浮游植物叶绿素a含量测定方法的比较测定

本文比较研究了浮游植物叶绿素ａ含量测定的２种常用方法－国内常用的丙酮萃取分光光度法和国际上较通用的热乙萃取分光光度法。实验结果显示：热乙醇法具有操作简便、快捷、萃取完全,低毒等优点。两种方法有显著统计差异及很好的相关性,其回归方程为：Ｃｈｌａ乙醇＝１．２６１Ｃｈｌａ丙醇－３．５（Ｒ＝０．９９８）。     

浮游植物叶绿素a的微波法研究及其与反复冻融法的比较

为缩短样品处理时间和提高测定准确度,本文设计和优化了微波处理辅助提取浮游植物叶绿素a的方法,并比较了反复冻融法和微波法对浮游植物叶绿素a的提取效率.结果表明:(1)微波法提取叶绿素a的最优处理条件为:高火(额定输出功率800 W)处理60 s左右.过滤水量为:贫营养型水体为1000 ml以上,中、富营养水体为100~500 ml.(2)反复冻融法在测定贫营养型水体时更稳定,而微波法对中、富营养水样提取率显著高于冻融法,可提高7%~12%,对具胶被及硅质外壳的藻类提取效率极显著高于冻融法,测定结果的相对偏差更小,且提取时间较冻融法缩短一半以上,适用于富营养化水体的应急监测.     

氯化物水型盐碱池塘浮游植物叶绿素a的研究

于 1997年 4月至 1998年 9月对山东省高青赵店渔场 ( 37°17′N,117°55′E)的盐碱池塘叶绿素进行了调查研究 .结果表明 ,盐碱池塘叶绿素总量平均为 115.12μg· L-1,叶绿素 a平均含量为 73.90μg· L-1,占叶绿素总量的 61.76% ,叶绿素 b和叶绿素 c分别占总量的 12 .97%和2 5.2 7% .叶绿素 a含量的季节变动较大 ,有明显盛夏和初秋高峰期 .无鱼对照池的叶绿素 a比养鱼池塘低得多 .叶绿素 a的昼夜变化与垂直分布变化较大 ,但不遵循同一模式 .盐碱池塘叶绿素 a含量与浮游植物生物量、水温、总氮、总磷和硅酸盐显著正相关 ,与透明度显著负相关 ,而与盐度、碱度、p H、硬度、电导率均无规律性联系     

YSI(多参数水质检测仪)测定叶绿素a浓度的准确性及误差探讨

YSI(多参数水质检测仪)由于其快速、轻便的特点,已广泛应用于野外水体中叶绿素a的测定.通过将YSI测得的叶绿素a值与分光光度法测定值进行比较,对YSI6600水质测定的准确性和数据采集进行评估.结果显示,YSI测定值多数偏低,且与分光光度法测定值之间存在显著性差异;时间上,冬季比夏季具有更大的线性相关性.分段回归结果显示,随着叶绿素a浓度不断增大,两组数据的差值也不断增大.YSI测定误差产生于3个方面:(1)测定前YSI校准方法的不同;(2)其它种类具有荧光特性色素的存在;(3)YSI自身结构.     

太湖叶绿素a的时空分布特征及其与环境因子的相关关系

2012年3月至2013年2月逐月对太湖水体叶绿素a含量、主要环境因子及不同门类浮游植物密度进行测定,分析太湖叶绿素a含量和不同门类浮游植物密度的时空分布特征,探讨太湖叶绿素a含量和环境因子与不同门类浮游植物密度之间的相关关系并建立逐步回归方程.结果表明:太湖叶绿素a含量全年平均值为22.33±37.65 mg/m³,变幅为0.48~347.85 mg/m³;叶绿素a含量随季节变化明显,夏季最高、秋冬季次之、春季最低;在空间分布上,太湖北部和西北部最高,东部和南部最低.蓝藻门、隐藻门、硅藻门、绿藻门密度随时间呈峰型变化,均在10月份达到最大值,黄藻门、金藻门和裸藻门密度的变化趋势呈"V"型,在春、冬两季出现较大值;不同门类浮游植物密度基本在西北区出现最大值.全湖叶绿素a含量的显著影响因子有总有机碳、亚硝态氮、溶解氧、pH、水温和磷酸盐;lg(Y_Chl.a)与lg(X_TN)呈显著负相关,与lg(X_TP)呈极显著正相关,与lg(X_N/P)呈极显著负相关.太湖叶绿素a含量与蓝藻门、隐藻门、裸藻门与甲藻门密度有显著相关关系.     

