基于时空融合算法的水体叶绿素a 反演研究

为了准确反演水体中叶绿素a浓度,以黄柏河东支流域为例,采用STNLFFM时空融合算法,对2017年GF-4和Sentinel-2反射率数据进行融合,以重构Sentinel-2影像的时间序列数据,并对应用算法前后获取的水质参数-光谱特征响应关系建立多元线性回归模型,比较模型对叶绿素a的预测效果以验证时空融合算法的可行性,利用重构后影像光谱特征与水质参数的响应关系建立人工神经网络模型,反演2017年黄柏河东支流域各水库水体叶绿素a浓度。结果表明：利用时空融合算法生成的影像接近真实影像,提高了多元线性回归模型预测叶绿素a的效果,R2从融合前0.659提高至融合后0.844,且基于时空融合算法获取的水质参数-光谱关系建立的人工神经网络模型模拟精度较好,R2和MRE达到0.925和9.461%,反演的叶绿素a浓度空间差异性明显。证明了时空融合算法在水质参数反演过程中具有较好的应用前景。     

半干旱区内陆湖泊透明度高光谱估测模型研究——以松嫩平原查干湖为例

通过实测查干湖高光谱数据,建立透明度(Secchi Disk Depth,SDD)单波段估测模型、比值估测模型以及神经网络高光谱估测模型,并以确定性系数R2以及剩余残差RMSE为指标进行了验证.通过对单波段估测模型和比值估测模型进行比较发现,单波段模型估测结果与比值模型相差无几,而水体透明度经对数处理有利于模型精度提高,但是神经网络模型是三者中最优的.查干湖透明度高光谱定量估测模型的建立,有利于今后利用遥感影像,对查干湖水体透明度进行全面估测,对于研究和监测查干湖水体水质状况有重要意义.     

基于高光谱数据提取水体叶绿素a浓度的混合光谱模型

从模型的精度和稳定性方面,与传统的经验模型比较显示,利用原始数据的一阶微分数据进行叶绿素a浓度混合光谱模型反演最佳。最后,以此模型对三种不同年份测量的地面高光谱数据进行了叶绿素a浓度的提取。实验结果表明混合光谱模型可以作为遥感监测水体叶绿素a含量的定量模型。     

基于高光谱技术的湖泊富营养化综合评价研究——以贵阳市百花湖为例

为了能够准确、快速、大范围地对湖泊富营养化进行监测评价,以贵阳市百花湖为实例,首先,对其水体进行光谱实测与水体采样实验,以及对水体光谱进行归一化、一阶微分、二阶微分等处理,诊断各水质参数的敏感波段,建立其水质参数的高光谱遥感定量模型;其次,探讨湖泊水质高光谱反射率与水质参数浓度之间的定量关系,并采用综合营养状态指数法(TLI)对百花湖富营养化进行评价。结果表明:(1)利用水体光谱的一阶微分反射率分析光谱与水质参数之间的相关性,得出水质参数(Chl-a、TP、TN、SD、CODMn)的敏感波段分别为699nm、823nm、399 nm、563nm、504nm;(2)利用水质参数敏感波段对湖泊水质参数进行估测的效果较为理想,各估测模型R2分别达到0.8276、0.7711、0.7917、0.9213、0.8328;(3)采用水质参数的实测值与估测值对百花湖富营养化评价结果是一致的,且均为中营养化,说明采用高光谱技术对湖泊富营养化的监测与评价是可行的。     

长春市南湖叶绿素a浓度高光谱估测模型研究

利用野外高光谱仪(ASD Field Spec radiometer)在长春南湖进行了反射光谱测量和同步水质采样分析,通过研究水体藻类叶绿素a浓度与其高光谱反射特征之间的相关关系,采用单波段反射率、反射率比值法和一阶微分法分别建立了叶绿素a的高光谱定量模型。结果表明:三者与叶绿素a线性相关程度都比较高,决定系数在0.70左右,而且其显著水平P<0.01,都可以用于叶绿素a的定量遥感,其中单波段模型效果最好。为今后利用高光谱传感器在南湖进行叶绿素a浓度大面积遥感反演提供了研究基础。     

