共查询到20条相似文献，搜索用时 31 毫秒
1.
浮游藻类的后向散射是水体光谱构成的重要组成部分,作为水体辐射传输模型中的重要参数,高精度的藻类后向散射系数对水体叶绿素a浓度的遥感反演精度至关重要。本文以简化的辐射传输模型-生物光学模型为基础,尝试性分离了太湖浮游藻类的后向散射系数。通过藻类后向散射规律分析,建立了浮游藻类吸收、后向散射特征的叶绿素a反演模型,改善了叶绿素a浓度的遥感反演精度。分析表明：藻类颗粒物的后向散射系数与吸收系数之间存在反比关系,且在560 nm、700 nm附近存在明显的散射峰,与叶绿素a浓度之间相关性显著;低密度藻类水体总悬浮颗粒的后向散射以非色素颗粒为主导,适合采用经典的指数模型模拟后向散射系数,而藻类密度较高的富营养化水体,水体总悬浮颗粒的后向散射以藻类颗粒为主导,传统的指数模型已不适用;采用分离藻类后向散射系数的方法,使得叶绿素a浓度的反演值与真实值相关系数从0.66提高到0.98,相对误差从55%降低到38%,均方根误差(RMSE)也由60.95 μg/L降低至13.98 μg/L。其真实性检验表明,与经典指数模型方法相比,利用藻类颗粒后向散射分离方法反演叶绿素a浓度,能够显著改善反演精度。 相似文献
2.
叶绿素a作为一项重要的水质安全评价指标,其浓度的准确监测对水产行业发展、水生态系统平衡和人类饮水安全等有着重要意义。随着对地观测卫星传感器空间和光谱分辨率的提高,遥感技术在河流水质时空变化监测中发挥着越来越重要的作用。本文以新疆巴音布鲁克湿地河流水体为研究对象,同步采集了水体反射光谱和水样,并在实验室对叶绿素a、浊度等水质参数进行测定。首先,基于光谱波段对叶绿素a浓度的敏感性分析,构建了多种光谱指数模型;然后,提出以4.50 mg/m3作为水体叶绿素a浓度分级阈值,利用三波段半分析模型因子D3B与叶绿素a的线性关系建立水体叶绿素a浓度分级标准,进而对比评估了11种经验、半分析模型分别在全部样本数据集和两级叶绿素a浓度数据集中的精度表现;其次,根据各模型精度结果选用三波段半分析模型D3B和蓝绿波段比模型OC2V4,组成叶绿素a分级反演算法OC2-D3B,其精度（R2=0.96,RMSE=0.32 mg/m3,MAE=0.24 mg/m3,MRE=5.71%）相比以上2种单一算法提高了50%以上;最后,本文利用Sentinel-2影像,对湿地河流水体叶绿素a浓度的空间分布特征和季节时序模式进行了分析,得到该水域夏季叶绿素a含量最高,春秋季次之,冬季最低的结论。此外,本研究还发现气温相比其他环境因子对水体Chl-a浓度的控制作用更加明显。 相似文献
3.
太湖水质参数MODIS的遥感定量提取方法 总被引：1，自引：0，他引：1
本文利用MODIS数据的可见光、近红外波段和准实时的地面采样数据,分别利用线性回归模型和神经网络模型反演了太湖的叶绿素a和悬浮物浓度.结果表明,利用MODIS数据的波段组合(M2/M8)和(M2/M9)可估算太湖的叶绿素a浓度;而MODIS数据的波段组合(M12/M17)、(M13/M17)及MODIS(M4)波段能定量估算太湖的悬浮物浓度,但估算精度仍不能满足实际需要.因此,构建了一个以MODIS可见光及近红外波段为输入,以太湖水质参数为输出的2层BP神经网络模型反演太湖的水质参数,大大提高了反演精度. 相似文献
4.
基于反射峰面积的水体叶绿素遥感反演模拟研究 总被引：1，自引：0，他引：1
叶绿素浓度是水体富营养化状态的重要指标,也是水色遥感反演的水质参数之一。水体中叶绿素浓度的遥感反演主要是建立实测光谱和实测水质参数二者之间的关系模型,利用遥感影像进行叶绿素浓度的信息提取。传统的叶绿素浓度遥感反演受区域性和季节性的影响,反演精度不高,而且反演模型不具普适性,需对叶绿素光谱特征进行分析,建立高精度的反演模型。本文采用Hydrolight数据模拟了不同叶绿素浓度(1~200 µg·L-1)的水体在可见光近红外的反射波谱曲线,通过分析叶绿素的光谱特征选取了特征波段或波段组合,并建立了叶绿素浓度反演模型。研究表明,除反射峰波长模型外,反射峰面积模型、三波段模型、红光线高度模型等均能较好地反演叶绿素浓度。在不同叶绿素反演模型中,除红光线模型外,最优的是反射峰面积模型,其决定系数为0.9689,反演误差为25.25 µg·L-1;其次是三波段模型,其决定系数为0.9637,反演误差为10.66 µg·L-1。究其原因,三波段模型考虑了水体中非色素悬浮物、黄色物质及水体后向散射对叶绿素浓度反演造成的影响;反射峰面积模型除此之外还综合考虑了叶绿素散射效率的影响。 相似文献
5.
