多卫星传感器南海叶绿素a浓度遥感数据融合

利用平均法、生物光学模型法和最优插值法3种数据融合方法对卫星传感器MODIS-Aqua、MOIDS-Terra及MERIS获取的南海叶绿素a浓度的数据进行了融合,通过比较融合产品的质量,对3融合方法进行了评价。(1)利用现场测量的南海遥感反射率和叶绿素a浓度数据建立了南海叶绿素a浓度的反演模型,并应用于MODIS-Aqua、MOIDS-Terra及MERIS Level 2反射率数据,获取南海叶绿素a浓度。(2)将平均法、生物光学模型法、最优插值法分别应用于上述3颗卫星的叶绿素a数据进行数据融合,并用现场测量的同步叶绿素数据对融合后的产品进行了印证。(3)利用3种融合方法分别对南海2011年MODIS-Aqua、MODIS-Terra和MERIS等3个传感器的叶绿素a数据进行了月融合,分析了融合的南海叶绿素a浓度的时空分布特征。结果表明,融合数据大幅度提高了空间覆盖率,且具有较高可信度。平均法、生物光学法和优化插等3种融合方法性能有较大的不同,生物光学法具有高的运行速度,但有时空间覆盖率仍不能满足要求;优化插值法具有高的空间覆盖率,但其运行速度较慢。因此,在具体应用中,应根据需求选择合适的融合方法。     

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。     

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.     

水体叶绿素a浓度遥感反演方法研究进展

针对水体叶绿素a浓度反演问题,从反演所需的遥感数据源、主要研究区、主要研究单位以及反演模型4个方面,系统介绍了叶绿素a浓度遥感反演的发展现状,分析了现有水体叶绿素a遥感反演方法的优缺点,提出了目前存在的问题,并对水体叶绿素a浓度反演研究进行了展望。     

基于欧比特高光谱影像的滇池叶绿素a浓度遥感反演研究

水体叶绿素a,即Chla (chlorophyll-a)浓度是表征水体富营养化程度的关键性指标,对于水环境评估和水质遥感监测具有重要意义。欧比特高光谱卫星是中国于2018年发射的新一代高光谱卫星,然而其在内陆水体水质遥感监测的适用性仍有待验证。本研究以高原富营养化湖泊滇池为研究区,以叶绿素a浓度为反演指标,利用滇池两次野外现场实测数据和欧比特高光谱OHS (Orbita Hyperspectral)影像,通过分析滇池水体的光学特性,构建了适用于欧比特高光谱影像的滇池水体叶绿素a浓度遥感反演模型,并通过星地同步数据验证了反演模型的有效性与可行性,获得了滇池叶绿素a浓度的空间格局。结果表明：（1）波段比值模型（B17/B9）适合于基于欧比特高光谱影像的滇池水体叶绿素a浓度的遥感反演,模型反演精度较高,决定系数（R2）为0.804,均方根误差（RMSE）和平均绝对误差百分比（MAPE）分别为6.99μg/L和6.32%;(2) 2019年4月2日滇池水体叶绿素a浓度呈现出由湖岸向湖泊中心逐渐降低的趋势,东北部与东南部呈幂函数型递减,西北部呈线性递减;（3）滇池欧比特高光谱影像的近岸4个水体像...     

内陆水体叶绿素a浓度反演的区域化三波段模型研究

以太湖和石头口门水库为例,建立了一种可直接计算水体叶绿素a浓度的区域化三波段模型。该模型通过对研究水体的光学特性分析,明确三波段组合与叶绿素a浓度间的函数关系参数,不仅可较好指示研究水体叶绿素a浓度水平,而且大大减小了回归算法所带来的模型不确定性。利用高精度、长时间序列的水体光学特性观测数据,建立针对不同研究水体的区域化三波段模型可为实现内陆水体叶绿素a浓度遥感监测业务化运行提供方法借鉴。     

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。     

基于带模型的叶绿素a浓度反演精度评估

为了评估遥感反演叶绿素a浓度的精度,以2004年8月19日太湖38个水质样本数据和同步Hyperion卫星遥感影像数据为基础,借鉴四波段半分析算法,结合空间数据不确定性原理,构建了基于四波段半分析算法的“带模型”.通过研究与探讨可知,当叶绿素a浓度为10～20 μg/L和50～100 μg/L时,叶绿素a浓度的反演误差...     

