共查询到18条相似文献，搜索用时 125 毫秒
1.
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.
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
3.
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
4.
太湖水体叶绿素浓度反演模型适宜性分析 总被引：2，自引：0，他引：2
为确定适合太湖水体叶绿素的反演算法,为同类卫星数据的建模和应用提供参考,本文根据太湖2007年11月、2009年4月和2011年8月实测水质参数以及同步光谱数据,结合水色遥感传感器MODIS、MERIS、GOCI及我国自主发射的HJ-1号卫星CCD传感器波段参数,基于差值模型、比值模型、三波段模型及APPEL模型,分别建立太湖水体叶绿素浓度反演模型,并分析模型的适宜性.结果显示,基于不同传感器数据APPEL模型的决定系数为0.7308~0.8107,模型相对误差为15%~24%,均方根误差为21%~32%;三波段模型基于不同传感器数据拟合的决定系数为0.6014~0.7610,相对误差为28%~36%,相对均方根误差为39%~46%;差值模型决定系数为0.4954~0.7244,相对误差为39%~53%,相对均方根误差为51%~72%;比值模型决定系数为0.4918~0.7098,相对误差为41%~55%,相对均方根误差为56%~75%.相比较而言,APPEL模型的稳定性较强,适合于不同传感器数据的太湖水体叶绿素浓度的反演.此外,相应不同传感器波段位置、波段宽度对模型反演的精度和稳定性的影响也不同,当波段位置接近叶绿素特征波长时,较窄的波宽有利于模型精度的提高,波段位置和叶绿素浓度特征波长相差较大时,合理增加波谱范围有利于叶绿素特征信息的获取. 相似文献
5.
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
6.
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
7.
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. 相似文献
8.
9.
基于高频次GOCI数据的太湖悬浮物浓度短期动态和驱动力分析 总被引：2，自引：0，他引：2
总悬浮物是水体中重要的光学敏感物质之一,很大程度上决定了水柱中光的吸收、散射和衰减,同时吸附营养盐、重金属和有毒有害物,对水体物质生物地球化学过程、沉积物埋藏动力和湖泊环境演化具有重要的意义.基于星地同步实验和静止水色成像仪GOCI(Geostationary Ocean Color Imager)构建了太湖悬浮物浓度估算模型,并分析了典型风浪过程中太湖悬浮物浓度短期动态变化过程.研究表明:对太湖水体悬浮物浓度较为敏感的波段为GOCI的第7波段(745nm)和第8波段(865 nm),悬浮物浓度与对应波段遥感反射率线性相关决定系数分别为0.72和0.55;基于GOCI第7波段的悬浮物浓度单波段遥感估算模型能较为准确地估算太湖的悬浮物浓度,模型相对均方根误差和平均绝对百分误差分别为28.3%和24.4%.通过研究典型风浪过程前后太湖悬浮物浓度变化发现其短期动态变化显著,风速、风向是悬浮物浓度短期动态变化的重要驱动因素,悬浮物浓度与风速呈正比,并随着风向扩散;高频连续GOCI影像结果显示悬浮物浓度短期动态变化对风浪扰动的响应有一定的滞后性,滞后时间为数小时到1天,悬浮物沉降与沉积物再悬浮的临界风速约为3.4 m/s. 相似文献
10.
太湖叶绿素a同化系统敏感性分析 总被引：1，自引：1，他引：0
太湖叶绿素a同化系统对于不同参数的敏感性将直接影响到该系统能否精确的估算太湖叶绿素a的浓度分布.利用2009年4月21日环境一号卫星(HJ-1B CCD2)影像数据反演太湖叶绿素a浓度场信息.以此作为背景场信息,结合基于集合均方根滤波的太湖叶绿素a同化系统,分析和评价了样本数目、同化时长、背景场误差、观测误差和模型误差对于同化系统性能的影响.结果表明:从计算成本、系统运行时间和同化效果等方面分析,当集合样本数目达到30~40左右时同化系统取得了较好的结果;同化系统对于背景场误差的估计变化不是很敏感,即初始场的估计是否准确对于同化系统的性能影响不是很大;同化系统对于模型误差和观测误差的变化较为敏感,不同的测试点位由于水体动力学性质不一,其敏感性的表现形式有所差异;利用数据同化方法可以有效地估算太湖叶绿素a浓度. 相似文献
11.
