3个波段遥感反射率的概念模型.文章基于2004年的实测数据,检验该概念模型在珠江河口水域的适用性,估算该概念模型以及它的特殊形式--两波段模型对应的光谱位置,在此基础上构建利用卫星数据提取珠江河口水域叶绿素a浓度的遥感估算模型.结果表明,珠江河口混浊高产水域叶绿素a浓度与三波段模型和两波段模型均有很强的线性相关性,相关系数分别达到0.91与0.88.构建的三波段模型和两波段模型估算的叶绿素a浓度与实测叶绿素a浓度的均方根差(RMSE)分别为5.82mg·m-3和6.53mg·m-3,精度高于其他常用算法.根据MERIS的波段设置构建的三波段模型估算的叶绿素a浓度与实测叶绿素a浓度的RMSE为6.47mg·m-3,显示了良好的应用潜力.     

CMODIS资料提取叶绿素a浓度的反演算法研究

中分辨率成像光谱仪(CMODIS)是我国“神舟3号”飞船上对地观测主载荷,是我国第一台上天的具有测量海面叶绿素a浓度能力的成像光谱仪.利用宽视场海洋水色扫描仪(SeaWiFS)反演叶绿素a浓度作为参考值建立CMODIS资料处理模型,得到三个基于蓝绿波段比值法的叶绿素a浓度反演算法,平均相对误差分别为26.6%,24%和33.5%,均方根误差分别为1.16,1.15和1.23 mg/m3.在叶绿素a浓度反演误差允许范围小于35%的条件下,比值算法的适用范围为悬浮泥沙浓度小于5 g/m3的海区.悬浮泥沙的强散射作用导致比值算法在高悬浮泥沙浓度条件下产生高估叶绿素a浓度反演值的现象;在中低悬浮泥沙浓度的海区,悬浮泥沙和浮游植物对离水辐亮度的综合作用使比值算法存在低估叶绿素a浓度的趋势.     

MODIS和GOCI卫星遥感反射率产品在浑浊海区交叉检验分析

对Geostationary Ocean Color Imager(GOCI)和Moderate Resolution Imaging Spectroradiometer(MODIS)传感器在中国渤海辽东湾海区的卫星大气校正算法开展评估工作。主要对比了GOCI和MODIS的412 nm,443 nm,488 nm,547 nm,678 nm波段的遥感反射率(Remote Sensing Reflectance:Rrs)。结果表明:GOCI的去云算法较严格,在卫星有效数据覆盖率方面差于MODIS;遥感反射率产品比对结果表明:GOCI和MODIS的遥感反射率产品有较好的线性相关,且GOCI反演值大于MODIS反演值;分区域的对比结果表明,MODIS和GOCI的遥感反射率差异随着水体的浑浊度增加而增大,GOCI需要开发适用于近岸水体的大气校正算法。     

HY-1 CCD宽波段水色要素反演算法

利用2003年春季黄海、东海区现场实测数据,建立了HY1卫星4波段CCD成像仪水色要素反演算法.由于HY1CCD的宽波段特性阻碍了黄色物质的反演,因此反演的水色要素仅包括水体表层的总悬浮物、悬浮泥沙(SS)以及叶绿素a的浓度.现场遥感反射率光谱由ASD地物波谱仪测量,对于叶绿素a的浓度利用现场萃取荧光法测量,总悬浮物、悬浮泥沙由实验室滤膜称重法获得.反演算法的拟合相关系数均大于0.88,平均相对误差在40%以下.对反演算法进行了误差灵敏度分析,结果表明对于总悬浮物、悬浮泥沙和低浊度水体中的叶绿素a的浓度反演算法能够满足日常的业务运行要求,但是对于高浊度水体中叶绿素a的浓度反演算法对某个波段组合比较敏感,仍需要进一步探讨.     

MODIS卫星遥感监测太湖蓝藻的初步研究

依据2007年1～6月MODIS卫星遥感影像反演得到的太湖MODIS卫星表层水温、表层叶绿素浓度分布图,以及真彩色(1,4,3波段)合成图像,监测分析了太湖蓝藻的分布和变化情况.水温、表层叶绿素浓度分布图显示,1～6月,太湖表层水温和叶绿素浓度的分布具有明显的区域性和季节性变化特征,且可以很好的显现藻类的迁移与堆积状况,其分布及变化趋势与实测的太湖蓝藻爆发的强度、地点、分布范围基本一致.MODIS真彩色合成图像直观地反映了湖中藻类的宏观信息,其趋势与叶绿素a浓度的分布极其一致.结果表明,利用MODIS遥感数据探测太湖蓝藻水华的分布状况是可行的,MODIS可用于监测内陆湖泊藻类水华的污染情况.     