应用MODIS影像估测太湖水体悬浮物浓度

以太湖为研究区域,同步获取悬浮物浓度实测数据、水体反射光谱数据和MODIS卫星影像数据,构建基于中分辨率成像光谱仪(MODIS)的悬浮物遥感估测模型.为了削弱大气效应,对MODIS影像了进行了粗略大气纠正.通过悬浮物特征光谱分析,将MODIS各敏感波段及波段组合与悬浮物浓度实测值进行相关分析,并应用实测光谱数据进行验证.在此基础上,运用回归分析建立半经验反演模型,并对模型进行了评价和应用.研究结果表明,MODIS影像可以很好地对大型内陆湖泊的悬浮物浓度进行遥感估测.250 m波段2 500 m波段4与1 000 m波段14是探测悬浮物的敏感波段.波段组合上,500 m组合因子r4/r3、r4-r3估测悬浮物含量的精度很高,适于构建反演模型;1 000 m波段8、11、131、4的多元组合也是构建模型的较好选择(R2均不低于0.85).     

基于CASI & SASI航空高光谱的雄安新区西南部农田土壤 重金属镍含量反演研究

农田土壤中重金属元素富集会严重制约农作物的生长,且对人类健康造成潜在威胁。高光谱遥感数据具有极高的光谱分辨率,因而可在土壤重金属污染元素信息的定量研究中发挥重要作用。本文以雄安新区西南部及其周边农田土壤作为研究对象,在实验室测定土壤重金属元素Ni的含量,并与土壤可见-近红外高光谱数据建立土壤重金属Ni含量的定量估测模型,进一步基于CASI&SASI航空高光谱数据快速反演研究区农田土壤重金属Ni的含量,获取其分布特征。本文研究并建立了研究区土壤重金属元素基于不同光谱变换形式的多元逐步回归、偏最小二乘回归和BP神经网络统计估算模型,通过模型验证与对比,探索研究区土壤重金属Ni元素含量的最优反演模型。研究结果表明: （1）基于各光谱变换的BP神经网络模型的建模和预测精度整体上大于偏最小二乘法和多元逐步回归法模型,模型拟合精度高,预测能力较好;（2）综合来看,一阶微分处理能普遍改善模型预测效果,其中BP神经网络模型的一阶微分变换结果最佳,对于Ni元素建模精度R2高达97.1%,验证集精度R2高达98%以上;（3）选用精度最好的BP神经网络模型,通过CASI&SASI高光谱数据对研究区重金属Ni含量进行反演,反演结果与实测Ni含量数据一致性很好。     

基于高光谱的桂东北峰丛洼地土壤有机碳含量预测

以桂东北寨底峰丛洼地土壤为研究对象,利用二阶微分和去除包络线二阶微分方法对土壤光谱进行处理,筛选出3种光谱指数与土壤有机碳（SOC）相关系数最高的特征波段,通过比较偏最小二乘回归、多元线性回归与多元逐步回归等模型的精度,确定SOC最佳估测模型。结果表明:（1）研究区土壤样品有机碳质量分数最小值为 0.20%,最大值为6.06%,变异系数为63.28%,具有中等强度的空间异质性;（2）二阶微分光谱指数建立的多元线性回归模型精度优于原始光谱反射率及包络线二阶微分的模型;（3）二阶微分、包络线二阶微分光谱指数建立的偏最小二乘回归预测模型均比通过原始数据建立的模型精度高出0.3;（4）基于二阶微分所建立的多元逐步回归模型具有较高的预测精度（R2=0.75,均方根误差RMSE=4.83和较大的剩余估计偏差RPD=2.00）。      

基于Landsat-8数据南海近岸悬浮泥沙与叶绿素a浓度定量反演

为了对南海近岸海域海水悬浮泥沙与叶绿素a进行浓度估算,基于Landsat-8数据确定悬浮泥沙与叶绿素a的敏感波段并构建估算模型。结果表明,Landsat-8数据第一、二、四波段对悬浮泥沙浓度较为敏感,第一、二、三波段对叶绿素a浓度较为敏感,而以上单波段仍不能单独用于准确提取该区悬浮泥沙与叶绿素a,故建立多种形式的统计模型。由第一、二、四波段线性组合形成的悬浮泥沙浓度反演模型的相关系数达到0.904,平均相对误差为10.24%,反演精度为89.76%。由第一、二、三波段线性组合形成的叶绿素a浓度反演模型的相关系数达到0.886,平均相对误差为11.27%,反演精度为88.73%。     