太湖梅梁湾口浮游植物初级生产力及其相关因素关系的研究

研究了太湖梅梁口1991年8月—1993年2月浮游植物初级生产力季节变化和垂直分布以及初级生产力与光、温、叶绿素、透明度之间的关系。结果表明,温度是影响初级生产力的主要因子。全年初级生产力主要集中在夏季（6—8月份）。水柱日毛生产量的更大值在7月份,达4.63g O_2/m~2·d;最小值在12月,仅为0.12g O_2/m~2·d。初级生产力的最适温度为25℃。根据室内模拟实验,它与温度之间拟合方程为:P=0.22θ_(25-r)。初级生产力还受可利用光的影响,最高初级生产力一般出现在透明度一半的水层。初级生产力与光辐射能之间的关系（T=18℃）为:P=0.162·(I/1.33)·exp(1-(I/1.33))+0.05。     

江汉平原长湖浮游植物初级生产力的季节性变化及其驱动因子

为探究长江中下游富营养化浅水湖泊的浮游植物初级生产力季节性演替特征及其驱动因子,本研究于2020年4月(春)、8月(夏)、10月(秋)及2021年1月(冬)对湖北长湖浮游植物进行采样调查,同时运用黑白瓶测氧法及VGPM模型估算法分别估算了其浮游植物生产力水平,并探究驱动初级生产力季节性变化的主要环境因子。结果显示,4个季节共鉴定出浮游植物194种,其中绿藻门(95种,49%)和硅藻门(40种,21%)居绝对优势地位;黑白瓶法测得浮游植物水柱总生产力(P_t)季节变化为:夏季((1841.24±345.93) mg C/(m²·d))>秋季((1324.14±208.34) mg C/(m²·d))>春季((847.50±247.72) mg C/(m²·d))>冬季((711.43±133.52) mg C/(m²·d)),其中M2站位在夏季采样时(2424.66 mg C/(m²·d))水柱总生产力最高;在垂直空间上,浮游植物总生产力(G...     

四种浮游植物生物量计算方法的比较分析

浮游植物是水生生态系统中重要的初级生产者,其生物量是反映其现存量的关键指标.本文利用具有3个处理组的围隔实验中的浮游植物数据,对文献中常见的计算浮游植物种群生物量和群落生物量的4种方法:标准法、细分法、粗分法和资料法进行比较,并分析采用这4种不同方法得到的浮游植物生物量与叶绿素a浓度的相关性.结果表明:粗分法是计算浮游植物生物量的高效方法,能够保证准确度和节省时间;提高浮游植物生物量计算准确度不是影响浮游植物生物量与叶绿素a浓度相关性显著程度的关键.通过比较剔除稀有种(生物量不超过群落生物量5%的种类)前后浮游植物生物量的差异,发现忽略稀有种会导致种类均匀度较高的浮游植物群落生物量严重偏低,建议浮游植物生物量的计算不能一概忽略稀有种.     

叶绿素a浓度的动态峰反演方法

叶绿素a是影响内陆水体光学特性的主要水色要素之一.作为反映水体富营养化程度的重要参数指标,国内外学者发展了大量的算法和模型进行水体中叶绿素a浓度的遥感反演.这些算法均使用固定的波段位置.叶绿素a的特征谱段随着其浓度的变化存在一定的位移,尤其是701nm反射峰,其存在着明显的红移现象,因此使用固定波段势必带来一定的误差.通过对不同叶绿素a浓度水样的光谱曲线分析,提出动态峰反演叶绿素a浓度的方法.使用反射峰范围最大值和吸收谷范围最小值,而不是固定波长位置进行建模,以求获得更高的反演精度.     

珠江流域东江干流浮游植物叶绿素a时空分布及与环境因子的关系

为了解珠江流域东江干流水体叶绿素a的时空分布及与环境因子的关系,于2012年6月(丰水期)和12月(枯水期)对东江干流进行采样调查分析.结果表明,东江水体叶绿素a含量具有明显的时空分布特征,其全年变化范围为0.84~14.93μg/L,整体均值为3.60±2.45μg/L,丰水期叶绿素a含量显著高于枯水期;而丰、枯水期叶绿素a含量空间分布特征相似,上游河段显著低于下游河段.相关性与主成分分析结果显示,水体中总氮浓度、总磷浓度、有机物含量、水温和水流流速等都是影响东江浮游植物生长的重要因素,其中以总磷的影响最为显著,表明磷可能是东江浮游植物生长的限制因子.     

太湖叶绿素a同化系统敏感性分析

太湖叶绿素a同化系统对于不同参数的敏感性将直接影响到该系统能否精确的估算太湖叶绿素a的浓度分布.利用2009年4月21日环境一号卫星(HJ-1B CCD2)影像数据反演太湖叶绿素a浓度场信息.以此作为背景场信息,结合基于集合均方根滤波的太湖叶绿素a同化系统,分析和评价了样本数目、同化时长、背景场误差、观测误差和模型误差对于同化系统性能的影响.结果表明:从计算成本、系统运行时间和同化效果等方面分析,当集合样本数目达到30~40左右时同化系统取得了较好的结果;同化系统对于背景场误差的估计变化不是很敏感,即初始场的估计是否准确对于同化系统的性能影响不是很大;同化系统对于模型误差和观测误差的变化较为敏感,不同的测试点位由于水体动力学性质不一,其敏感性的表现形式有所差异;利用数据同化方法可以有效地估算太湖叶绿素a浓度.     

