共查询到20条相似文献，搜索用时 125 毫秒
1.
基于高光谱遥感反射比的太湖水体叶绿素a含量估算模型 总被引：19，自引：1，他引：19
旨在寻找叶绿素a的高光谱遥感敏感波段并建立其定量估算模型。通过对太湖水体的连续监测，获得了从2004年6月到8月3个月的太湖水体高光谱数据和水质化学分析数据。利用实测的高光谱数据分析计算太湖水体的离水辐亮度和遥感反射比；然后，通过相关分析寻找反演叶绿素a浓度的高光谱敏感波段，进而建立反演太湖水体叶绿素a浓度的高光谱遥感定量估算模型，并用相关数据对模型进行精度分析。研究发现，水体的遥感反射比光谱在719nm和725nm存在两个峰，其中719nm处的峰更明显且稳定。通过模型的对比分析，发现用这两个峰值处的遥感反射比参与建模可以提高叶绿素a的估算精度；并且认为由反射比比值变量R719／R670所建立的线性模型对叶绿素a浓度的估算精度最理想。 相似文献
2.
目前, 针对太湖水体的叶绿素波段敏感性的分析, 大多集中在实测的高光谱反射率数据或者图像提取反射率与叶绿素浓度的统计分析结果上, 缺乏基于水体光学特性的研究, 并且两者之间的一致性也一直缺少论证。研究中采用2004 年4 月和2007 年8 月的两期数据, 首先从水质参数的生物光学特性入手, 基于生物光学模型, 利用叶绿素和其他水质参数的吸收和后向散射系数, 模拟计算其他水质参数不变, 叶绿素浓度处于不同水平时的水面反射率, 分析实测反射率对叶绿素浓度变化的响应; 利用MODIS 的波段响应函数把实测光谱模拟成宽波段的MODIS 反射率, 以此作为桥梁进而对实测的高光谱反射率和MODIS 图像提取反射率与叶绿素浓度的相关程度的一致性进行分析, 为利用MODIS 图像进行水质参数反演时的反演因子选择提供了依据。 相似文献
3.
鄱阳湖叶绿素a浓度遥感定量模型研究 总被引：1，自引：0，他引：1
叶绿素a浓度是反映湖泊水体营养状况的重要指标,本研究通过分析水体叶绿素a浓度与高光谱反射特征的相互关系,采用一阶微分值和峰值比值法分别建立了叶绿素a的高光谱定量反演模型,在此基础上与同步MODIS数据敏感波段建立卫星定量反演模型。结果表明:叶绿素a荧光峰出现在波段690nm-700nm,波段696nm一阶微分值相关系数最大;波段700nm与波段680nm的比值与其对数相关性较好,MODIS数据波段2和波段1比值的指数模型为最佳的回归模型。 相似文献
4.
应用TM数据估算沿岸海水表层时绿素浓度模型研究 总被引：3，自引：0，他引：3
本研究以大亚湾为实验区，以陆地卫星ＴＭ数据为信息源，结合表层海水叶绿素浓度实测资料建立模型。在对叶绿素光谱特征及遥感估算叶绿素浓度机理研究基础上，选取了ＴＭＩ—ＴＭ４波段的７５种波段组合为子因素，以叶绿素浓度为母因素，利用灰色系统理论，分析各波段组合与叶绿素浓度之间的关联度。将关联度最大的５种波段组合分别建模，得到５个估算表层海水叶绿素浓度的反演模型。误差分析表明，各模型的最大相对误差在１９％以下，平均绝对相对误差在１１．２％以下，相对标准误差在６．７％以下，模型精度较高。研究表明：（ＴＭ３×ＴＭ４）是估算沿岸海水表层叶绿素浓度的最佳波段组合，采用（ＴＭ３×ＴＭ４）与ＴＭ１、ＴＭ２或ｌｎ（ＴＭ十ＴＭ２）、Ｉｎ（ＴＭ１×ＴＭ２）之比值并不能改善估算精度。 相似文献
5.
利用MODIS影像数据,对水华现象出现的重要物质——巢湖水体叶绿素a信息进行反演。在对数据进行预处理后,采集影像相应位置的像元灰度值,与现实中在对应位置观测的湖水叶绿素a浓度进行相关性拟合分析,得到叶绿素a浓度与像元灰度值的相关性方程与相关系数。在建立相关性模型时采用了单波段和波段比值法,得到的最高相关系数为R2=0.881 8,表明利用这种方法反演巢湖水体叶绿素a浓度空间分布具有一定的可靠性。选择相关系数性较高的2个拟合方程反向演算MODIS影像,最后成功得到巢湖湖面当日叶绿素a浓度分布状况图,为巢湖防治水华发生提供了比较准确可靠的信息。 相似文献
6.