探讨遥感反演模型技术在水质参数监测中的具体应用

叶绿素a(Chl-a)是江河湖泊水体水质状况评价的重要指标之一。以妫水河为研究区,利用实Chl-a浓度数据和同步的环境一号卫星(HJ-1 A)多光谱数据对妫水河水体Chl-a浓度的遥感反演模型进行研究,结论对于提高遥感反演的精度,并为妫水河的水质遥感监测提供技术和方法参考。     

基于粒子群优化支持向量机的矿区土壤有机质含量高光谱反演

为了监测复垦矿区土壤的有机质含量, 综合利用光谱分析、统计学习理论与方法以及智能优化理论与方法, 研究了矿区复垦土壤有机质含量与土壤光谱之间的关系, 在此基础上建立了土壤有机质含量高光谱反演模型, 实现土壤有机质含量定量检测.首先对原始土壤光谱数据进行预处理, 然后进行相关性分析, 提取450 nm、500 nm、650 nm、770 nm、1 460 nm和2 140 nm作为特征波段, 最后利用多元线性回归(multiple linear regression, MLR)、偏最小乘回归(partial least squares regression, PLSR)和粒子群优化支持向量机回归(particle swarm optimization support vector machine regression, PSO-SVM)方法建立了土壤有机质含量的高光谱定量反演模型, 并对模型进行验证.3种模型的验证结果如下: MLR、PLSR和PSO-SVM模型的R2分别为0.79、0.83和0.85, RMSE分别为5.26、4.93和4.76.实验结果表明, 无论从模型的稳定性还是预测能力上, PSO-SVM都要优于其他两个模型.      

太湖水体光学衰减系数的分布及其变化特征

利用2001-2002年周年太湖全湖不同湖区湖泊光学的实测资料,分析了太湖水体光学衰减系数的区域分布,季节变化,垂直分布及日变化特征,并阐述了其变化原因,将太湖与国外一些湖泊进行对比,进一步阐述了太湖的光学特征.结果表明:光学衰减系数的湖区分布大致为:河口区>五里湖>湖心区>梅梁湾>贡湖>东太湖;由于不同湖区对光学衰减系数影响的主导因素不一样,其季节变化存在差异,东太湖季节变化不大,湖心区衰减系数秋冬季较大,而梅梁湖区则夏秋较大;衰减系数日变化则表现为中午大,上午和下午小;衰减系数的垂直分布主要有逐渐递减和先递减后均匀2种类型;衰减系数的光谱特性表现为在短波部分较大,长波部分较小,670nm处有一相对高值.     

基于反射率的太湖典型湖区溶解性有机碳的反演

2004年4月基于野外水下辐照度的测定及实验室溶解性有机碳(DOC)的分析,通过研究典型湖区水体中DOC浓度与反射率之间的关系,选择DOC浓度反演的最佳波段,建立了DOC浓度的遥感定量反演模型。结果表明,DOC浓度在6.60～17.17 mg/L（均值为9.99 mg/L,方差为2.48 mg/L）之间;反射率的峰值出现在560～590 nm;红光波段与绿光波段反射率的对数值能较好的估计DOC浓度,其中又以lg(R670/R530)与lg(DOC)相关程度最高,决定系数为0.82;DOC浓度反演的经验模型为：lg(DOC)=0.654(±0.012)lg\[R(670)/R(530)\]+1.007(±0.086)。对模型进行检验,最小误差为6.7%、最大误差为20.3%,平均误差为12.3%。     