基于遥感影像的鄱阳湖地形提取方法

采用遥感影像进行湖底地形反演具有操作简单、处理周期短的优势。本文提出了一种基于克里金法的湖底地形反演方法,以鄱阳湖为研究对象,通过分析周边8个水位站的空间位置与水位间的相关性,获取湖区边界水位变化趋势,利用克里金法反演湖区边界点的水位,将边界点的水位作为高程点进行湖底地形反演,并用实测湖底地形数据验证反演方法的可靠性。研究结果表明,通过克里金插值法反演得到的湖底地形,交叉验证的误差标准平均值在0.2 m以内;地形反演平均绝对误差在1 m以内,说明该方法可用于湖底地形反演且反演精度较高。     

鄱阳湖富营养化高光谱遥感监测模型初探

基于对光谱反射率与水质参数的相关分析,分别选取特征波长建立水质参数高光谱估测模型。结合修正营养状态指数,对湖泊的富营养化程度进行了监测和评价。结果表明:①总氮、总磷含量和透明度值的高光谱估测模型效果较理想;②单项指数评价水体富营养化水平其结果存在较大差异,综合考虑多个指标,计算营养指数的平均值,可以对富营养化程度进行正确的评价;③由于悬浮物浓度变化较大,掩盖了水体的叶绿素a信息,以致叶绿素a估测模型不具有通用性,为了完善叶绿素a浓度估测模型需要获得大范围、多季节的光谱数据,以便建立更有代表性和通用性的模型;④评价结果显示,鄱阳湖呈现轻度到中度富营养化状态,需要采取有力的保护措施防止进一步恶化。     

湖泊遥感研究进展与展望

湖泊遥感作为一门新型交叉学科,是湖泊科学和遥感科学的重要分支.本文探讨了湖泊遥感科学的研究对象、内容和方法,通过梳理国内外总体研究进展,总结出湖泊遥感的5个发展趋势:(1)关注问题,从兴趣导向发展到问题导向;(2)观测手段,从地基遥感/中分辨率卫星发展到高分辨率/高光谱/无人机;(3)算法算力,从单机版经验/机理模型发...     

基于遥感与GIS的中国湖泊形态分析

基于2010年Landsat TM/ETM数据,结合Google Earth影像和其他资料,采用面向对象的分类方法,以30 m的分割尺度对图像进行分割,并通过比值指数、归一化差值水体指数及谱间关系等指数来提取水体信息,将水体分为河渠、湖泊及水库坑塘3类,并对分类结果进行精度验证,最终得到中国湖泊空间分布信息;以此为基础,计算出反映湖泊形态的景观指数(如形状指数、近圆形指数及分维数等),并结合湖泊的面积和湖泊岸线长度来说明湖泊的基本状况及其形状的复杂程度。结果表明:利用面向对象分类方法可以得到较高的分类精度,3种类型水体分类的总精度为93%,湖泊分类精度达到90%以上;在中国内陆,面积大于1.0 km2的自然湖泊2 477个,总面积约77 934.72 km2;在5个湖区中,青藏高原湖区的湖泊面积最大,占湖泊总面积的54.34%,其形状指数和分维数均值为最小,湖泊形态比较简单;东部平原湖区降雨充沛,水系发达,其形状指数和分维数均值最大,湖泊岸线更加曲折,形态复杂多变;通过分析得出,形状指数与分维数有明显的相关性(R2=0.95),湖泊岸线分维数值越高,其形状指数越大,岸线越复杂。     

西藏过布错湖泊演化的遥感分析

高原湖泊的演化研究是全球环境研究的重要组成部分,本文以西藏过布错湖泊为研究对象,利用RS、GIS技术,以TM图像为遥感信息源,根据遥感图像上过布错湖泊演化过程中所留下的相关沉积物的影像特征,反演古湖泊在四个不同时期的水域范围,并进一步分析了演化原因以及相应解决对策。研究表明,从更新世晚期至今,湖泊面积缩小了258.2km2。水位下降了76m,其中,在更新世晚期至全新世早期湖泊萎缩速度最快,其间分离出了一些小湖泊,此后湖泊退缩较慢。     

青藏高原湖泊面积、水位与水量变化遥感监测研究进展

青藏高原湖泊数量多、分布广、所占面积大,是亚洲水塔的重要组成部分,其受到人类活动的干扰较少,是理解高原生态环境变化机理的钥匙.青藏高原湖泊是气候变化敏感的指示器,在全球快速变暖背景下其对气候变化的响应如何?本研究基于多源遥感数据监测结果,系统地总结了青藏高原湖泊(大于1 km2)在过去近50 a(1976年-2018年...     

