NDCI法Ⅱ类水体叶绿素a浓度高光谱遥感数据估算

以太湖、巢湖为研究区,以Hyperion和HJ-1A卫星HSI高光谱数据以及实测水质浓度数据为实验数据,引入归一化叶绿素指数(NDCI),对Ⅱ类水体的高光谱叶绿素a浓度估算进行分析研究.首先对高光谱数据的光谱通道设置以及水体光谱特征进行分析,研究确定模型的最优波段.然后,将确定最优波段后的NDCI反射率因子作为变量与实测样本点数据进行回归分析,得到NDCI与叶绿素a浓度之间的回归关系,进行叶绿素a浓度的估算.与常用的比值法、一阶微分法和三波段法相比,NDCI的性能优于这3种方法,表明NDCI是一种计算简单、估算精度高、实用性强的Ⅱ类水体叶绿素a浓度估算方法.     

应用实测光谱估算千岛湖夏季叶绿素a浓度

依据2010年8月的实测数据构建了千岛湖水体夏季叶绿素a浓度的实测光谱数据估算模型,并进行了验证.利用ASD FieldSpec3野外光谱仪获取高光谱数据,计算水体离水辐亮度和遥感反射率.通过寻找反演水体叶绿素a浓度的高光谱敏感波段,采用单波段相关分析、波段比值、微分光谱、三波段模型、BP人工神经网络等多种算法进行比较分析,结果表明:叶绿素a浓度与单波段光谱反射率的相关性不大;596 nm和489 nm波长处反射率比值、545 nm处光谱一阶微分与叶绿素a浓度均呈较显著相关,估测模型决定系数R2分别为0.782、0.590,RMSE分别为0.89、1.98μg/L;三波段模型的反演结果优于传统的波段比值和一阶微分法,R2为0.838,RMSE为0.71μg/L;神经网络模型大大提高了叶绿素a浓度的反演精度,R2高达0.942,RMSE为0.63μg/L.本研究为今后在千岛湖水域的夏季相邻月份进行叶绿素a浓度大范围遥感反演研究奠定了基础.     

基于半分析模型的波段最优化组合反演混浊太湖水体叶绿素a

内陆水体叶绿素a浓度定量反演是水质遥感的热点与难点.本文基于对内陆水体叶绿素a、悬浮物、溶解有机物与水分子的光谱特征分析,从半分析生物光学模型出发,利用太湖实测的水面 ASD 高光谱遥感数据三波段组合,进行迭代优化,得到与叶绿素浓度密切相关而受悬浮物与黄色物质影响小的最优波段组合模型,反演精度较高,其决定系数和均方根误差分别为 0.8358、3.816mg/m3,该方法可以有效地反演高浓度悬浮物主导光学特性的水体叶绿素a浓度.     

混合藻类高光谱特征及其叶绿素a分离定量模型

利用地物高光谱遥感技术,在室内进行小球藻、聚球藻及其混合藻高光谱测量.得到这3组藻的反射光谱特征,同时进行叶绿素a(Chl.a)浓度测量.利用Matlab软件中的神经网络工具箱对得到的高光谱数据进行了曲线拟合.并用拟合结果和光谱测量实际结果分别建立了两种单一藻类的定量模型单一小球藻Chl.a最优的定量模型为用反射率实际值建立的小球藻单波段反射率模型Chl.a=1×10~7(R_(687))~2-37016R_(687)+53.64.单一聚球藻Chl.a最优的定量模型为利用反射率实际值建立的聚球藻两波段模型Chl.a=853 15×[R~(-1)(669)-R~(-1)(730)]×R(730)+505.78.在对两种单一藻类定量模型研究的基础上分别用单波段反射率分离模型、三波段分离模型和两波段分离模型对由小球藻和聚球藻组成的混合藻进行了Chl.a浓度分离.其中单波段反射率分离模型和两波段分离模型得到了较好的分离结果,单波段反射率分离模型结果要优于两波段分离模型结果.利用神经网络模型拟合值构建的模型要优于直接用反射率测量值构建的模型,而三波段分离模型的分离结果不理想,不适用于本研究.     

