共查询到19条相似文献,搜索用时 171 毫秒
1.
鄱阳湖叶绿素a浓度遥感定量模型研究 总被引:1,自引:0,他引:1
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。 相似文献
2.
以武汉东湖为研究区域,利用MODIS数据和地面准同步叶绿素a浓度实测数据,建立适合东湖水体的叶绿素a浓度遥感定量估算模型,从而分析MODIS数据应用于内陆湖泊水体叶绿素a浓度反演的可行性。 相似文献
3.
应用MODIS数据反演河北省海域叶绿素a浓度 总被引:6,自引:0,他引:6
为了建立更加合理、准确的叶绿素a遥感反演模型,利用地物光谱仪测定了河北省海域水面的光谱反射率,分析了光谱反射率与实测叶绿素a浓度之间的关系.在此基础上,通过MODIS数据各波段及波段组合的反射率与实测叶绿素a浓度的相关分析,确定第1波段(B1)为最佳反演波段,建立了应用B1反演叶绿素a浓度的遥感模型,并对模型精度进行验证.结果表明:该模型相关系数为0.66,反演结果均方根误差为0.48 mg/m3,模型精度优于SeaDAS的OC3标准经验算法;该模型反演河北省海域表层水体的叶绿素a浓度有较好的效果. 相似文献
4.
在对太湖、巢湖等大型湖泊进行业务化蓝藻水华遥感监测工作中,常以250 m空间分辨率的MODIS数据为主,但其像元多为水体和水华的混合像元,若用常规方法进行水华面积提取,势必会严重影响水华监测的精度和实际应用效果。针对上述问题,基于混合像元分解原理,通过混合像元分解得到水华组分在混合像元中的丰度(百分比),实现亚像元级的水华面积提取。该方法可直接根据图像的DN值进行水华面积提取,无需对数据进行辐射校正和大气校正等预处理。与常规水华提取法相比,该方法的水华面积提取精度提高了近30%。 相似文献
5.
6.
7.
昆承湖水质状况遥感监测与空间特征分析 总被引:2,自引:0,他引:2
针对镇域水资源常规的监测方法不能满足对水质适时、大尺度的监测评价要求等问题,该文以江苏常熟辛庄镇昆承湖为例,分析叶绿素a(Chl-a)和悬浮物(SS)浓度值与水体归一化反射光谱、一阶微分反射光谱特征的关系,运用PEARSON法分析两者之间的相关性,确定Chl-a和SS的敏感波段,利用Chl-a和SS敏感波段归一化光谱反射值和实测浓度数据建立了水质参数反演模型。采用同时相ETM遥感数据对水质参数(叶绿素a和悬浮物)浓度进行遥感定量反演,并根据反演结果分析镇域水体污染空间分布特征。结果表明,对水质参数几个最大正(负)相关的光谱值进行波段组合处理可以提高反演精度,并且模型反演值和实测浓度值之间误差较低。通过对叶绿素、悬浮物等水质参数反演实现了对昆承湖水体污染状况的快速、准确和动态的信息获取和评价,有效地实时监测镇域水体在空间和时间上的变化状况和特性。 相似文献
8.
水体叶绿素a,即Chla (chlorophyll-a)浓度是表征水体富营养化程度的关键性指标,对于水环境评估和水质遥感监测具有重要意义。欧比特高光谱卫星是中国于2018年发射的新一代高光谱卫星,然而其在内陆水体水质遥感监测的适用性仍有待验证。本研究以高原富营养化湖泊滇池为研究区,以叶绿素a浓度为反演指标,利用滇池两次野外现场实测数据和欧比特高光谱OHS (Orbita Hyperspectral)影像,通过分析滇池水体的光学特性,构建了适用于欧比特高光谱影像的滇池水体叶绿素a浓度遥感反演模型,并通过星地同步数据验证了反演模型的有效性与可行性,获得了滇池叶绿素a浓度的空间格局。结果表明:(1)波段比值模型(B17/B9)适合于基于欧比特高光谱影像的滇池水体叶绿素a浓度的遥感反演,模型反演精度较高,决定系数(R2)为0.804,均方根误差(RMSE)和平均绝对误差百分比(MAPE)分别为6.99μg/L和6.32%;(2) 2019年4月2日滇池水体叶绿素a浓度呈现出由湖岸向湖泊中心逐渐降低的趋势,东北部与东南部呈幂函数型递减,西北部呈线性递减;(3)滇池欧比特高光谱影像的近岸4个水体像... 相似文献
9.