湖冰厚度遥感反演进展与展望

湖冰是对气候变化十分敏感的冰冻圈水文变量,起到调节区域气候和湖泊生态系统的作用,并作为一种自然资源服务于冰上生产生活。湖冰覆盖和湖冰厚度是研究湖冰过程的关键变量,目前大多数湖冰研究集中在湖冰覆盖领域,湖冰厚度领域由于缺乏实测资料和专门的遥感观测平台还存在诸多空白,大量缺资料地区湖冰厚度仍处于未知状态,亟待方法和数据上的突破与创新。本文综述了近20年国内外湖冰厚度遥感反演领域的进展,介绍了各类反演方法的原理机理及主要优缺点,其中被动微波遥感方法具有良好的时间分辨率但空间分辨率较粗,难以覆盖中小型湖泊;基于SAR影像的主动微波方法空间分辨率较高但物理机制复杂,可靠性有待进一步验证;基于测高雷达的主动微波方法观测时段较长,物理机制明确,易于拓展到无实测资料湖泊,但空间覆盖相对有限;热红外遥感方法时空分辨率较好,但容易受云和湖冰表面积雪的影响,反演精度和可靠性有待提升。在此基础上,本文分析湖冰厚度遥感反演领域面临的主要挑战和发展方向包括：（1）厘清湖冰表面积雪相关的物理过程;（2）实现大范围实测冰厚和遥感资料的集成;（3）实现多源遥感冰厚反演方法的交叉融合。     

盐渍化土壤光谱特征分析与建模

为建立土壤盐渍化遥感监测模型,选取宁夏回族自治区平罗县典型土壤盐渍化发生区域作为研究区,以野外原位光谱测量数据和实验室内测得的土壤含盐量与p H值数据为基础,进行高光谱数据处理,分析不同盐渍化程度土壤的光谱特征;对实测土壤光谱反射率进行倒数、对数、均方根及其一阶微分等光谱变换,计算高光谱指数;与土壤样本含盐量进行相关性分析,筛选盐渍化土壤的光谱特征波段,利用多元线性回归分析建立土壤盐渍化监测模型。研究结果表明:以倒数一阶微分变换后的940 nm和1 094 nm波段作为特征波段构建的土壤盐渍化遥感监测模型最优。     

夏玉米倒伏模拟试验及遥感监测

针对传统的玉米倒伏人工灾害评估方法效率低、随机性大等缺点,该文提出了一种基于遥感技术的方法,设计了田间模拟试验。利用ASD光谱仪采集倒伏玉米的冠层光谱数据,并与未倒伏玉米的光谱数据进行比较。结果显示了倒伏玉米和未倒伏玉米冠层光谱之间存在一定程度的差异。利用夏玉米NDVI值的改变,采用两期遥感影像对山东淄博市桓台县夏玉米倒伏情况进行了监测。结果表明,基于遥感数据的NDVI方法在一定程度上可以有效监测玉米倒伏。     

1979年—2019年兴凯湖湖冰物候变化的被动微波遥感监测

季节性冻结与消融的湖冰是气候变化的重要指示器。本文以兴凯湖为例,基于1979年—2019年的被动微波遥感数据获取了兴凯湖的冻融日期,用2000年—2019年的中等分辨率成像光谱仪MODIS(Moderate-resolution Imaging Spectroradiometer)数据进行了验证,并用气候数据分析了湖冰物候变化的原因。结果表明被动微波与MODIS遥感数据在湖冰物候提取方面具有较好的一致性,也即MODIS的验证结果表明用低频被动微波亮度温度数据获取湖冰物候的方法是可行的,结果也是可靠的。平均而言,兴凯湖湖冰每年11-13左右开始冻结,11-23左右完全冻结,湖冰冻结持续时间9.80 d;次年04-23左右湖冰开始消融,04-30左右湖冰完全消融,消融持续时间8.03 d;湖冰完全封冻时间150.50 d,湖冰覆盖时间168.03 d。过去41 a,兴凯湖开始冻结日期没有明显变化,完全冻结日期平均推后了0.19 d/a,开始消融日期和完全消融日期分别提前了0.16 d/a和0.13 d/a,湖泊完全封冻时间和湖冰覆盖时间分别缩短了12.71 d和2.87 d。湖冰冻结日期推后与风速增大密切相关,消融日期提前和湖冰持续时间缩短与气温升高显著相关。