共查询到18条相似文献，搜索用时 125 毫秒
1.
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 总被引：5，自引：0，他引：5
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. 相似文献
2.
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. 相似文献
3.
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. 相似文献
4.
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 总被引：5，自引：0，他引：5
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. 相似文献
5.
6.
应用实测光谱估算千岛湖夏季叶绿素a浓度 总被引：4，自引：2，他引：2
依据2010年8月的实测数据构建了千岛湖水体夏季叶绿素a浓度的实测光谱数据估算模型,并进行了验证.利用ASD FieldSpec3野外光谱仪获取高光谱数据,计算水体离水辐亮度和遥感反射率.通过寻找反演水体叶绿素a浓度的高光谱敏感波段,采用单波段相关分析、波段比值、微分光谱、三波段模型、BP人工神经网络等多种算法进行比较分析,结果表明:叶绿素a浓度与单波段光谱反射率的相关性不大;596 nm和489 nm波长处反射率比值、545 nm处光谱一阶微分与叶绿素a浓度均呈较显著相关,估测模型决定系数R2分别为0.782、0.590,RMSE分别为0.89、1.98μg/L;三波段模型的反演结果优于传统的波段比值和一阶微分法,R2为0.838,RMSE为0.71μg/L;神经网络模型大大提高了叶绿素a浓度的反演精度,R2高达0.942,RMSE为0.63μg/L.本研究为今后在千岛湖水域的夏季相邻月份进行叶绿素a浓度大范围遥感反演研究奠定了基础. 相似文献
7.
叶绿素a浓度的动态峰反演方法 总被引：5，自引：1，他引：4
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. 相似文献
8.
叶绿素a含量能够在一定程度上反映水质状况,高光谱遥感可有效反演叶绿素a含量.该研究通过分析水体叶绿素a浓度与其高光谱反射特征之间的相关关系,采用单波段相关分析、波段比值、微分光谱和神经网络模型等多种算法建立了叶绿素a高光谱定量模型.结果表明:叶绿素a与单波段光谱在蓝、绿波段相关系数较低,而在红光与近红外波段有明显提高,微分光谱也表现出同样的趋势;反射率比值算法模拟效果好于线性回归法;神经元网络模型可以大大提高实测光谱数据的反演能力,确定性系数高达0.95.这为今后利用星载高光谱传感器在查干湖进行叶绿素a浓度大面积遥感反演提供了研究基础. 相似文献
9.
NDCI法Ⅱ类水体叶绿素a浓度高光谱遥感数据估算 总被引：1，自引：0，他引：1
以太湖、巢湖为研究区,以Hyperion和HJ-1A卫星HSI高光谱数据以及实测水质浓度数据为实验数据,引入归一化叶绿素指数(NDCI),对Ⅱ类水体的高光谱叶绿素a浓度估算进行分析研究.首先对高光谱数据的光谱通道设置以及水体光谱特征进行分析,研究确定模型的最优波段.然后,将确定最优波段后的NDCI反射率因子作为变量与实测样本点数据进行回归分析,得到NDCI与叶绿素a浓度之间的回归关系,进行叶绿素a浓度的估算.与常用的比值法、一阶微分法和三波段法相比,NDCI的性能优于这3种方法,表明NDCI是一种计算简单、估算精度高、实用性强的Ⅱ类水体叶绿素a浓度估算方法. 相似文献
10.
基于反射光谱的太湖北部叶绿素a浓度定量估算 总被引：2，自引：0，他引：2
利用地物光谱仪研究了太湖水体的反射光谱特征与叶绿素a浓度之间的定量关系,结果表明太湖水体的叶绿素a浓度可以用720 nm附近的反射率估算,同时也可以用806 nm和571 nm两个波段的反射率比值来估算,前者建立的估算模型具有较好的通用性,而后者只能较好的估算<10μg/L的叶绿素a浓度;通过对光谱微分的分析,发现叶绿素a浓度与690 nm附近的一阶微分和702 nm附近的二阶微分相关性最好,但基于反射光谱一阶微分的叶绿素a浓度估算模型,并没有显著的提高太湖叶绿素a浓度的估测精度,二阶微分后的估测精度好于一阶微分,但其估测精度仍没有利用720 nm反射光谱的反演模型高．太湖水体的叶绿素a浓度可以利用720 nm附近的反射光谱有效地估算． 相似文献
11.
12.
太湖水体3种典型水质参数的高光谱遥感反演 总被引：7，自引：3，他引：4
以富营养化污染严重的太湖为研究区,设计并实施了2次太湖航空遥感综合实验,获取了太湖7条航带、冬夏两个时相的航空高光谱遥感图像;通过6次太湖地面试验,采集了多时相的太湖水体固有光学量和表观光学量数据,分析了它们的空间分布规律,建立了单化固有光学量数据库;面向叶绿素、悬浮物和黄色物质3种典型水质参数,发展了基于生物光学模型和单位固有光学量数据库的水质参数反演分析方法;利用航空高光谱遥感器Will图像和航天高光谱遥感器CHRIS图像对这些方法进行了检验,获得了较好的水质参数图像反演结果. 相似文献
13.