基于环境一号卫星高光谱遥感数据的巢湖水体叶绿素a浓度反演

三波段模型是基于生物光学模型构建的叶绿素a浓度反演半分析模型,是目前反演内陆富营养化浑浊水体叶绿素a浓度效果较好的方法.本文通过星地同步实验,分析巢湖水体各组分光谱特征,分别基于地面实测数据与环境一号卫星高光谱遥感数据建立三波段模型反演巢湖水体叶绿素a浓度.结果表明,由于特征波段在不同数据源的位置不同,导致了两个模型波段选择及反演精度的差异.因此,只有在充分考虑遥感数据的光谱特征的条件下,分析遥感信息理论和实际图幅影像有效结合在一起的地物信息,才能进一步优化三波段模型的波段选择,实现遥感数据定量反演水体叶绿素a浓度的目标.     

基于反射光谱的太湖北部叶绿素a浓度定量估算

利用地物光谱仪研究了太湖水体的反射光谱特征与叶绿素a浓度之间的定量关系,结果表明太湖水体的叶绿素a浓度可以用720 nm附近的反射率估算,同时也可以用806 nm和571 nm两个波段的反射率比值来估算,前者建立的估算模型具有较好的通用性,而后者只能较好的估算<10μg/L的叶绿素a浓度;通过对光谱微分的分析,发现叶绿素a浓度与690 nm附近的一阶微分和702 nm附近的二阶微分相关性最好,但基于反射光谱一阶微分的叶绿素a浓度估算模型,并没有显著的提高太湖叶绿素a浓度的估测精度,二阶微分后的估测精度好于一阶微分,但其估测精度仍没有利用720 nm反射光谱的反演模型高．太湖水体的叶绿素a浓度可以利用720 nm附近的反射光谱有效地估算．     

查干湖冰封期光谱特征及影响因素

湖冰光谱特征是湖冰遥感反演的物理基础,是研究湖冰光学特性和空间分布的理论依据。本文以查干湖为例,使用ASD Field Spec 4便携式地物光谱仪采集冰封期不同类型湖冰、积雪和水体光谱,利用Savitzky-Golay滤波法和包络线去除法分析白冰、灰冰、黑冰、雪冰、积雪和水体的反射光谱特征,探索气泡对湖冰反射光谱特征的影响。积雪和雪冰、白冰和灰冰、黑冰和水体的反射特征随着波长的变化特征基本一致,冰的反射率介于积雪和水体之间,其中白冰的反射率高于灰冰和黑冰,在包络线去除结果中,黑冰和水体在440 nm吸收谷处的吸收面积为5.184和10.878、吸收深度为0.052和0.106,雪、雪冰、白冰、灰冰在800和1030 nm吸收谷处的吸收面积和吸收深度的变化表现为雪<雪冰<灰冰<白冰。气泡是影响湖冰光谱特征的重要因素,气泡使白冰反射率减小和黑冰反射率增大,并且气泡使得白冰在800/1030nm和黑冰在440 nm处的吸收面积和吸收深度减小,其中气泡大小和疏密程度的不同会导致湖冰反射率的影响程度存在差异。同时,本文选取时间同步的Landsat 8 OLI遥感影像,在完成辐...     

结合温度因子估算太湖叶绿素a含量的神经网络模型

神经网络方法估算复杂水体水质参数的优越性已经得到证实.基于太湖水体实测叶绿素a浓度,利用MODIS 250m影像和反演得到的水温数据建立了估算太湖水体叶绿素a含量的两个单隐层BP神经网络模型:NN1模型不含温度因子、NN2模型包含温度因子,采用Levenberg-Marquardt算法训练网络,利用初期终止方法提岛网络泛化能力,均取得了较高估算精度,其中包含温度因了的反演模型精度稍有提高,但不显著.     

春季巢湖水温和水体叶绿素a浓度的变化关系

根据2007年3-6月的巢湖逐时气象观测资料和水环境监测资料,分析了水体叶绿素a浓度、水温和气温的时间变化规律以及相互之间的关系.结果表明:水温日变化幅度小于气温日变化幅度,多项式拟合决定系数较高,为0.81;水温与水体叶绿素a浓度逐时变化关系不稳定,线性拟合决定系数变化范围为0到0.91,平均为0.35;水温日平均与...     