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.     

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。     

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     

MERIS影像水环境遥感大气校正算法评价——以鄱阳湖叶绿素a浓度反演为例

MERIS是2002年发射的在轨运行近10年的ENVISAT-1卫星上搭载的主要传感器之一,在波段设置和辐射灵敏度等方面有非常突出的优势,能够较好地运用于Ⅱ类水体叶绿素a浓度反演,但Ⅱ类水体的大气校正仍然是亟待解决的一个关键问题.以我国第一大淡水湖——鄱阳湖为研究区域,采用FLAASH、6S、BEAM和QUAC共4种大气校正算法对2005和2011年具有同步实测光谱数据的鄱阳湖ENVISAT-1卫星MERIS影像进行大气校正处理,并对12种叶绿素a浓度反演模型的波段组合因子进行大气校正效果的对比分析.结果表明:(1)4种大气校正中,大气校正结果精度由高到低表现为FLAASH6SBEAMQUAC,平均相对误差分别为31.13%、31.88%、69.48%和42.64%;决定系数(R2)分别为0.60、0.57、0.38和0.24;(2)在12种叶绿素a浓度反演模型的波段组合因子中,FLAASH得到的结果最优,其次是6S,BEAM和QUAC最差,在FLAASH算法中,由665、708和753 nm 3个波段遥感因子((Rrs(510)/[Rrs(443)/Rrs(560)])组成的模型精度最高,平均相对误差为25.12%,R2为0.74.建议采用FLAASH大气校正结果组成这个波段组合进行鄱阳湖叶绿素a浓度反演.     

基于光谱基线校正的季节性浑浊II类水体叶绿素a浓度遥感反演

水体Chl.a浓度是水质评价的一个重要指标,受悬浮物浓度季节性变化的影响,如何削弱悬浮物的光谱干扰,是实现内陆水体Chl.a浓度遥感高精度反演的难点之一.基于2011-2013年妫水河6次实测水体高光谱数据和水体Chl.a浓度数据,评价广泛应用的三波段模型和非线性拟合能力较好的支持向量机回归(SVR)模型的反演精度,使用基线校正和一阶微分方法来削弱实测高光谱中非Chl.a光谱信息.定义两种基线:750 nm的反射率值;500与750 nm的反射率值连线,基线校正为光谱反射率减去基线值.利用2013年7月的实测数据进行验证,结果表明,SVR模型比三波段模型更适合季节性浑浊水体的Chl.a浓度反演.通过基线校正筛选后的波段反射率组合作为输入变量能够提高SVR模型的反演精度,决定系数为0.68,均方根误差为3.38μg/L;线性基线校正提高三波段Chl.a估算模型的反演能力有限.     

基于DEMETER卫星原位等离子体参量的 震前异常提取方法研究及震例分析

基于法国DEMETER卫星等离子体分析仪和Langmuir探针观测到的原位等离子体参量, 研究了参量随纬度变化、 空间插值、 空间差值、 滑动中值、 相关性分析等5种异常提取方法, 并将这些方法应用于2006年1月—2010年4月期间国内6.0级以上、 国外部分7.0级以上29次地震的震例分析中. 由于等离子体参量具有一定的相关性, 因此对于震中附近的轨道数据大于等于2个参量出现异常时, 本研究才将其视为震前异常. 通过研究发现, 29次地震中有15次出现电离层原位等离子体参量的震前异常, 异常时间大约为1—7天, 震中东西两个方向均可能出现异常, 但异常区域多偏向磁赤道.     

A method for error analysis of sediment yields derived from estimates of lacustrine sediment accumulation

The logistical demands of coring lake sediments tend to preclude the replicate coring necessary to establish error estimates for measured sedimentary parameters. However, if such parameters are to be used to reconstruct sediment yield, and particularly to identify temporal variability of sediment yield, reasonable error estimates are required. In this paper data from a series of alpine lakes in British Columbia are applied to develop a new method for deriving such estimates. Regression surfaces fitted to point values of sediment mass are used to model the physically controlled spatial variability of sedimentation. Deviations from these surfaces are assumed to represent remaining unstructured variance, which constitutes a conservative error estimate. Application of the technique to the alpine lake dataset gives sediment yield estimates with error ranges of ±7–21 per cent. The potential error is minimized where the spatial variability of sedimentation is strongly predictable. The best fits were achieved for elongate lakes of simple basin morphology. The range of the error estimates is sufficiently low to allow detection of variability in Holocene sediment yield to one of the lakes. By using this technique, absolute sediment yields with associated error estimates may be derived. The associated gains in precision justify multicore approaches to lake sediment‐based reconstructions of sediment yield. Copyright © 2000 John Wiley & Sons, Ltd.