14.
我国淡水湖库频发水华，不同类群形成的水华特征、危害及其治理方法差异显著，因此，如何区分不同藻种的遥感反射率特征，获取湖泊优势种信息是一个亟待解决的科学问题。研究基于室内藻种培养实验，培养了富营养化湖泊中的典型蓝藻和绿藻藻种，其中，蓝藻包括铜绿微囊藻（Microcystis aeruginosa）、假鱼腥藻（Pseudanabaenasp．）和束丝藻（Aphanizomenonsp．），绿藻包括小球藻（Chlorellasp．）以及四尾栅藻（Scenedesmus quadricauda）；基于实测的遥感反射率，经归一化处理后，分析了不同藻种的遥感反射率特征，构建了DI(difference index)指数以及ADI(algae distinguish index)指数，建立了藻种分类模型，利用验证集数据进行检验，整体识别精度达77.55%,Kappa系数为0.7178。将分类方法应用于太湖野外实测遥感反射率数据集中，结果与实测的生物量数据有较好的匹配；将模型应用于太湖OLCI(ocean and land colour instrument)影像数据，获得了2019年12月和2020... 相似文献
15.
基于实测光谱数据的太湖水华和水生高等植物识别 总被引：5，自引：2，他引：3
水华和水生高等植物的识别对于内陆水质遥感监测至关重要,其分布状况既可以用于表征水牛植物的分布状况,从而间接反映水质分布状况,又可以进一步利用非水华和水草的水体遥感数据进行水质参数反演.然而,常用的多光谱遥感数据很难精确识别水华和水草,只有高光谱遥感数据才能够捕捉水华、水草和水体细致的光谱差异,从而对水华和水草进行精确识别.但是目前还缺乏基于高光谱遥感数据的水华和水草识别的系统性研究.以太湖为研究区,于2006年7月和10月开展了2次水面光谱测量实验,获取了水华、浮叶植物、沉水植物和水体的反射率光谱.在光谱分析的基础上,首先建它了4种光谱指数,进而利用这4种光谱指数建立了水华、浮叶植物、沉水植物和水体的判别公式,并利用2006年10月水面实验测量的光谱数据训练得到了判别公式中的阈值.通过2006年7月水面实验测量的光谱数据的检验,证明提出的判别公式能够很好的识别水华和水草,获得了较高的识别精度. 相似文献
16.
太湖有色溶解有机物对水体总吸收贡献的遥感估算 总被引：1，自引：0，他引：1
有色溶解有机物(CDOM)是决定自然水体水色的主要溶解物质,其吸光能力和光化降解产物对水体初级生产力和碳循环过程具有重要影响.以太湖为研究区,2004年10月、2008年10月、2010年4月和2011年1月和3月共5期实测数据,采集了333个有效样点,分析不同时期CDOM对水体总吸收的贡献,并利用遥感技术估算[aCDOM/at](412).结果表明:不同时期[aCDOM/at](412)均值变化明显,2011年[aCDOM/at](412)的均值最大(0.369),高于所有样点[aCDOM/at](412)均值(0.295±0.139);201004期的[aCDOM/at](412)在0.046~0.455之间变化,其均值最小(0.236±0.108);200410和200810两期数据[aCDOM/at](412)均值相差不大.竺山湾、梅梁湾与整个太湖相比,竺山湾[aCDOM/at](412)均值较高,对太湖[aCDOM/at](412)的贡献较大,而梅梁湾[aCDOM/at](412)均值与整个太湖相差较小.利用多元线性模型估算[aCDOM/at](412)精度较高(n=333,RMSE=34.60%).悬浮泥沙和浮游色素是影响[aCDOM/at](412)遥感估算精度的主要原因,浮游色素的吸收造成[aCDOM/at](412)的值被低估,而悬浮泥沙的吸收使得[aCDOM/at](412)的值被高估,并且悬浮泥沙是影响CDOM吸收的主要原因. 相似文献
17.
18.
2004年10月现场测量了太湖水体的遥感反射比、后向散射系数以及其他必要参数,实验室测量了水体的悬浮颗粒物质浓度.首先把太湖划分为3个大区,即遥感反射比受湖底影响的区域(影响区)、不受湖底影响的区域(非影响区)以及可能受湖底影响的区域(可能影响区),然后再把太湖分为高混浊、中混浊、低清澈以及高清澈等4类水体类型,分别列出了各种水体区域类型的相关属性数据.在整个太湖区域范围内,建立了后向散射和悬浮颗粒物质浓度的经验回归模型;仅在非影响区内,建立了遥感反射比和后向散射的经验回归模型,并可以利用悬浮颗粒物质浓度直接估测遥感反射比.最后详细分析了模型的精度. 相似文献