基于HJ-1A CCD1环境卫星数据,以福建沿海地区普遍分布的台湾相思树为研究对象,利用回归分析法(NDVI、OSAVI、EVI、HJVI)和PROSAIL辐射传输模型,构建台湾相思树LAI反演模型。同时,利用同步野外地面实测数据,将模型估算LAI值与实测LAI值进行对比。结果表明：(1)相比归一化植被指数NDVI、优化土壤调节指数OSAVI和增强型植被指数EVI 3种常用植被指数,引入修正大气、土壤背景影响的蓝、绿波段的环境植被指数HJVI来反演相思树LAI具有更高的精度(R2=0.7344,RMSE=0.1421);(2)本研究所选4种植被指数构建的最优反演模型均为非线性模型,其中,环境植被指数HJVI反演LAI最优模型为幂函数模型,表明相思树LAI与植被指数之间呈非线性变化;(3)PROSAIL辐射传输模型法比回归分析法反演相思树LAI的精度有较大提高(R2=0.7903,RMSE=0.1303),可见PROSAIL模型法构建反演模型能更好地反演相思树LAI。 相似文献
6.
富营养化的太湖水体叶绿素a浓度模型反演 总被引：8，自引：0，他引：8
半经验模型反演叶绿素a浓度是目前遥感反演水体叶绿素a浓度的主要方法。但是,大量研究结果表明,太湖水体浑浊,富营养化严重,各种半经验模型的反演精度和模型适用性有较大差异。因此,研究一种既满足一定精度要求,又具有时间普适性的叶绿素a浓度反演算法,对提高模型适用性,促进遥感的反演应用具有重要意义。本研究通过2005年6-10月地面实测数据,建立太湖叶绿素a浓度一阶微分反演模型、波段比值反演模型和三波段反演模型,对比各模型反演效果,认为波段比值模型与三波段模型具有较好的反演效果。运用2006年11月和2007年11月实测数据对这三种模型加以检验,结果表明,三波段模型反演高富营养化的太湖水体,不仅精度高,平均误差仅为实测浓度差的8.3%,而且适用性较强,不同年份数据的检验结果证明平均误差均低于实测浓度差的20%。因此,三波段模型是这三种反演模型中效果最好的一类模型。 相似文献
7.
基于随机森林算法的近地表气温遥感反演研究 总被引：1，自引：0，他引：1
近地表气温是城市热环境的重要表征,是改变和影响城区气候的重要因素。为获得空间上连续的近地表气温,本文以北京市为研究区,利用Landsat5/TM数据计算分别得到地表温度、归一化植被指数、改进的归一化差异水体指数、地表反照率、不透水面盖度,并结合气象站点气温和高程作为输入参数建立随机森林模型反演近地表气温。结果表明,随机森林反演的近地表气温平均绝对误差（MAE）为0.80 ℃,均方根误差（RMSE）为1.06 ℃,与传统多元线性气温回归方法相比,平均绝对误差（MAE）和均方根误差（RMSE）分别提高0.06 ℃和0.09 ℃。研究表明,利用随机森林模型反演近地表气温是可行的,并且具有一定的优越性。此外,对随机森林模型的输入参数进行重要性分析,地表温度对气温反演模型的影响最大,其次为高程。 相似文献
8.
4种微量金属元素对绿色巴夫藻生长、叶绿素a及大小的影响 总被引：5，自引：1，他引：4
把4种微量金属离子以不同的浓度添加到绿色巴夫藻的培养液中，结果表明：Hg^2 和Pb^2 浓度分别在5μg/L和200μg/L时，对绿色巴夫藻的生长有较好的促进作用，同时也使叶绿素a的含量提高；Hg^2≥20μg/L时，绿色巴夫藻的生长受到抑制，叶绿素a的含量降低。Pb^2 所有的试验浓度都使绿色巴夫藻生长加快，叶绿素a的含量提高；C0^2 在1μg/L时对绿色巴夫藻的生长有最好的促进效果，但当C0^2 ≥5μg/L时，开始对生长出现抑制作用，而C0^2 所有的试验浓度都使叶绿素a的含量降低；Mn^2 浓度在100μg/L时，对促进绿色巴夫藻生长的效果最佳，400μg/L的浓度开始对生长出现抑制作用，但所有Mn^2 的试验浓度对叶绿素a含量的变化影响不显著。4种微量金属元素都使绿色巴夫藻略微变小。 相似文献
9.
