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。     

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     

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。     

混合光谱分解模型提取水体叶绿素含量的研究

遥感监测水体叶绿素含量是水质遥感研究的难点之一。本文通过研究不同叶绿素含量水体反射率的光谱特征，确定了提取叶绿素a含量的最佳特征波段，建立了太湖水体叶绿素a的混合光谱模型。研究发现，混合光谱模型提取的水体叶绿素a百分比浓度与同步采样分析的叶绿素a浓度之间有较好的线性相关性。并基于TM和HEPERION图像利用此模型生成了叶绿索a浓度分布图。研究结果表明，混合光谱分解模型可以作为遥感监测水体叶绿素a含量的定量模型。     

资源一号02D高光谱影像内陆水体叶绿素a浓度反演

2019-09-12成功发射的资源一号02D卫星(ZY-102D)搭载了新一代可见短波红外高光谱相机AHSI(Advanced Hyperspectral Imager),其丰富的细分波段和较高的空间分辨率在内陆湖库水质监测方面具有较大潜力,但数据可用性有待分析和验证.本研究以中国华东和华北平原的典型富营养湖库(太湖、...     

太湖悬浮物浓度的MODIS影像估测研究

通过研究,发现在大样本(N=335)的情况下MODIS 500 mB1-B3与太湖悬浮物浓度具有较好的线性关系(R2=0.659)。同时,运用实测光谱深入分析悬浮物的敏感波段,进一步揭示了采用B1-B3估测的理论依据,并建立了适用于各个季节的太湖悬浮物通用遥感估测模型。     

夏季太湖叶绿素a浓度的高光谱数据监测模型

本文依据2004年7月的实测数据构建了太湖夏季叶绿素a浓度的实测光谱数据估计模型,并使用2004年8月的数据对模型进行了验证。调查样点覆盖了太湖内的典型水域,水样数据由无锡太湖环境监测站采集。样点的光谱数据用ASDFieldSpec野外光谱仪获取,每个样点测量10次,测量结果被转换为遥感反射率。对不同的波段组合进行比较分析后,从可解释性出发,最终选择了归一化指数表达式作为最佳波段组合,所建立的模型为：Chla（μg/L）=EXP（2.478 ＋16.378＊N66）,其中,N66为（R696 -R661） /（R696 ＋R661）。模型的R^2为0.9051,显著性p〈0.0001。与其他模型相比,本文的模型比较稳健,用于估计8月的叶绿素a浓度具有较小的绝对误差。本文的工作同时表明,在太湖的夏季相邻月份,可以使用实测光谱数据模型进行水体叶绿素a浓度的估计。     

黄河口水体光谱特性及悬沙浓度遥感估测

通过黄河口含沙水体野外遥感光谱反射率的观测实验,探讨了黄河口水体表观光谱特性,分析了悬浮体中有机颗粒含量和悬沙粒度对光谱特性的影响。针对Landsat TM/ETM+影像波段特性,对黄河口含沙水体在其可见光至近红外4个波段的光谱特性进行了模拟分析,并结合表观光谱观测数据建立了经验回归函数,以估测不同时相黄河口水体表层悬沙的浓度     

水体叶绿素的偏振光谱特性

在实验室单一成分叶绿素水体与巢湖复杂水体的条件下,比较了基于反射率光谱与基于偏振度光谱所建模型精度上的区别。结果显示,对于复杂水质条件水体,在叶绿素蓝绿光特征波段处,偏振度光谱比反射率光谱具有更好地克服其他光学活性物质影响和保留叶绿素浓度信息的能力;而在红光特征波段处,两种光谱反演效果的差异性则较小。     

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。     

鄱阳湖叶绿素a浓度遥感定量模型研究

叶绿素a浓度是反映湖泊水体营养状况的重要指标,本研究通过分析水体叶绿素a浓度与高光谱反射特征的相互关系,采用一阶微分值和峰值比值法分别建立了叶绿素a的高光谱定量反演模型,在此基础上与同步MODIS数据敏感波段建立卫星定量反演模型。结果表明:叶绿素a荧光峰出现在波段690nm-700nm,波段696nm一阶微分值相关系数最大;波段700nm与波段680nm的比值与其对数相关性较好,MODIS数据波段2和波段1比值的指数模型为最佳的回归模型。     

太湖梅梁湾下行漫射衰减系数的特征分析

水体下行漫射衰减系数(Kd)不仅反映了水质的信息,而且是生物-光学模型中的关键参数,因而受到了广泛的关注.本文基于太湖梅梁湾水下光场的数据,分析了不同波长Kd的波动性随水深的变化特征,结果表明:由于水体表面波的作用,在60cm以上,Kd随深度呈现较强烈的震荡现象,而到60cm以下,随着光子的行程增大,介质散射对光场的改变趋于明显,造成该震荡幅度减弱,趋于稳定状态,甚至呈现出光场的渐进态特征.且在0-60cm的区域,下行漫射衰减系数的波动程度与水体的吸收特性呈现明显的线性相关,即水体的吸收作用突显了表面波的效应.该水体中非藻类颗粒物和黄质具有对短波光强烈吸收的特性,减弱了介质散射使光场漫射比例提高的作用,加强了表面波对水下光场的扰动作用,使得相对长波而言,短波的Kd随水深呈现出相对较大的震荡现象.     

太湖梅梁湾下行漫衰减系数的Monte Carlo模拟及分析

漫衰减系数常用于计算水体浑浊度和划分水体等级,是水中生物进行光合作用等生态过程中的重要参数。本文假设水体固有光学特性(IOPs)不随垂直剖面变化,水体表面为镜面。通过Monte Carlo方法模拟追踪光子在水中的运动过程,统计大量光子在不同深度上的能量分布,计算出下行漫衰减系数Kd值。结果表明:在450 nm,550 nm和650 nm波长处模拟的Kd值基本上小于实测Kd值,对应后向散射概率为3%的散射相函数模拟的相对误差最小,适合用于构建太湖水体的Kd值反演模型。进一步分析入射天顶角、b/a值对Kd值变化的影响,结果发现:在b/a较大的情况下,散射相函数成为影响Kd值变化的主要因素。当b/a值大于9时,入射天顶角从10°变化到80°时,Kd值的变化率小于10%,可忽略入射天顶角的变化对Kd值的影响。利用单一散射相函数模拟不同波长处的Kd值,发现悬浮颗粒物浓度较高且以无机颗粒物为主体时,450—550 nm内模拟值大于实测值,550—650 nm内则相反,说明随着波长的增加,水体中颗粒物的散射呈现出前向散射减弱、后向散射增强的变化趋势。在反演不同波长处的Kd值时需考虑到散射相函数的光谱变化所造成的误差。     

利用高光谱数据估算太湖水体CDOM浓度的神经网络模型

利用2007-11-08~2007-11-21 14 d时间对太湖74个样点进行了水质取样分析和波谱实测。在分析水体固有光学特性的基础上,确定了CDOM浓度遥感反射比的敏感波段,建立了湖泊水体CDOM浓度反演的神经网络模型。结果表明,隐含层节点数为10的神经网络模型在各神经网络模型中效果最佳。利用验证样本对神经网络模型和其他算法模型进行误差分析,发现神经网络模型更适用于湖泊水体。     

基于BP神经网络模型的太湖悬浮物浓度遥感定量提取研究

构建了含有一个隐含层的两层BP神经网络反演模型，以TM数据的前4个波段的反射率作为输入，以悬浮物浓度值作为输出，成功反演了太湖水体的悬浮物浓度。     

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。