水体叶绿素含量的遥感定量模型

利用１９９２年７月２５日陆地卫星ＴＭ数据与该日同步湖面多点观测资料,对太湖北部水体叶绿素含量与不同波段遥感值的关系进行了定量分析,发现ＴＭ３与Ｃｈｌ－ａ含量有负幂次关系,ＴＭ４,ＴＭ７则分别与Ｃｈｌ－ａ含量有较好的正、负线性相关性。     

耦合营养负荷的查干湖全季节适宜生态水位阈值研究

适宜生态水位作为反应湖泊水文情势的重要指标,是维持湖泊生态系统稳定的关键要素。已有研究大多集中于水文过程对生态系统影响,缺乏耦合考虑湖泊营养负荷的全季节生态水位阈值研究。本研究在刻画恢复天然水位情势的基础上,综合考虑了人类活动导致湖泊营养负荷的季节性波动以及冰封期的最小生态水位,构建了适用于季节性冰封湖泊全季节的适宜生态水位阈值获取的综合框架,确定了年内不同时期适宜生态水位阈值。结果表明,查干湖入湖口非冰封期的总氮(TN)浓度与平均水位均呈上升趋势,总磷(TP)浓度呈下降趋势;6月湖内TN和TP滞留量最高,分别达到1044.36和23.61 t;确定了查干湖全季节不同时期的适宜生态水位,冰封期(11月—次年4月)为129m,汛期(6—9月)为130.15～130.86 m,非汛期(5和10月)为130.08～130.57 m。研究结果可为季节性冰封湖泊的适宜生态水位研究提供方法支撑,也可为湖泊的水环境管理提供理论支撑。     

内蒙古乌梁素海叶绿素a浓度时空分布及其与氮、磷浓度关系

采用2005-2007年乌梁素海监测数据,对乌梁素海水体中叶绿素a浓度的时空分布进行分析,并对叶绿素a浓度与总氮、总磷浓度相关关系进行研究,结果表明:乌梁素海叶绿素a浓度具有明显的时空分布特征,在时间上,5月份>7、8月份>10月份>9月份>6月份,可以看出5月份、10月份叶绿素a浓度偏高,其原因是乌梁素海特殊的地域性,补水来源主要为河套灌区的农田退水,5月份、10月份正处于春浇秋灌时期,农田退水携带充足的氮磷元素进入乌梁素海,使藻类迅速增长繁殖;在空间上,北部区>南部区.通过分析得出,2006年叶绿素a与氮、磷浓度的相关关系在5月、10月存在明显的相关性,8月份相关性较小,其他月份无明显相关性.     

基于地面实测光谱的太湖水体富营养化水平估算

富营养化指数是评价水体污染情况的一个重要的综合性指标．通过对高光谱遥感数据和水体富营养化指数的分析,确立了反演水体富营养化水平的高光谱敏感波段,进而用选择的敏感波段和波段组合来建立模型．通过对几个模型的比较,选出了较为理想的估算模型．最后对模型进行精度分析,认为该模型具有一定的可靠性和实用性．从而确定了直接由高光谱遥感数据监测水体富营养化水平的可能性,为实现由高光谱遥感数据开展大范围的水质调查奠定了一定的理论基础．     

Multivariate approach for chlorophyll-a and suspended matter retrievals in Case II type waters using hyperspectral data

Abstract

Remote sensing has become promising in providing temporal and spatial information on biogeodynamics in large and open freshwater bodies. In optically complex environments, such as in the Western Basin of Lake Erie (WBLE), the water contains multiple biogeochemical constituents or colour producing agents (CPAs), such as phytoplankton, suspended matter and dissolved organic carbon; identifying and analysing such in-water constituents is crucial for understanding and assessing many biogeochemical processes. For example, concentrations of chlorophyll-a and total suspended matter can be used as proxies to assess phytoplankton dynamics and particulate loading. However, quantitative estimation of their concentrations from satellite observations is complicated when working with mixed spectral signatures. Hyperspectral remote sensing is fast emerging as a key technology for advanced and improved understanding of optically complex waters. This study estimates concentrations of chlorophyll-a and total suspended matter (TSM) in the WBLE by applying the partial least squares (PLS) method to a full range (400–900 nm) of continuous narrow spectral bands. The PLS method models the covariance between hyperspectral bands and CPAs, and identifies the optimal bands that characterize most of the variance in the CPAs. This method avoids the curse of dimensionality and the effects of multi-collinearity, a challenge that is associated with new-generation hyperspectral satellite sensors. Validation parameters for the PLS-based models produced R² of 0.84 for chlorophyll-a (RMSE = 1.18 μg/L), and R² of 0.90 for TSM (RMSE = 1.26 mg/L), illustrating the potential of the PLS method for isolating and extracting absorption features characterizing the various CPAs in optically complex Case II type waters.