10.
目前, 针对太湖水体的叶绿素波段敏感性的分析, 大多集中在实测的高光谱反射率数据或者图像提取反射率与叶绿素浓度的统计分析结果上, 缺乏基于水体光学特性的研究, 并且两者之间的一致性也一直缺少论证。研究中采用2004 年4 月和2007 年8 月的两期数据, 首先从水质参数的生物光学特性入手, 基于生物光学模型, 利用叶绿素和其他水质参数的吸收和后向散射系数, 模拟计算其他水质参数不变, 叶绿素浓度处于不同水平时的水面反射率, 分析实测反射率对叶绿素浓度变化的响应; 利用MODIS 的波段响应函数把实测光谱模拟成宽波段的MODIS 反射率, 以此作为桥梁进而对实测的高光谱反射率和MODIS 图像提取反射率与叶绿素浓度的相关程度的一致性进行分析, 为利用MODIS 图像进行水质参数反演时的反演因子选择提供了依据。 相似文献
11.
一种基于地物波谱特征的最佳波段组合选取方法 总被引:2,自引:0,他引:2
对多光谱数据选取最佳的波段组合,是图像解译和专题信息提取的重要前提。文中提出一种基于地物波谱特征的最佳波段组合选取方法,即综合考虑方差、相关系数、OIF指数和地物间的可分离性4个因素,利用ERDAS和EXCEL等工具进行各指标的解算,并通过实验,选择红菱矿区1995年的TM多光谱影像为数据源,选取了基于水体波谱特征的最佳波段组合TM345。经定性分析和定量计算,验证了该方法的可行性。 相似文献
12.
洪涝灾害给社会、经济造成巨大损失,及时、快速监测洪涝范围在抗灾救灾中具有重要意义。合成孔径雷达(SAR)由于其主动式微波成像的机理,可为全天时、全天候、大范围洪涝灾害监测提供支持。本文首先以高分三号(GF-3)卫星影像为数据源,基于灰度共生矩阵(GLCM)、局部二值模式(LBP)等6种纹理描述方法提取138个SAR影像纹理特征;然后利用随机森林(RF)指标重要性评估功能,筛选出重要性得分较高的纹理特征进行水体信息提取;最后结合数学形态学对初始水体提取结果进行后处理,评估安徽巢湖附近区域洪涝灾害。试验表明,本文方法的水体提取精度优于传统阈值法(Otsu)及分类算法(KNN和SVM),可有效提取洪涝灾害的影响范围,为选取合适的SAR影像纹理特征进行洪涝范围快速监测提供参考。 相似文献
13.
利用夏季MODIS地表温度和土地覆盖产品,结合Landsat等辅助遥感数据,分别提取济南、武汉、重庆3个城市2003年、2008年、2013年的土地覆盖与地表温度信息,确定3个城市不同年份的热岛效应等级分布。在此基础上,对济南、武汉、重庆这3个城市的地表温度分布特征、热岛效应等级分布特征与土地覆盖类型各因子之间的关系展开分析。结果表明:城市用地是城市热岛的主要贡献因素,相关系数达到0.42;最能缓解城市热岛效应的是林地,平均相关系数为-0.41;3个城市中最能缓解城市热岛效应的土地覆盖类型并不完全相同:济南市为林地和耕地,武汉市为水体,重庆市为林地。 相似文献
14.
15.
针对MODIS近红外数据反演大气水汽含量研究 总被引:10,自引:0,他引:10
遥感反演大气水汽含量对进行天气预报、遥感大气校正、气候变化及水循环等研究具有重要意义。首先,通过对大气辐射传
输方程的推导,改进了三通道算法; 然后,模拟了在不同传感器视角条件下,大气水汽含量与MODIS 17、18、19通道大气透过率之
间的关系,解决了传感器视角问题,提出了针对MODIS数据的大气水汽含量计算方法; 最后,在IDL 6.0环境下,编程实现了该方法
,并对2003年6月14日的一景图像进行了反演,结果表明,本文提出的方法是可行的。 相似文献
16.