通过分析广西4个探空站资料，结合GGOS Atmosphere格网Tm数据，建立随高程增大的温度递减率模型。根据温度递减率模型分别采用反距离加权法、双线性插值法、新反距离加权法和新双线性插值法计算探空站Tm，通过分析插值误差建立广西非气象参数Tm模型，并与Bevis模型、中国东部模型、广西模型进行比较。结果表明，温度递减率模型的Tm插值精度相对其他3种模型有比较明显的提升，4种方法的平均绝对误差（MAE）和均方根误差（RMSE）在1~2 K之间；广西非气象参数Tm模型的插值精度得到进一步提高，百色站的MAE约为2 K，其余站点的MAE和RMSE均在1 K左右，能满足可降水量反演的精度要求。 相似文献
10.
把 4种微量金属离子以不同的浓度添加到绿色巴夫藻的培养液中 ,结果表明 :Hg2 +和Pb2 +浓度分别在 5μg/L和 2 0 0 μg/L时 ,对绿色巴夫藻的生长有较好的促进作用 ,同时也使叶绿素a的含量提高 ;Hg2 +≥ 2 0 μg/L时 ,绿色巴夫藻的生长受到抑制 ,叶绿素a的含量降低。Pb2 +所有的试验浓度都使绿色巴夫藻生长加快 ,叶绿素a的含量提高 ;Co2 +在 1μg/L时对绿色巴夫藻的生长有最好的促进效果 ,但当Co2 +≥ 5μg/L时 ,开始对生长出现抑制作用 ,而Co2 +所有的试验浓度都使叶绿素a的含量降低 ;Mn2 +浓度在 10 0 μg/L时 ,对促进绿色巴夫藻生长的效果最佳 ,4 0 0 μg/L的浓度开始对生长出现抑制作用 ,但所有Mn2 +的试验浓度对叶绿素a含量的变化影响不显著。 4种微量金属元素都使绿色巴夫藻略微变小。 相似文献
11.
GF-6 WFV影像具有宽覆盖、高时空分辨率、高光谱分辨率等特点,目前在农业和林业遥感领域都有一定应用,但是在水质遥感中的应用潜力还缺乏系统的评估。本文以潘家口和大黑汀水库为研究区,采用2019年9月24—25日获取的潘家口和大黑汀水库叶绿素a浓度、实测遥感反射率和准同步GF-6 WFV影像,构建了潘家口和大黑汀水库叶绿素a浓度经验反演模型,探索GF-6 WFV在内陆水体叶绿素a浓度遥感监测中的应用潜力。研究结果表明,基于GF-6 WFV模拟光谱构建的潘家口和大黑汀水库叶绿素a浓度经验模型决定系数均在0.90以上,GF-6 WFV影像在水体叶绿素a遥感监测中具有应用潜力,尤其是新增的黄波段和红边波段1,有助于提高GF-6 WFV影像叶绿素a浓度遥感监测能力;GF-6 WFV影像大气校正误差降低了叶绿素a浓度遥感监测精度,GF-6 WFV影像水体大气校正精度有待改进,以提升GF-6 WFV影像水质遥感监测能力。 相似文献
12.
石一凡刘立龙兰胜伟张清岚李浩杰 《大地测量与地球动力学》2023,(12):1300-1306
结合粒子群优化算法和BP神经网络,利用中国区域88个探空站2015-2017年的数据,以地表温度、地表水汽压、纬度、高程、年积日作为模型输入因子,以积分法获得的Tm值为学习目标,建立适用于中国区域的Tm模型PSOTM。以2018年探空数据为参考值评定PSOTM模型精度,并与Bevis、GPT3、传统BP神经网络(BPTM)、GRNN神经网络(GRNNTM)模型的计算结果进行对比。结果表明,PSOTM模型年均RMSE为3.08 K,相对于Bevis、GPT3、BPTM和GRNNTM模型分别降低26.84%、35.97%、15.38%和4.94%;PSOTM模型年均bias为0.32 K,相对于Bevis、GPT3和BPTM模型分别降低68.93%、82.42%和72.41%,较GRNNTM模型升高37.50%。PSOTM模型在中国区域不同纬度和高程的精度与稳定性优于Bevis、GPT3和BPTM模型,具有良好的适用性。 相似文献
13.
