海水叶绿素α浓度遥感测量的实验研究

本文描述了1989年11月在青岛即墨岙山养殖基地所做的海水叶绿素α浓度遥感测量的基础实验。该实验获得了高浓度叶绿素α含量的海水反射光谱。该反射光谱的特征波段为：波谷在485nm；波峰在450nm和535nm；“节点”在572nm。根据该实验数据选取了叶绿素α浓度两种双波段估算模式。分析结果表明：两种模式的精度都在50%双上，且双波段反射率的差值法优于双波段反射率比值法。     

悬浮泥沙浓度遥感反演模式研究

利用野外采集的悬沙样品配置不同粒径和浓度等级的悬沙水样,进行实验室光谱测量,分析悬沙水样的光谱特征及其反射率与粒径之间的关系。根据实验结果选取泥沙浓度和粒径的敏感波段,建立了敏感波段模型和主成分模型。结果表明,主成分分析法能大量获取多通道悬沙水体光谱反射率信息,模型的反演能力优于敏感波段模型。     

基于HJ卫星的近岸Ⅱ类水体叶绿素a浓度定量遥感反演研究——以滦河口北部海域为例

为验证环境卫星影像在近岸Ⅱ类水体中叶绿素a浓度反演的适宜性,获得适合滦河口北部近岸海域的叶绿素a浓度的高精度反演算法,基于HJ-1A CCD2影像数据和现场同步实测数据,构建、验证并确立适合研究区叶绿素a浓度反演模型。结果表明:HJ-1A CCD2卫星可用于水文情况较复杂的近岸Ⅱ类水体叶绿素a浓度的反演研究;最佳波段组合（B3/B1）构建的倒数模型,可反演叶绿素a浓度。结果显示叶绿素a浓度整体由近岸向内海方向逐渐减小,自北向南逐渐降低,并在河口处形成向外海突出的高值区;叶绿素a浓度最大值出现在金山嘴南侧,为25.0 μg/L。离岸叶绿素a浓度最小值出现在滦河口以东约13.2 km处,仅4.6 μg/L;近岸叶绿素a浓度最小值出现在滦河口附近,约为11.0 μg/L。该研究可为相关研究提供技术参考,研究成果可为当地政府科学管理海洋环境、制定海洋政策提供决策依据,为该海域可持续发展提供数据支持。     

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.     

基于半分析方法的黄河口悬浮物浓度遥感反演

河口区的悬浮物浓度受陆源输入和水动力等其他因素的影响严重,具有重要研究意义。本文利用黄河口及其邻近区域采集的145个站位光谱数据和悬浮物(Suspended Particulate Matter,SPM)浓度数据,检验了Nechad模型、多波段准分析算法(Quasi-Analytical Algorithm,QAA)、最优化模型和半经验辐射传输模型(Semi-Empirical Radiative Transfer,SERT)在黄河口水域的适用性。结果表明,QAA561模型和Nechad561模型在低浓度水域反演结果较好,QAA655模型反演结果较差,Nechad665模型适合于低浓度水域,但反演精度低。QAA865模型和Nechad865模型在中高浓度水域的反演结果较好。SERT655模型反演精度较低。最优化模型和SERT滑动模型的反演精度较高。由于黄河口水域悬浮物浓度变化范围较大,因此,本文建立了分段QAA模型和Nechad模型。分段模型的反演结果均优于单一模型。根据误差敏感性分析可知,Nechad分段模型和QAA分段模型对于遥感反射率的50%以内的误差不敏感,稳定可靠。将分段模型应用于Landsat-8 OLI数据,获取了悬浮物浓度时空分布图。结果表明,反演结果与已有研究具有相似的分布特征。两种模型得到的悬浮物浓度在数值上存在差异,然而分布趋势在中高浓度季节有非常好的一致性。     

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.     

荧光法遥感海面叶绿素浓度的波段选择研究

本文从荧光波段范围内的大气效应出发,提出了可能应用于荧光法遥感海面叶绿素浓度的波段。并且用同一高度的航空遥感资料建立了荧光线高度值随波段中心位置和带宽变化的定量线性模式。其次,通过对不同度的航空遥感资料分析,提出了最佳波段选择的判别式。最后得到了两组最佳波段,基本上能满足遥感海面叶绿素α(文中简称叶绿素浓度)的使用要求。     

