基于OLCI数据的洱海叶绿素a浓度估算

海陆颜色仪(OLCI)是搭载在Sentinel-3上的新型水色遥感传感器,其对于内陆清洁水体水质遥感监测的适用性有待验证.本研究以评价水体富营养化程度的重要参数叶绿素a(Chl.a)浓度为指标,以高原湖泊洱海为研究区,基于2017年4月19日共20个星地同步实验数据,建立了3种可应用于OLCI数据的Chl.a浓度遥感估算模型(波段比值模型、三波段模型以及FLH模型),并估算了当日洱海Chl.a浓度的空间分布.结果表明:(1)选用波段Oa8(665 nm)、Oa11(708.75 nm)和Oa12(753.75 nm)构建的三波段模型最适用于洱海水域的Chl.a浓度估算,其平均绝对误差百分比为12.37%,低于波段比值模型的16.04%和FLH模型的13.50%;(2)对OLCI使用的大气校正方法中,基于去瑞利散射的暗像元法对估算模型的适用性要优于6S、FLAASH以及QUAC方法;(3)洱海OLCI影像中近岸水体受邻近效应影响严重,近红外波段Oa12(753.75 nm)受陆地邻近效应影响的距离为1~2个像元,而Oa8(665 nm)、Oa10(681.25 nm)和Oa11(708.75 nm)波段为1个像元;(4)2017年4月19日全湖Chl.a浓度均值为12.15±5.72μg/L,洱海中部水域Chl.a浓度最低(9.00~12.00μg/L),北部水域浓度最高(12.00~22.76μg/L),南部水域浓度稍高(12.00~14.00μg/L),阳南溪与波罗江入湖口受降雨径流的影响出现"羽流现象",导致Chl.a浓度偏低,约为8.33μg/L.     

HJ-1B/IRS热红外数据反演太湖水温的方法比较

太湖是我国典型的富营养化湖泊,水温是影响太湖藻类生长的重要环境因子之一,我国环境减灾卫星HJ-1B搭载的红外多光谱相机IRS对太湖水温动态遥感监测具有较大的性能优势.利用6景过境太湖的IRS热红外遥感影像,分别采用单通道普适性算法、辐射传输模型法和单窗算法反演太湖水温,并与实测水温和同期的TERRA/MODIS温度产品进行对比.结果表明,普适性单通道算法反演水温偏高,而辐射传输模型法和单窗算法则偏低;3种算法反演水温的均方根误差在1.001 K以内,单窗算法反演精度最高,其次是辐射传输模型法,再次为普适性单通道算法,而同期MODIS温度产品的均方根误差为1.507 K.3种算法从IRS热红外数据反演的水温直方图均呈正峰态、尖峰状态分布,反演结果能真实地反映太湖水温的空间分布特征.本研究对只有单个热红外通道的卫星传感器开展内陆水体水温遥感监测具有一定的参考意义.     

秋季太湖水下光场结构及其对水生态系统的影响

水生态系统中光能的分配很大程度上决定了水生态系统的结构和功能,利用2007年11-12月太湖水体光学特性和组分浓度数据,对秋季太湖水下光场结构特征和水体组分光竞争能力的表征光学量(漫衰减系数、平均余弦)和影响因素(吸收系数比重)进行了分析研究.结果表明,秋季太湖水下辐照度呈现单峰分布,最高值为583nm左右:根据Kd可将黄质和非色素物质主导程度的强弱分为弱、较强、强三个等级;Kd(PAR)平均值为4.61±1.54m-1,水体真光层厚度平均值为1.11±0.35m;太湖水下光场的光能主要分布在青光和黄绿光波长范围内,约占总能量的60%,蓝光和红光波长范围内的能量约占30%,这样的光谱结构有利于铜绿微囊藻和斜生栅藻的生长.     

不同浓度悬浮泥沙水体的光谱吸收特性模拟

悬浮泥沙的光学特性是影响内陆湖泊水色遥感的重要因素。利用光谱吸收衰减仪(AC-S)测得水池中悬浮泥沙浓度为2.13~1 442.40 mg/L的水体光谱吸收。在蓝、绿和红光波段,悬浮泥沙水体的平均比吸收系数分别为0.0161±0.0039 m2.g-1、0.0071±0.0020 m2.g-1和0.0025±0.0007 m2.g-1;指数拟合获得的Sm*值为0.0098±0.0011 nm-1,利用其模拟的比吸收光谱与实测光谱吻合效果较好,说明该Sm*取值对悬浮泥沙水体比吸收光谱的曲线斜率变化具有一定的参考价值。此外,建立了悬浮泥沙水体吸收系数a(440)m与其浓度的关系模型,R2达0.947,拟合精度较高;然而比吸收系数a*(440)m与泥沙浓度几乎无相关性。研究结果可为内陆水色遥感分析模型的建立提供重要的参数保障。     