基于高光谱的土壤养分含量反演模型研究

为实现土壤养分（有机质SOM、全氮TN、全磷TP、全硫TS）含量的快速测定,以建三江创业农场为例,对土壤原始反射率进行了一阶微分（FD）、倒数对数（RL）、倒数一阶微分（FDR）、多元散射校正（MSC）和连续统去除（CR）变换,分析6种光谱变量与土壤养分的相关性,将在α=0.01水平上显著相关的波段作为特征波段,运用多元逐步回归（SMLR）、偏最小二乘回归（PLSR）和BP神经网络（BPNN）三种分析方法分别建立有机质、全氮、全磷和全硫的高光谱预测模型,并利用决定系数（R²）、均方根误差（RMSE）和相对分析误差（RPD）对预测模型进行评价.结果显示,PLSR和BPNN建立的土壤养分含量预测模型均优于SMLR,能极好地预测有机质和全氮含量,同时具有粗略估算全硫含量的能力.三种方法中仅有CR-BPNN能对全磷含量进行粗略估算.对有机质、全氮、全磷和全硫预测效果最佳的模型及其验证集决定系数分别为：MSC-PLSR （0.86）、MSC-PLSR （0.75）、CR-BPNN （0.56）、FDR-BPNN （0.67）.     

水质监测中激光诱导荧光遥测技术的应用

激光诱导荧光(LIF)遥测是针对大面积水域富营养化状况进行原位、实时、快速测量的一种先进的监测技术。利用自行研制的水体污染LIF遥测系统对太湖水域进行了一次较为全面的测量,以测得的溶解有机物(DOM)荧光因子、瑞利散射因子和叶绿素a荧光因子分别代表各测量点的DOM浓度、浊度和叶绿素a浓度。同时以Skalar三维荧光成像仪测量各点DOM浓度,多参数水质分析仪测量浊度和叶绿素a浓度。对比分析了LIF遥测系统测量DOM荧光因子、瑞利散射因子和叶绿素a荧光因子与DOM浓度、浊度和叶绿素a浓度关系。结果表明LIF系统测得的DOM因子与三维荧光成像仪测量的DOM浓度值一致性较好(R=0.88733),而瑞利散射因子和叶绿素a荧光因子与多参数水质测量仪测得浊度值和叶绿素a浓度值线性相关性较差,相关系数分别为-0.39185和0.4552。对上述差异产生的可能原因进行了讨论,并阐述了LIF遥测技术在水质监测中的应用前景和潜在的应用限制。     

基于WorldView-02高分影像的BP和RBF神经网络遥感水深反演

遥感水深反演是水深测量的一种重要技术和手段.以美济礁水深反演为例,选择WorldView-02高分影像为数据源,在辐射定标和大气校正的基础上,构建BP（Back Propagation）和RBF（Radial Basis Function）人工神经网络水深反演模型,以遥感影像8个波段为输入层,通过tansig、logsig、高斯函数和purelin函数变换实现从输入层到隐含层、隐含层到输出层的转换,以便反演水深.最后对反演水深与实测水深采用回归分析,求解决定系数（coefficient of determination,R2）、平均决定误差（Mean Absolute Error,MAE）、均方根误差（Root Mean Square Error,RMSE）等进行比较,评价2种模型的精度.结果表明,RBF神经网络模型结构更简单,对样本要求更低,反演精度达到0.995,更适合遥感水深反演.      

基于水体光学分类的鄱阳湖悬沙浓度反演方法研究

鄱阳湖是我国重要的湿地生态系统,对调节流域的水沙变化有着重要作用。由于鄱阳湖湖区面积广,内部差异大,单一的悬浮泥沙反演模型不足以准确反演出湖区的悬浮泥沙浓度。以实测的反射光谱数据、泥沙浓度数据为基础,提出一种基于分类后的反演模型,即根据实测数据的光谱形态特征分类出5种典型的水体类型。在此基础上,将分类后的各类水体分别建立各自合适的反演模型进行反演。结果表明基于水体分类的经验模型反演达到满意效果,平均绝对误差为0.00217g/L,平均相对误差为3.022%。基于分类后的经验反演模型适用于鄱阳湖悬沙浓度分布的监测研究,有助于更加宏观、准确的掌握鄱阳湖泥沙浓度的空间分布和变化,为保持鄱阳湖资源的可持续开发与利用提供决策依据。