基于SDGSAT-1影像的总悬浮物浓度反演方法研究

总悬浮物浓度是海洋的重要水质参数之一,其对水体透明度、水下光场及初级生产力有显著影响,同时对河流入海口与海岸带冲淤变化过程有重要作用。本文基于我国自主研制的SDGSAT-1卫星遥感影像,使用准分析算法（Quasi-Analytical Algorithm,QAA）获取水体固有光学量,并结合2022年4月黄河口区域总悬浮物浓度实测数据,建立水体固有光学量与总悬浮物浓度实测数据的单波段、波段加减、波段比值,以及多波段组合等模型并开展遥感反演,最后将反演结果同实测数据及基于Sentinel-2B影像的总悬浮物浓度反演结果进行对比。研究结果表明：基于SDGSAT-1影像的总悬浮物浓度反演结果在黄河口高浓度区域的决定系数为0.622,均方根误差为7.94 mg/L;基于Sentinel-2B影像的总悬浮物浓度反演结果在黄河口高浓度区域的决定系数为0.589,均方根误差为8.27 mg/L。故在我国近岸海域总悬浮物浓度反演方面,SDGSAT-1影像反演精度与Sentinel-2B影像反演精度相媲美。     

主成分分析与人工神经网络相结合反演一类水体叶绿素-a浓度

为了有效利用不同波段的光谱数据,改善反演一类水体叶绿素-a浓度的精度,文中提出了一种将主成分分析与BP神经网络相结合的反演方法。该方法利用主成分分析法对原输入空间进行重构,实现光谱数据压缩;利用BP神经网络实现压缩光谱数据与叶绿素-a浓度的自适应非线性映射。SeaBAM数据的实验研究表明,提出的方法与二次和三次经验算法相比,更具有普适性,且反演精度有所改善。     

基于现场光谱数据的珠江口MERIS悬浮泥沙分段算法

利用珠江口海域4个航次共59个站位的实测遥感反射比和悬浮泥沙数据(悬浮泥沙浓度范围为4-140g·m-3),建立了利用MERIS遥感数据反演珠江口悬浮泥沙浓度的分段算法.算法以Rrs(620)/Rrs(560)=0.9为阈值,当Rrs(620)/Rrs(560)<0.9时,红绿波段比值可以较好地反演悬浮泥沙浓度.随着悬浮泥沙浓度的增加,Rrs(620)/Rrs(560)>0.9,红绿比值趋于饱和,对悬浮泥沙的变化响应不敏感,此时采用包含红波段和近红外波段的波段比值提取水体的悬浮泥沙浓度.利用该分段算法从MERIS遥感图像中提取珠江口水体的悬浮泥沙浓度分布,得到较好的结果.     

基于GOCI的浑浊水体上空气溶胶光学性质的反演算法（英文）

针对海岸带浑浊水体,提出了一种基于GOCI的更精确的气溶胶光学性质反演算法。这种新算法利用支持向量机(SVM)的方法分离由于浮游植物、悬浮物质及有色溶解性有机物(CDOM)产生的干扰信号,同时采用辐射传输模型(RTM)模拟辐射传输过程。这种新反演算法能够同时反演气溶胶光学厚度(AOD)及气溶胶类别。研究中对2014-2015年夏季浑浊水体上空气溶胶进行反演。反演结果与同步的AERONET实测数据及GOCI观测数据进行对比用于评估这种新方法的反演精度,结果表明在黄海浑浊水体上空这种新的反演算法比GOCI的AOD业务产品有更好的精度。     

黄东海海区浮游植物色素吸收系数与叶绿素a浓度关系研究

浮游植物色素吸收与叶绿素a浓度关系研究是水色遥感生物-光学算法开发的重要组成部分,我们利用HD200304航次和HD200309航次的测量数据,开发了色素吸收系数的波段关系模型(αφ(λ)-αφ(675))和色素吸收系数与叶绿素a浓度关系(αφ(λ)-αφ(675))模型,并在模型开发的基础上,利用叶绿素a浓度反演典型波段的色素吸收系数,效果良好。     

基于GOCI影像进行渤海表层悬浮泥沙浓度估算的新方法

针对现场观测数据缺乏的情形,提出了一种新的利用GOCI影像反演渤海海域表层悬浮泥沙浓度(SSC)的方法。应用mMUMM大气校正算法对GOCI数据进行大气校正处理得到的GOCI遥感反射率产品后,以MODIS影像反演得到的表层悬浮泥沙浓度(SSC)作为参考值,对已应用于渤海的4种SSC反演模型进行参数化拟合,最后通过对比确定了效果最好的参数化SSC经验模型并且进行了验证。验证结果显示最优参数化模型的平均相对误差绝对值(16.0%)和均方根误差(12.2 mg/L)均相对较低,表明该模型可适用于渤海海域GOCI数据的SSC反演。通过采用建立的最优参数化SSC反演算法对2015年12月至2016年11月的GOCI数据对渤海海域的季节平均SSC进行了估计和分析。相比其他区域,渤海湾、莱州湾、辽东湾等3个海湾和黄河口附近沿岸SSC相对较高;3个海湾水体区域,从沿岸向离岸方向SSC由高变低,具有明显的浓度梯度;季节上,整个渤海海域SSC在冬季最高,夏季最低,春季与秋季相差不大。渤海SSC这些明显的空间分布特征、季节变化特性与前人研究结果一致,表明该算法应用于渤海可行。