基于遥感反演的浒苔绿潮暴发对有色溶解有机物与叶绿素时空分布特征的影响

浒苔的暴发会对水体生态环境产生巨大的影响, 对此进行遥感监测具有十分重要的意义。本文基于现场同步实测的有色溶解有机物(colored dissolved organic matter, CDOM)吸收系数、叶绿素浓度以及光谱数据建立遥感反演模型,再结合MODIS卫星影像提取山东半岛南侧近岸海域在各年份浒苔暴发前后CDOM与叶绿素浓度的时空分布特征。结果表明, 浒苔的消亡分解会在水体中产生大量的CDOM, 但浒苔的生长繁殖同样会消耗CDOM, 此外CDOM还受到浒苔暴发时期强烈的光降解作用。在各种因素的综合作用下, 研究区海域CDOM浓度在浒苔暴发时期微弱升高, 浒苔消亡后CDOM浓度则开始回落。浒苔在暴发期会抑制其他浮游微藻的生长, 使研究区海域叶绿素浓度有所降低, 而浒苔消亡后叶绿素浓度有所上升。水体中的叶绿素受多种生物地球化学因素的影响, 因此叶绿素浓度的降低与浒苔的暴发强度之间没有明确的相关性。遥感反演可以大范围快速地提取水体中各种要素的分布情况, 但就浒苔的暴发对海水中各要素的影响机制而言, 还需要结合各种生态环境因子进行综合分析。     

海冰密集度卫星遥感反演研究进展

海冰密集度是海冰的重要参数之一,在冰区导航、海上作业、海冰模式验证和气候模型改进等方面具有重要意义。卫星遥感具有覆盖范围广、重访周期短、成本相对低等优势,已成为获取海冰密集度的主要观测手段。本文从主被动微波遥感和光学遥感的角度,回顾了现阶段海冰密集度卫星遥感反演研究进展情况,包括海冰监测传感器、海冰密集度反演算法和海冰密集度产品等。结果表明,被动微波遥感是目前获取海冰密集度的主要方式,已发展出许多成熟的业务化算法;主动微波遥感数据已成为制作冰情图的主要数据源,海冰密集度反演算法由合成孔径雷达SAR（Synthetic Aperture Radar）图像分类向深度学习算法发展;光学遥感海冰密集度算法较为成熟,但受限于云层和夜晚限制,其反演结果多用于其他海冰密集度产品的验证。受传感器硬件限制,3种观测手段各有其长处与不足。为获得高精度、高时空分辨率的海冰密集度数据,开展多源数据融合研究是解决传感器性能瓶颈的有效手段。大数据时代,基于深度学习的海冰密集度卫星遥感反演技术快速发展,需要深度融入海冰密集度卫星遥感领域知识。海冰密集度卫星遥感反演应着力于海冰预报服务,致力于提高我国的海冰预报能力。     

海水叶绿素α浓度遥感测量的实验研究

本文描述了1989年11月在青岛即墨岙山养殖基地所做的海水叶绿素σ浓度遥感测量的基础实验。该实验获得了高浓度叶绿素α含量的海水反射光谱。该反射光谱的特征波段为:波谷在485nm;波峰在450nm 和535nm;“节点”在572nm.根据该实验数据选取了叶绿素α浓度两种双波段估算模式.分析结果表明;两种模式的精度都在50%以上,且双波段反射率的差值法优于双波段反射率比值法.     

海面光谱辐射计系统研制及遥感反射比的测量

本文报道海面光谱辐射计的研制、定标和海上现场实验测量。运用一个 2 5 6元光电二极管列阵传感器件测量海面离水辐亮度和向下辐照度的光谱分布 ,可计算得出遥感反射比。该仪器所测量的数据可以用于海洋方面相关专业的科学研究 ,并给出海上实验测量数据     

两种卫星遥感海面温度数据的处理技术

论文首先通过从网上获取AVHRR的2001年海面温度月平均数据和WOA01的海面温度季度平均数据资料,然后利用fortran程序读取数据和初步处理数据,并利用matlab软件和surfer作图工具绘制了两组不同数据的等值线图,最后对图像进行了分析,对比两组海面温度分布图。     

面向分类的高光谱遥感影像数据特性的研究

分析了高光谱遥感的特点、影像数据的应用现状,针对高光谱遥感影像处理、分类的现状及遇到的困难,对高光谱遥感影像数据的分类特性进行了深入的分析总结,对高光谱遥感影像分类的支持向量机方法进行了系统研究,并分析指出了支持向量机分类法的优越性,最后提出了需要进一步研究的问题.     

基于深度置信网络(DBN)的赤潮高光谱遥感提取研究

赤潮是严重的海洋灾害,有效监测赤潮对于保护海洋生态环境具有重要意义。高光谱遥感具有光谱分辨率高、图谱合一等优势,适合于海洋赤潮监测。深度学习是机器学习领域的前沿,为高光谱遥感分类提供了新的思路。深度置信网络(Deep Belief Network,DBN)兼具监督分类与非监督分类的特点,通过构建DBN模型,将DBN应用于赤潮灾害遥感监测中,应用渤海机载高光谱遥感数据开展赤潮分类,以达到提取高光谱图像中赤潮水体范围的目的。通过设置对照实验,对比经典的SVM监督分类方法与ISODATA非监督分类方法,发现DBN模型在相同实验条件下具有更高的分类精度,赤潮遥感提取精度提高了3%～11%。