假设2004年10月太湖水体的吸收系数和遥感反射比的测量误差为0，利用生物光学模型，通过优化算法，在光学深水区模拟获得水体的后向散射系数，然后通过后向散射概率和颗粒物后向散射系数之间的定量关系，获得水体中可能真实的颗粒物后向散射概率结果表明，太湖水体的颗粒物后向散射概率不是一个定值，可以表示为波长的二次函数，在442、488、532、589、676和852nm处分别为0.017、0.017、0.027、0.033、0.054和0.094，均值为0.041，标准偏差为0.030。 相似文献
12.
13.
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
14.
悬浮泥沙是重要的水质参数之一.应用遥感技术监测悬浮泥沙,学者们提出了众多的悬浮泥沙遥感的经验模型和推导模型.但在缺乏大气参数或没有足够实测数据的情况下,这些模式的精度和准确性得不到保证.针对这种情况,以巢湖为实验区,对三景的巢湖卫星遥感数据进行了如下的数据处理:(1)利用内部平均相对反射率法进行图像的大气校正,得到的相对反射率与真实反射率具有相似的波谱特征;(2)对图像进行了水体提取、二值化、掩膜处理,并通过湖泊泥沙指数SI=(TM2 TM3)/(TM2/TM3)提取了TM数据下的泥沙信息,得到水体含沙量图;(3)按照本文提出的基于遥感图像的不同浓度等级泥沙的划分依据,在泥沙指数图上进行密度分割处理,得到了巢湖泥沙相对浓度分布图.在上述的处理基础上,利用谱间关系法对巢湖水体进行准确提取;结果表明,与实测资料对比,巢湖泥沙相对浓度分布与验证数据一致,实测数据和SI值相关系数为0.89(置信度水平在0.001),表明泥沙指数方法可以直观和定量地反映悬浮泥沙相对浓度的分布与变化;研究结果显示,1987-2000年间,巢湖高浓度悬浮泥沙范围增大了约1.5倍.通过影像差值图清楚地识别出变化区域,主要位于西湖的中心、河口入湖区和东湖的南岸,这种变化的最主要原因是由于各入湖河流携带的大量悬浮泥沙进入水体,其次是岸坡崩塌物形成的. 相似文献
15.
Wang Qiao Jin Xin Li YunMei Wu ChuanQing L&#; Heng Wang YanFei Zhang Hong Yin Bin Zhu Li 《中国科学:地球科学(英文版)》2011,53(1):58-66
Synchronization experiment was conducted in June, 2009 to get Inherent Optical Properties (IOP) of water component in Chaohu Lake. Water bio-optical mechanism was studied combined with multispectral data of Environmental Satellite 1 (CCD), and then inversion models of total suspended matter (TSM), inorganic suspended matter (ISM) and organic suspended matter (OSM) concentration were built. The data indicated that: the absorption ratio of suspended particulate matter and CDOM to total were almost no change from band 1 to band 2 with about 85% and 9%, respectively. The ratio of pure water to total increased from 0.4% to 5.6%. Water reflectance in these two bands were influenced by absorption of three kinds of components: algae particles absorption surpassed non-algal particles in band 3, and so played an important role in total absorption with about 35.7%; the proportion of pure water absorption and particles matter backscattering both were 99% in band 4, so these two components decided the main inherent optical properties in band 4. The models of TSM and ISM concentration inversion based on band combination (band 3 + band 4)/(band 1 + band 2) were built, while OSM concentration was estimated by band 4/(band 1 + band 2) index. Inversed by image data, RE of TSM concentration between modeled and measured was 33.4%, and RMSE was 18.68 mg/L. RE of ISM and OSM concentration were 39.9% and 35.2% respectively. The inversion was more accurate when satellite-ground data were just in the same day. At this situation, RE of ISM concentration dropped to 25.4%, and that of TSM and OSM reduced to 26.5% and 26.8% as well.
相似文献16.