混合光谱分解算法的太湖水体组分浓度反演分析

二类水体组份的遥感定量反演一直是水色遥感的难点和热点问题,原因在于其水体组分(纯水、叶绿素、悬浮物及CDOM)之间复杂的相互作用.本文引入光谱分解算法,通过Hydrolight软件模拟叶绿素、悬浮物和CDOM的标准反射率光谱,解决光谱分解算法中“纯端元”难以获取的问题.在此基础上建立了二类水体组分光谱分解反演模型.模型...     

芦苇地叶面积指数的遥感反演

 叶面积指数（LAI）是植被冠层结构的一个重要参数，它的改变标志着植被发生了生物物理变化。本文提出了一种利用混和模型 从TM图像上获取叶面积指数的方法。首先，利用冠层反射率（FCR）模型计算并得到查找表； 然后，利用从查找表得到的统计关系进行 LAI制图。试验表明，该方法简单易行，并可较精确地用来反演芦苇地的叶面积指数。     

用LAI监测植被信息分析飞蝗生境

东亚飞蝗自20世纪80年代以来在我国再度猖獗危害。本文选择国家一类蝗区河北省黄骅市为实验区,用植被冠层孔隙度反演了该地区不同植被的LAI。从光学模型建立机理及数量分析的角度,分析和对比了四种由植被冠层孔隙度反演LAI的算法。结果表明,在四种估算方法中LAI-2000算法最适用于研究区植被LAI的估算。为了验证分析结果,用实测的植被盖度与四种算法反演的LAI进行了拟合。发现LAI与植被盖度之间呈明显的正相关关系,且LAI-2000算法最能反映研究区的植被特征。在此基础上,建立了LAI与飞蝗发生面积的关系模型,发现两者之间呈负线性相关,即随着LAI的减小,飞蝗的发生面积呈线性增大。研究结果为实时、快速、大面积监测蝗虫种群动态奠定了基础,并为合理、经济地防治蝗灾提供了科学依据。     

基于三维荧光和平行因子分析法的太湖水体CDOM组分光学特征

基于2008年11月份太湖全湖69个样点的CDOM三维荧光光谱数据,将平行因子分析法与现有荧光基团相结合,确定CDOM的组成成分及其荧光光谱特征,进一步分析其动力学机制.太湖CDOM荧光基团主要是类腐殖质,其类蛋白质组分可能主要来源于太湖水体生物残骸;同时,类腐殖质荧光发射波长随着荧光强度的增加向长波方向移动,存在"红移"效应.利用平行因子分析法可以将三维荧光矩阵分解为6个主成分,这6种成分可以解释92.48%的变量,平均贡献率分别是PCI占19.709%,PC2占18.685%,PC3占16.914%、PC4占16.62%、PC5占15.514%、PC6占12.558%.275nm处的吸收系数肩值除去受陆源类腐殖质影响外,影响其大小的主要是峰N,其次是峰M;而影响该肩值形状的主要是峰A和N,其次是峰T和M.根据荧光基团的类别,太湖CDOM源类型可以分为四类:①陆源主导类型;②偏陆源主导类型;③偏海源主导类型;④海源主导类型.     

因子分析法在水质参数反演中的应用

2008年11月、2009年4月,分别对太湖水体以及2009年6月对巢湖水体进行野外实验.对太湖水体遥感反射率进行因子分析,并利用遥感反射率的不同因子,对叶绿素和总悬浮物浓度进行反演,并对反演因子的普适性进行验证.利用第一因子反演太湖春季叶绿素浓度,平均相对误差为22.1%,均方根误差为3.48g/L,利用该方法反演巢湖、太湖秋季水体的叶绿素浓度没有取得较好的效果;利用第二因子反演太湖春季总悬浮物浓度,平均相对误差为13.9%,均方根误差为11.33mg/L,利用该因子反演巢湖、太湖秋季水体的总悬浮物浓度同样取得较好效果.结果表明:利用遥感反射率的第一因子对叶绿素浓度进行反演,该方法不具有普适性;利用遥感反射率的第二因子对总悬浮物浓度进行反演能取得较好的结果,此方法具有一定的普适性.     

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.