共查询到20条相似文献,搜索用时 31 毫秒
1.
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
2.
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
3.
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
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.
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
6.
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
7.
8.
MERIS影像水环境遥感大气校正算法评价——以鄱阳湖叶绿素a浓度反演为例 总被引:1,自引:0,他引:1
MERIS是2002年发射的在轨运行近10年的ENVISAT-1卫星上搭载的主要传感器之一,在波段设置和辐射灵敏度等方面有非常突出的优势,能够较好地运用于Ⅱ类水体叶绿素a浓度反演,但Ⅱ类水体的大气校正仍然是亟待解决的一个关键问题.以我国第一大淡水湖——鄱阳湖为研究区域,采用FLAASH、6S、BEAM和QUAC共4种大气校正算法对2005和2011年具有同步实测光谱数据的鄱阳湖ENVISAT-1卫星MERIS影像进行大气校正处理,并对12种叶绿素a浓度反演模型的波段组合因子进行大气校正效果的对比分析.结果表明:(1)4种大气校正中,大气校正结果精度由高到低表现为FLAASH6SBEAMQUAC,平均相对误差分别为31.13%、31.88%、69.48%和42.64%;决定系数(R2)分别为0.60、0.57、0.38和0.24;(2)在12种叶绿素a浓度反演模型的波段组合因子中,FLAASH得到的结果最优,其次是6S,BEAM和QUAC最差,在FLAASH算法中,由665、708和753 nm 3个波段遥感因子((Rrs(510)/[Rrs(443)/Rrs(560)])组成的模型精度最高,平均相对误差为25.12%,R2为0.74.建议采用FLAASH大气校正结果组成这个波段组合进行鄱阳湖叶绿素a浓度反演. 相似文献
9.
10.
总悬浮物浓度(CTSM)是水质评价的重要参数.为了提高内陆Ⅱ类水体总悬浮物浓度估算的精度,利用主成分分析方法对2009年4月太湖水体实测高光谱数据进行降维处理,进而以不同数量的主成分作为变量,分别构建总悬浮颗粒物浓度的多元线性回归估算模型并比较这些模型的效果,从而确定最优的主分量个数;结合近年运行的高光谱传感器,对模型的适用性进行评价.结果表明:①前三个主成分(PC1、PC2、PC3)从不同侧面涵盖了悬浮物浓度信息,它们与ln(CTSM)的相关系数分别为0.728、0.401和0.403;②当主成分个数为6时,模型达到最优;模型的精度高于4个传统经验模型;③在400~850 nm之间,波段数大于45的高光谱传感器数据都能利用主成分分析的方法构建精度较高的总悬浮物浓度估算模型;此外,MERIS、HJ1-HSI、Hyperion和CHRIS这些常用的高光谱传感器的波段设置,都适合于主成分建模. 相似文献
11.
利用便携式光谱辐射计,采用一定的观测角度获取水体表面的光谱,进而提取水表面下辐照度比R(0-)信息,分析R(0-)光谱特征与叶绿素a浓度之间的相互关系,结果表明太湖夏季水体叶绿素a浓度与R(0-)光谱曲线762 nm、727nm和496nm处的相关系数较大,分别达到了0.85、0.84、-0.80.通过单波段、波段比值模型分析,认为以R(0-)761、R(0-)762/R(0-)496、R(0-)727/R(0-)496为自变量的二次函数模型是利用水表面下辐照度比R(0-)估算太湖夏季水体中叶绿素a浓度的最佳模型,模型的决定系数R2分别达到了0.923、0.919、0.916,回归估计的标准误差S分别为0.012、0.013、0.013,F检验值分别为101.241、96.576、92.925.利用剩余10个样本对估算模型进行精度和误差检验,结果表明以R(0-)762/R(0-)496为自变量的二次函数模型好于另外两个,对太湖夏季水体叶绿素a浓度估算具有一定的实用性.此外,将光谱微分技术应用到R(0-)信息分析太湖夏季水体叶绿素a浓度,结果不能获得较高的预测精度. 相似文献
12.
13.
14.