Qiao Wang Xin Jin YunMei Li ChuanQing Wu Heng Lü YanFei Wang Hong Zhang Bin Yin Li Zhu 《中国科学:地球科学(英文版)》2010,53(1):58-66
Synchronization experiment was conducted in June, 2009 to get Inherent Optical Properties (IOP) of water component in Chaohu Lake. Water bio-optical mechanism was studied combined with multispectral data of Environmental Satellite 1 (CCD), and then inversion models of total suspended matter (TSM), inorganic suspended matter (ISM) and organic suspended matter (OSM) concentration were built. The data indicated that: the absorption ratio of suspended particulate matter and CDOM to total were almost no change from band 1 to band 2 with about 85% and 9%, respectively. The ratio of pure water to total increased from 0.4% to 5.6%. Water reflectance in these two bands were influenced by absorption of three kinds of components: algae particles absorption surpassed non-algal particles in band 3, and so played an important role in total absorption with about 35.7%; the proportion of pure water absorption and particles matter backscattering both were 99% in band 4, so these two components decided the main inherent optical properties in band 4. The models of TSM and ISM concentration inversion based on band combination (band 3 + band 4)/(band 1 + band 2) were built, while OSM concentration was estimated by band 4/(band 1 + band 2) index. Inversed by image data, RE of TSM concentration between modeled and measured was 33.4%, and RMSE was 18.68 mg/L. RE of ISM and OSM concentration were 39.9% and 35.2% respectively. The inversion was more accurate when satellite-ground data were just in the same day. At this situation, RE of ISM concentration dropped to 25.4%, and that of TSM and OSM reduced to 26.5% and 26.8% as well. 相似文献
17.
太湖水体遥感反演参数的空间异质性 总被引：1，自引：0，他引：1
空间异质性的存在,会导致水质参数遥感反演中的尺度效应,影响反演精度,因此通过分析水质参数空间异质性,对于选择适当分辨率的遥感影像,提高反演精度具有重要意义.通过2008年10月在太湖布置的3个样方,利用GIS地统计学原理和分形维数的方法,对水质遥感反演中的三要素浓度,包括叶绿素a(Chl.a)、总悬浮物(TSM)和溶解有机碳(DOC)的空间异质性及其可能产生的尺度效应进行了研究.结果表明:太湖水体的三要素浓度在不同样方单元中变异系数相差较大,存在着明显的尺度效应;三个样方内Chl.a变异函数曲线斜率在变程范围内变化都较为剧烈,分形维数较高,说明太湖水体Chl.a受到某种起主导作用的生态过程的影响和控制;Chl.a和TSM的空间结构比例都在90%左右,有较强的空间相关性,表明其空间异质性的产生主要是由于结构性因素引起的,随机性因素作用微弱;DOC空间结构比例较小,说明随机性因素对其空间异质性的产生起了主导作用.三个样方中Chl.a的变程分别为147.3m、129.3m和115.0m,TSM的变程分别为1131.7m、130.6m、149.1m,因此在遥感反演中可选择TM影像,选择5×5窗口,以150m×150m作为基本单元;而DOC的变程分别为34.3m、38.5m、26.4m,表明其自相关距离较小,建议直接选择分辨率为30m的TM影像,使实际测量值与遥感影像最小单元相对应,消除反演过程中的尺度效应带来的误差.该研究也表明,MODIS的像元尺寸(250、500、1000m)明显偏大,在太湖水体三要素反演过程中,由于空间异质性引起的尺度效应,会造成一定的误差. 相似文献
18.
针对受采砂活动影响显著的鄱阳湖高浑浊水体,结合数值模拟和遥感技术,利用已有的鄱阳湖采砂区遥感监测结果,在构建的鄱阳湖水动力-悬浮泥沙输移模型中添加泥沙点源,对2011年7月1-31日采砂影响下的鄱阳湖丰水期悬浮泥沙浓度进行数值模拟.利用悬浮泥沙浓度实测数据和MODIS影像反演结果对模拟结果的有效验证表明,考虑采砂影响后,悬浮泥沙浓度模拟值与实测值具有强相关关系,确定性系数为0.831,均方根误差为15.5 mg/L,悬浮泥沙浓度空间分布趋势与遥感反演结果基本一致.模拟结果显示,采砂活动对鄱阳湖南部主湖区、河流入湖口影响较小,其主要影响由南向北,经棠荫以西和松门山岛以北航道、入江水道延伸到湖口区域,是鄱阳湖北湖区高浑浊水体形成的重要原因. 相似文献