Editor Z.W. Kundzewicz Associate editor Not assigned     

高原深水湖泊水温日成层对溶解氧、酸碱度、总磷浓度和藻类密度的影响:以云南阳宗海为例

弄清深水湖泊夏季水温分层及其对水体各理化指标的影响对于湖泊的保护和治理有重要意义.以云南阳宗海为例,在夏季选择湖泊内有代表性的6个样点,以1 m为间隔对每个样点不同水深的水温、藻蓝蛋白、DO、pH和叶绿素a含量进行同步测定,同时在实验室测定TP.结果表明:(1)夏季晴天阳宗海上午没有明显的分层,中午开始慢慢形成4层,随后转化到3层,在14:00时达到分层相对稳定,稳定时温跃层出现在水深9~13 m处,湖表层与深水层的最大温差为7.8℃;(2)随着水温出现分层,DO和pH呈现出与水温分层相似的垂直分层结构,而这种分层过程基本上与水温成层过程同步;(3)藻类和浮游植物随水温分层而逐渐成层,但有迟滞性,迟滞时间约2 h;(4)TP对水温分层不敏感,只有接近湖底的水体总磷浓度才明显升高,9 m以上的水层总磷浓度分布均匀,水温的分层与消失过程不影响上层水的总磷浓度,全湖泊的总磷平均浓度为0.033±0.03 mg/L.     

洱海叶绿素a浓度的季节动态和空间分布

2010年5月至2011年4月,对洱海叶绿素a的季节动态、空间分布及其与环境因子的关系进行研究.结果表明,水体中叶绿素a浓度存在明显的季节变化,其变化范围为4.11~24.30μg/L,年平均值为10.4±6.5μg/L,最小值出现在2011年3月,最大值出现在2010年9月.叶绿素a浓度在夏、秋季较高,冬、春季较低.在空间变化上,叶绿素a浓度在南部湖区最大,其次是北部湖区,中部湖区最低.Pearson相关系数和主成分分析表明,洱海叶绿素a浓度在不同湖区中与水温和透明度均呈极显著相关.总氮在北部和南部湖区与叶绿素a浓度均存在一定的相关性,而总磷与叶绿素a浓度在南部湖区存在一定的相关性.根据修正的卡尔森营养状态指数,洱海综合TSI值为50.6,水质处于中营养状态.     

太湖秋季真光层深度空间分布及浮游植物初级生产力的估算

基于2004年10月对全湖67个采样点水下光合有效辐射(photosynthetically active radiation:PAR)和各光学活性物质浓度的测定,分析了真光层深度的空间分布及其影响因素.利用实测的叶绿素a浓度,真光层深度,PAR强度,由水温计算得到的最佳固碳速率以及由经纬度计算的日照周期等,在垂向归纳模型(vertically generalized production model:VGPM)的支持下估算了全湖秋季浮游植物初级生产力.真光层深度的变化范围为0.37-5.27m(均值为1.52±1.06m),高值出现在东太湖、胥口湾、东西山之间等水生植物分布茂盛的草型湖区,而在梅梁湾、湖心区以及西南面的开阔湖区真光层深度均较小.回归分析显示,真光层深度主要受制于非色素颗粒物浓度,浮游植物和溶解性有机物的贡献相对要小得多.叶绿素a浓度和VGPM模型估算的浮游植物初级生产力变化范围分别1.21-53.59μg/L、77.4-2484.9mg/(m2·d),其时空分布基本一致,高值出现在富营养化的藻型湖区梅梁湾,低值出现在胥口湾和西南开阔湖区.VGPM模型和经验模式对比结果显示两者值比较接近并存在显著相关(r2=0.79.P<0.0001).两类模型全湖的均值分别为694.5±492.0、719±84±315.4mg/(m2·d),但由于VGPM模型考虑到真光层深度、温度、PAR强度以及日照周期对初级生产力的影响,其变化范围明显大于经验模型,也更能反映初级生产力的空间变化.