现有水色卫星主要是针对大洋清洁水体设计,内陆浑浊水体多数波段经常饱和;而发展可以业务化运行的内陆水体叶绿素a算法,为生产实践服务,一直是水色遥感的重点和难点之一.利用2013年巢湖星地同步数据(N=55),通过经验正交函数(empirical orthogonal function,EOF)分析方法,选用MODIS唯一不饱和的4个波段(469、555、645、859 nm)数据进行分解,然后回归建模;并使用第三方独立的巢湖实测数据(N=40)进行验证(R2=0.63,URMSE=85.46%).结果表明:该算法用于MODIS影像上,空间分布合理,季节差异明显,且在高悬浮物水体、不同气溶胶条件下均有很好的抗扰动性.实践证明EOF算法可以应用于业务化运行的内陆水体叶绿素a浓度估算,并对其他水色参数反演具有一定的借鉴意义. 相似文献
15.
基于叶绿素荧光峰特征的浑浊水体悬浮物浓度遥感反演 总被引:4,自引:0,他引:4
内陆水体光学特性复杂,其水质参数遥感反演是当前环境遥感研究的热点与难点.2004年10月在太湖实测了67个站点的遥感反射率与相应站点水质参数浓度,通过对水体反射率光谱的分析发现,秋季太湖悬浮物主导了水体光学特性,叶绿素荧光峰的特征主要体现为悬浮物浓度的变化.据此建立了基于水面实测岛光谱遥感反射率数据的叶绿素荧光峰特征与悬浮物浓度之间的拟合关系,发现二者具有很好的响应关系.具体分析了叶绿素荧光峰绝对高度、基线高度、归一化高度(分别归一化到560nm附近最大反射率波段与近红外810nm附近最大反射率波段)及荧光峰积分面积(包括积分总面积、基线以下面积与基线以上面积)等儿种光谱特征与悬浮物浓度之间的关系,其相关系数(R2)分别为0.8822、0.7483、0.8901、0.8547、0.8927、0.8877、0.8632,平均相对误差分别为27.25%、41.03%、27.11%、25.75%、24.91%、25.47%、27.54%.总体反演精度较高,其中总积分面积法效果最好,基线高度法效果最差,而叶绿索荧光峰波段的位移与悬浮物浓度之间不存在明显的相关性.研究结果表明叶绿素荧光峰特征在浑浊内陆水体悬浮物浓度信息提取中具有很好的应用前景,该方法可为浑浊的二类水体悬浮物遥感反演提供了一个新思路. 相似文献
16.
基于半分析算法的香港邻近海域叶绿素a浓度反演 总被引:2,自引:0,他引:2
为进一步了解香港近海水体特性及监测其水质状况,根据2001年3-5月在香港临近海域调查取得的实测资料,对该海域水体光谱进行解析,开发该海域叶绿素a浓度与色素吸收系数aph(675)的经验模型,具有较高相关性;用剖面数据外推及水体光谱模拟方法完成对水下表面遥感反射率光谱的推导;进而建屯反演低浓度区叶绿素a浓度的半分析算法,反演结果与实测值比较平均相对误差为45%,均方根差0.933,相关系数0.78,误差主要来源于外推演算及散射模型.结果表明该算法在低悬浮物低叶绿素浓度区域有一定适用性. 相似文献
17.
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
18.
19.
20.
秋季太湖悬浮物高光谱估算模型 总被引:10,自引:0,他引:10
2004年10月,在太湖设置67个采样点,现场测量了水体遥感反射比、后向散射系数和辅助参数,实验室分析了水体的悬浮物浓度和水色要素吸收系数.本文在对遥感反射比光谱分析的基础上,比较了几种水体遥感反射比光谱估算悬浮物浓度的方法,结果发现广泛应用的带比值项的算法,虽然可以应用于太湖总悬浮物浓度估算,但是普遍存在相对误差较高的弱点.通过对光谱的分析,确定了750hm单波段算法的参数,并提出了利用近红外812nm波峰高度来估算水体悬浮物的方法.文中还详细阐述了为什么比值算法等在太湖水体悬浮物浓度估算中相对误差比较高,并解释了利用近红外估算精度高的原因,并指明以上算法在遥感应用中的优点和不足,以及现实水体(水质)遥感对现有遥感器配置和遥感算法的需求. 相似文献