芒萁是南方红壤侵蚀区生态恢复重要的地带性草本植物,对生态系统修复具有重要作用,监测其叶绿素含量能有效诊断生长健康状况。本文以福建省长汀县朱溪流域6个不同生态恢复年限下的芒萁叶片高光谱反射数据以及实测叶绿素含量为数据源,借助高光谱遥感技术分析不同恢复年限芒萁叶片原始光谱特征,筛选出光谱敏感波段并构建光谱指数,基于相关性分析,建立芒萁叶绿素单变量以及多元逐步回归模型,并确定最佳估算模型。结果表明：高光谱指数建立的单变量估算模型中,改进红边归一化植被指数（mNDVI705）、叶面叶绿素指数（LCI）、红边指数（Vog）、比值光谱指数（RVI603/407）、NDVI[603,407]高光谱指数建立的二次模型精度高,建模决定系数R2均超过了0.8,其中以高光谱指数为自变量建立的多元回归模型拟合R2值（0.886）最高。综合建模精度和模型验证精度,LCI指数构建的单变量模型以及基于高光谱指数的多元回归模型是估算芒萁叶片叶绿素含量最佳模型。本研究建立的叶绿素高光谱估算模型对快速、无损地监测水保植物芒萁生长具有重要意义。 相似文献
14.
通用劈窗算法的NOAA-18(N)AVHRR/3数据地表温度遥感反演与验证 总被引：1，自引：0，他引：1
本文以NOAA-18(N)AVHRR/3数据,运用通用劈窗技术获得地表温度。首先,利用MODTRAN 4模拟不同地表和大气状况下热红外通道(Ch4,10.3~11.3μm和Ch5,11.5~12.5μm)的星上亮温,并建立模拟数据库。其次,按照地表温度、大气可降水汽含量、地表比辐射率和观测天顶角,对模拟数据库分组,确定出各分组的通用劈窗算法系数。然后,将构建的地表温度反演模型应用到NOAA-18(N)AVHRR/3数据,模型所需的地表比辐射率由NDVI阈值法确定,大气可降水汽含量是利用Li等(2003)提出的一种劈窗的协方差与方差比的方法来估算。反演结果表明:在观测天顶角小于30°或者大气可降水汽含量小于3.5 g/cm2时,地表温度反演的均方根误差小于1.0K;在观测天顶角小于45°并且大气可降水汽含量小于5.5g/cm2情况下,均方根误差小于1.5K。最后,利用美国通量站的实测数据对地表温度反演结果进行了验证,结果表明均方根误差小于1.8K。 相似文献
15.
为研究不同波段宽度遥感数据对监测水体叶绿素a含量的影响,以太湖水体实测高光谱遥感反射率数据为基础,分析计算不同波段宽度下遥感反射率的归一化值与叶绿素a浓度之间的相关系数。随着波段宽度在75.93nm范围内不断递增,最大相关系数逐渐减小,最大正相关波段向长波方向移动,最大负相关波段向短波方向移动。而波段宽度在31.6nm范围内变化时,最大正相关波段和最大负相关波段都会保持相对稳定。通过对不同波段处相关系数平均值和标准差的对比分析认为,718.77~34.58nm为叶绿素a遥感监测的最佳波段范围。这将对遥感传感器的波段设置,以及实际水体叶绿素a遥感监测时的波段选择,具有重要的参考价值。 相似文献
16.
【目的】分析珠江磨刀门河口浮游植物叶绿素a及其驱动因子的潮周期变化,并揭示叶绿素a的环境影响机制。【方法】基于珠江磨刀门河口2017年枯季(1月13-20日)水文水质多要素同步观测数据,采用主成分分析(PCA)和结构方程模型(SEM)确定浮游植物叶绿素a与多个环境因子的关系并量化各因子的驱动作用。【结果】磨刀门水道浮游植物叶绿素a浓度变化范围为0.77～10.92μg/L,口门处变化为0.70～9.01μg/L,磨刀门河口动力驱动下浮游植物叶绿素a的潮周期差异显著。盐度、含沙量和氮磷营养盐亦随潮汐涨落差异显著,而水温无明显潮周期变化。【结论】外海水团对氮营养盐的稀释混合作用强于磷营养盐,而悬浮泥沙对磷营养盐的吸附作用强于氮营养盐。与氮营养盐相比,溶解态磷相对不足,限制磨刀门河口浮游植物的生长。径流(营养盐、悬沙等为代表)、潮流(盐度为代表)对河口浮游植物的影响机制不同,其中氮磷营养盐和水温起着直接作用,而悬沙和盐度间接影响浮游植物叶绿素a的变化。 相似文献
17.