合成孔径雷达(SAR)因其对地观测全天候、全天时优势,成为多云多雨天气限制下洪水动态监测中不可或缺的数据来源之一。由于GEE(Google Earth Engine)云计算平台的兴起和短重访Sentinel-1数据的可获取性,洪水监测与灾害评估目前正面向动态化、广域化快速发展。顾及洪水淹没区土地覆盖变化的复杂性和发生时间的不确定性,基于时序Sentinel-1A卫星数据提出了针对大尺度范围、连续长期的汛情自动检测及动态监测方法。该方法首先,利用图像二值化分割时序SAR数据实现水体时空分布粗制图,逐像素计算时间序列中被识别为水体候选点的频率。然后,利用Sentinel-2光学影像对精度较粗的初期SAR水体提取结果进行校正,得到精细的水体分布图。最后,针对不同频率区间的淹没特点,采用差异化的时序异常检测策略识别淹没范围:对低频覆水区利用欧氏距离检测时序断点,以提取扰动强度大、淹没时间短的洪涝灾害区;对高频覆水区利用标准分数(Z-Score)检测时序断点,以提取季节性水体覆盖区。在GEE平台上利用该方法,实现了2020-05—10长江中下游地区全域洪水淹没范围时空信息的自动、快速、有效监测,揭示了不同区域汛情发展模式的差异性。本文提出的洪水快速监测方法对大尺度下的汛情动态监测、灾害定量评估和快速预警响应具有重要的现实意义。 相似文献
17.
面向对象方法的时间序列MODIS数据湿地信息提取——以洞庭湖流域为例 总被引:2,自引:0,他引:2
以洞庭湖流域为研究区,对大范围湿地信息遥感提取方法进行了研究。先基于时间序列MODIS EVI及物候特征参数,通过J-M(Jeffries-Matusita distance)距离分析,构建了MODIS(250 m)最佳时序组合分类数据;其次,通过Johnson指数确定了最佳分割尺度,采用面向对象的遥感分类方法(Random tree分类器)提取了洞庭湖流域的湿地信息,并验证该方法的适用性。研究结果表明,基于时序数据与面向对象的Random tree分类的总体精度和Kappa系数分别为78.84%和0.71,较之基于像元的相同算法的总体分类精度和Kappa系数分别提高了5.79%和0.04。同时,基于面向对象方法的湿地整体的用户精度与生产者精度较基于像元方法分别提高了4.56%和6.21%,可有效提高大区域湿地信息提取的精度。 相似文献
18.
K. Adem Ali Joseph Ortiz Nicholas Bonini Morgan Shuman Catherine Sydow 《地理信息系统科学与遥感》2016,53(4):483-505
There is considerable interest in accurately estimating water quality parameters in turbid (Case 2) and eutrophic waters such as the Western Basin of Lake Erie (WBLE). Lake Erie is a large, open freshwater body that supports diverse ecosystem, and over 12 million people in the mid-western part of the United States depend on it for drinking water, fisheries, navigational, and recreational purposes. The increasing utilization of the freshwater has deteriorated the water severely and currently the lake is experiencing recurring harmful algal blooms (HABs). Improving the water quality of Lake Erie requires the use of robust monitoring tools that help water quality managers understand sources and pathways of influxes that trigger HABs. Satellite-based remote sensing sensor such as the moderate resolution imaging spectroradiometer (MODIS) may provide frequent and synoptic view of the water quality indices. In this study, data set from field measurements was used to evaluate the performance of 14 existing ocean color algorithms. Results indicated that MODIS data consistently underestimated the chlorophyll a concentrations in the WBLE, with the largest source of errors from dissolved organic matter and xanthophyll accessory pigments in this data set. Most of the global algorithms, including OC4v4 and the Baltic model, generated near-identical statistical parameters with an average R2 of ~0.57 and RMSE ~2.9 μg/l. MODIS performed poorly (R2 ~0.18) when its NIR/red bands were used. A slightly improved model was developed using similar band ratio approach generating R2 of ~0.62 and RMSE ~1.8 μg/l. 相似文献