内陆湖泊颗粒有机碳反演及日变化初步研究

以太湖及洞庭湖为例,检验海洋一类水体颗粒有机碳(particulate organic carbon, POC)浓度遥感估算方法在内陆湖泊二类水体中的适用性,结果表明,一类水体POC反演模型并不适用于二类水体。针对二类水体建立了以近红外波段(834 nm)为因子的单波段POC反演模型以563及834 nm波段组合为因子的两种双波段反演模型,模型验证结果显示,单波段模型的均方根误差(RMSE)为1.12 mg/L,平均相对误差(MAPE)为35.8%,两个双波段反演模型的RMSE分别为1.09 mg/L及1.11 mg/L,MAPE分别为37.3%及37.8%,三种模型均可用于太湖及洞庭湖水体的POC浓度遥感估算。在此基础上,以太湖为例,建立了基于静止轨道卫星海洋水色(GOCI)卫星数据的太湖POC反演模型,反演模型的MAPE为35%。利用5月13日8景GOCI影像,研究了太湖POC浓度日变化,发现POC浓度日变化存在两个阶段:上午至中午的递减阶段和中午至傍晚的递增阶段。     

基于季节分异的太湖叶绿素浓度反演模型研究

叶绿素浓度反演算法主要有经验方法、半经验/分析方法和分析方法,其中半经验/分析方法应用最为广泛。但是反演的模型以及模型中的参数和反演精度都随着水体中叶绿素浓度的变化而改变。不同的季节水体中叶绿素浓度不同,水体反射光谱曲线特征和与叶绿素浓度相关性较高的敏感波段也不一致,使得各季节选用的反演模型和模型中的参数也存在一定的差异。本文在对2005年1—10月份叶绿素a（Chla）浓度季节差异进行分析的基础上,对4—10月份同步测量的水体光谱数据分春、夏、秋三个季节进行分析,分季节建立叶绿素浓度反演模型,并对它们进行比较,旨在为各季节选择最佳的反演模型。研究结果表明：春季和秋季选用波段比值算法反演精度较高,其中对数模型,线性模型和一元二次模型都有较高的相关性;夏季选用微分算法较好,该算法所建立的三种模型均具有较高的相关性。