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.     

渤海湾叶绿素浓度的反演与验证（英文）

叶绿素a浓度是浮游植物现存量的表征。本文基于2012年春季渤海湾叶绿素实测数据,下载了相应的遥感数据,利用MODIS数据的OC3M和OC2方法进行叶绿素浓度a反演,利用GOCI数据的波段比值、OC3G以及YOC算法对叶绿素a浓度进行反演,反演结果与实测结果的空间分布趋势一致。由反演精度分析,GOCI的波段比值法与MODIS的OC3M算法的反演精度相近,GOCI数据的YOC叶绿素浓度算法在渤海湾反演精度比其他反演算法高。     

基于Landsat 8影像的黄河口悬浮物质量浓度遥感反演

悬浮物质量浓度是黄河口海域重要的水质和水环境监测参数之一,直接影响着水面以下光场的分布,进而影响水体的初级生产力和水域生态环境。本文基于2011年6—7月和11—12月共计89组现场实测悬浮物质量浓度和光谱数据,分析了黄河口及其附近海域不同悬浮物质量浓度的水体光谱特征,尝试利用多种波段组合建立悬浮物质量浓度遥感反演算法。结果表明865 nm波段与波段比655 nm/560 nm组合形式算法反演结果最优,算法相关系数R²为0.95,平均相对误差为25.65%。将算法应用于2014—2016年共7景Landsat 8 OLI遥感影像,分析了不同年份黄河口悬浮物质量浓度的时空分布特征,黄河口海域悬浮物质量浓度分布总体呈现近岸高,离岸低的特点,不同时期悬浮物质量浓度量值上有显著变化。     

基于人工神经网络的海水漫射衰减系数的遥感反演方法

利用NOMAD数据集建立了基于人工神经网络的漫射衰减系数Kd490的反演算法。该人工神经网络是3层的反向传输神经网络。其结构为输入层有4个节点,它们分别对应4个波段443,490,555,665 nm的遥感反射比,隐含层有10个节点,输出层1个节点对应于漫衰减系数Kd490。利用另一独立的现场测量数据集(COASTLOOC)印证该反演算法的性能。结果表明,该研究建立的反演算法的性能明显好于业务化SeaWiFS算法,略好于Lee等人的半分析算法。     

渤海AVHRR多通道海冰密集度反演算法试验研究

为了得到更精确的渤海海冰密集度反演参数,采用辽东湾不同类型海冰ASD实测数据,在分析光谱特征的基础上,针对NOAA/AVHRR数据确定出合适海冰密集度反演算法阈值。继而,基于线性光谱混合模型的多通道反演算法进行了一系列算法试验。同时实现了基于LandSat5-TM数据的渤海海冰密集度场反演,并利用该结果与AVHRR单通道和多通道算法得到的海冰密集度反演结果进行比对分析。定量误差分析结果表明,当单通道算法或组合算法中包含1通道时,与Landsat5-TM反演结果的平均误差为正值,包含2通道且不包含1通道时,平均误差为负值;同时使用这两个通道较只包含其一的各种组合算法的平均误差明显偏小;在各种组合算法中,1245四个通道组合反演的海冰密集度结果误差最小,可应用于渤海AVHRR数据海冰密集度反演。     

胶州湾海域海水浊度和悬浮物粒径分布及遥感反演模型

为拓展无人机搭载多光谱相机在海上应用的广度和精度,利用2021年1月、3—7月共6个航次的胶州湾海域现场观测数据,采用多种数理统计方法,开展了海水浊度和悬浮物粒径时空分布特征及基于多光谱数据的遥感反演研究。浊度和悬浮物粒径的分析结果表明,胶州湾湾内海域表层浊度冬季偏低,春夏季高,特别是5月浊度最高,是春季水华暴发浮游植物大量繁殖的结果。胶州湾悬浮颗粒以极细砂为主;悬浮物粒径冬季较粗、春季较细、夏季最小,与水动力条件的季节变化密切相关。将多光谱数据计算得到的不同波段离水辐照度反射率与浊度和悬浮物粒径分别进行相关性分析,结果显示红光波段(660～680nm)的辐照度反射率对浊度和粒径参数最敏感。基于红光波段的波段组合构建了多种函数类型的浊度反演模型,基于450和660 nm处的离水辐照度反射率构建的多项式模型反演效果最好,预测浊度与实测浊度的相关系数为0.82,预测浊度的均方根误差为1.448 FTU。通过基于红光波段的波段组合以及后向散射系数分别构建平均粒径的反演模型,基于555和660 nm处的离水辐照度反射率构建的多项式模型对平均粒径有较好的预测效果,预测结果的均方根误差为0.051...     

辽东湾水体吸收系数区域性半分析反演算法

水体吸收系数是影响水体光场分布的重要参数,在水色遥感探测中受到广泛关注。本文利用2012年9月辽东湾区域航次调查数据分析该区域水体各组分吸收系数的分布情况,结果表明,辽东湾水体中浮游植物含量相对较高。并利用该航次数据,建立了区域性半分析算法,该算法基于相邻波段间固有光学量的线性关系,首先通过遥感反射率反演得到550 nm波段的水体总吸收系数,再通过后向散射波段相关关系外推得到其他波段的总吸收系数。经独立测试数据检验,3个波段(412、443、550 nm)总吸收系数反演的平均相对误差分别为19.71%,17.99%,9.35%,说明区域性半分析算法能较好地估算研究区域的水体总吸收系数。本文还通过引入随机误差对算法稳定性进行了检验,结果表明算法具有较好的稳定性。     

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。     

黄海、东海二类水体漫衰减系数与透明度反演模式研究

黄海、东海是典型的二类水体区域,总悬浮物含量高,水体光学特性复杂.利用2003年春秋季黄海、东海水色联合试验中获取的高质量现场实测数据,建立了由遥感反射比反演水体在490nm波段的漫衰减系数和海水透明度的统计反演模式.这两种模式皆采用490,555,670nm三个波段的组合,漫衰减系数的反演值和实测值的相关系数为0.96,平均相对误差为17.2%;透明度的反演值与实测值的相关系数为0.95,平均相对误差为16.8%.对两种反演模式对遥感反射比输入误差的敏感性进行了分析,结果表明反演模式对±5%的遥感反射比输入误差导致490nm波段的漫衰减系数反演误差最大为27.3%,透明度最大误差为22.7%,并利用2003年春秋季同一海区的实测数据对模型进行了检验,漫衰减系数的平均相对误差为25.0%,透明度的为16.5%.给出了412,443,510,520,555,565nm各波段的漫衰减系数同波段490nm的漫衰减系数之间的关系,结果表明,在400~600nm波段中的每一个波段的漫衰减系数与490nm波段的漫衰减系数的相关性较高,相关系数都超过了0.98.这样利用建立的各波段漫衰减系数关系模型可以从一个已知波段的漫衰减系数反演出其他任何波段的漫衰减系数,这就在水色反演和应用中大大减少了未知因子的个数.