探讨采用不同激励函数的BP和RBF神经网络方法填补GRACE与GRACE-FO卫星空缺数据的精度及可行性,并基于最优方案对缺失数据进行填充;利用ITSG-Grace2018和ITSG-Grace_operational时变重力场模型反演2002～2020年长江流域陆地水储量变化,并结合GLDAS模型、降水、气温及长江流域水资源公报等数据对该区域的陆地水储量变化进行综合分析。结果表明：1）隐含层激励函数为线性整流函数（ReLU）的BP神经网络算法具有较好的拟合效果,可用于填充GRACE与GRACE-FO卫星任务间的数据空缺;2）长江流域的陆地水储量变化具有一定的区域差异性,主要表现为上游东部与中游大部分地区陆地水储量以5 mm/a左右的速率上升,上游中西部区域下降,下游基本保持不变;长时间序列的GRACE/GRACE-FO时变模型能够反映长江流域2019年的干旱与2017年、2019年的洪涝等灾害。 相似文献
18.
基于频度统计和神经网络的北太平洋柔鱼渔场预报模型比较 总被引：1，自引：0，他引：1
利用2004~2010年北太平洋鱿钓船队生产数据和海洋环境数据,以海表温度(SST)1℃、海面高度(SSH)为1 cm、叶绿素a浓度(CHL-a)为0.1 mg/m3的间距,分析作业产量、CPUE与SST、SSH、CHL-a的关系,得到柔鱼渔场适宜环境因子范围,并将生产数据和环境数据匹配组成样本集,建立北太平洋柔鱼空间分布BP神经网络模型;利用2011年环境数据预报柔鱼渔场,并与2011年实际生产数据进行对比。结果表明,6~10月各月实际作业位置落入基于频度统计方法预报渔场的概率达90%以上;而BP模型预报的平均精度为79.2%,最低精度为52.5%。基于多环境因子的频度统计柔鱼渔场预报模型优于神经网络模型。 相似文献
19.
针对传统对流层延迟模型精度较低的缺点，基于神经网络模型误差补偿技术，在Hopfield模型基础上建立一个适用于北半球的高精度融合模型。以Wyoming大学提供的2010年全球120多个观测台站的气象探空数据精密解算的天顶对流层延迟(ZTD)作为近似“真值”，分析比较Hopfield模型、传统BP模型和融合模型的计算精度。结果表明，Hopfield模型的均方根误差（RMSE）为35.31 mm，传统BP模型为30.34 mm，融合模型为23.31 mm。 相似文献
20.
定量的估算非光合植被覆盖度（Fractional Cover of Non-photosynthetic Vegetation, fNPV）对草原生态系统碳储存、植被生产力、土壤侵蚀和火灾监测均具有重要的意义。本文以锡林郭勒草原实测高光谱和样方盖度为数据源,利用NPV（Non-Photosynthetic Vegetation）、PV（Photosynthetic Vegetation）、BS（Bare Soil）的平均光谱通过线性光谱混合模型模拟得到混合场景光谱,寻找区分NPV/PV/BS的敏感性波段,然后分别评价不同多光谱指数与fNPV的相关性。最后利用野外混合场景实验验证光谱指数估算fNPV的有效性。在此基础上,探讨基于OLI数据的NDVI（Normalized Difference Vegetation Index）-DFI（Dead Fuel Index）特征空间是否满足三元线性混合模型的基本假设。结果表明：短波红外（SWIR）波段是区分NPV/PV/BS的敏感性波段,以此为基础构建的OLI-DFI指数具备有效区分NPV/PV/BS的潜力。在模拟混合场景条件下,OLI-DFI和MODIS-DFI指数均与fNPV呈显著相关,决定性系数R2分别为0.84和0.94,均方根误差RMSE分别为0.09和0.05,而NDI和NDSVI指数与fNPV相关性很低。与模拟混合场景相比,在野外混合场景下OLI-DFI和MODIS-DFI指数估算fNPV的有效性均有一定程度的降低,R2分别为0.65和0.75,RMSE分别为0.14和0.12。基于OLI数据构建的NDVI-DFI特征空间满足三元线性混合模型的基本假设,可有效的估算fNPV。 相似文献