以太湖为研究对象,根据环境一号卫星数据和实测得到的水面叶绿素a浓度,利用ENVI软件对太湖地区进行校正和裁剪等有关处理并获取光谱信息与实测叶绿素含量来进行建模选取,最后对模型反演结果进行对比并做精度验证。选取了遥感影像成像叶绿素a浓度值,对得到的58个样本进行分析,从样本随机选取2/3的数据用于建模,剩下1/3数据用于模型验证,得到了37个建模样本和20个验证样本,通过验证说明,本文所建立叶绿素a浓度反演模型具有较高的精度。 相似文献
7.
HJ-1A/B卫星CCD影像的武汉市东湖水色三要素遥感研究 总被引：2，自引：0，他引：2
以武汉市东湖为研究区域,利用同步的MODIS-Terra气溶胶光学厚度数据为输入参数,采用FLAASH模型对2010年3月11日HJ-1A/B卫星CCD影像进行大气校正处理,并利用多年实测数据建立叶绿素a浓度、悬浮泥沙浓度、黄色物质吸收系数三要素神经网络反演模型,对水色三要素进行反演。通过对反演结果与实测数据的对比分析可知,悬浮泥沙浓度、黄色物质吸收系数和叶绿素a浓度的平均相对误差分别为28.052%、17.628%和35.621%,表明HJ-1A/B卫星CCD传感器基本能满足II类水体水色要素的遥感监测需求。 相似文献
8.
以武汉东湖为研究区域,利用MODIS数据和地面准同步叶绿素a浓度实测数据,建立适合东湖水体的叶绿素a浓度遥感定量估算模型,从而分析MODIS数据应用于内陆湖泊水体叶绿素a浓度反演的可行性。 相似文献
9.
内陆湖泊颗粒有机碳反演及日变化初步研究 总被引：1，自引：0，他引：1
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。 相似文献
10.
应用MODIS数据反演河北省海域叶绿素a浓度 总被引：6，自引：0，他引：6
为了建立更加合理、准确的叶绿素a遥感反演模型,利用地物光谱仪测定了河北省海域水面的光谱反射率,分析了光谱反射率与实测叶绿素a浓度之间的关系.在此基础上,通过MODIS数据各波段及波段组合的反射率与实测叶绿素a浓度的相关分析,确定第1波段(B1)为最佳反演波段,建立了应用B1反演叶绿素a浓度的遥感模型,并对模型精度进行验证.结果表明:该模型相关系数为0.66,反演结果均方根误差为0.48 mg/m3,模型精度优于SeaDAS的OC3标准经验算法;该模型反演河北省海域表层水体的叶绿素a浓度有较好的效果. 相似文献
11.
夏季太湖叶绿素a浓度的高光谱数据监测模型 总被引：1，自引：0，他引：1
本文依据2004年7月的实测数据构建了太湖夏季叶绿素a浓度的实测光谱数据估计模型,并使用2004年8月的数据对模型进行了验证。调查样点覆盖了太湖内的典型水域,水样数据由无锡太湖环境监测站采集。样点的光谱数据用ASDFieldSpec野外光谱仪获取,每个样点测量10次,测量结果被转换为遥感反射率。对不同的波段组合进行比较分析后,从可解释性出发,最终选择了归一化指数表达式作为最佳波段组合,所建立的模型为：Chla（μg/L）=EXP（2.478 ＋16.378＊N66）,其中,N66为（R696 -R661） /（R696 ＋R661）。模型的R^2为0.9051,显著性p〈0.0001。与其他模型相比,本文的模型比较稳健,用于估计8月的叶绿素a浓度具有较小的绝对误差。本文的工作同时表明,在太湖的夏季相邻月份,可以使用实测光谱数据模型进行水体叶绿素a浓度的估计。 相似文献
12.
13.
中国东海叶绿素浓度变化分析及其海水温度响应 总被引：1，自引：0，他引：1
海洋叶绿素浓度时空格局分析及与海水温度的响应研究对于海洋资源的开发和保护及赤潮的预防具有重要意义。本文基于2004—2018年东海叶绿素浓度和海水温度数据运用趋势分析及ArcGIS10.2软件，对东海叶绿素浓度作了时空分析研究，并结合海水温度进行了回归分析，以探究叶绿素对海水温度变化的响应机制。结果表明：①东海叶绿素浓度在2004—2018年间没有明显的年际变化特征。年内则随时间上下波动，冬季为波峰，夏季为波谷。离海岸带越近，叶绿素浓度越高。②东海海域海水温度在年际尺度上呈波动式起伏变化。在季节尺度上夏秋两季温度较高，春季次之，冬季最低。从沿海到外海海域海温逐渐升高。③就空间相关性而言，东海海域叶绿素浓度与海水温度整体呈负相关，在不同海域相关程度不同。长江口和外海区域叶绿素浓度与海水温度具有很强的相关性；在沿海区域，由于受到城市环境、经济发展及人类生产生活的影响，海水温度与叶绿素浓度的相关性不明显。 相似文献
14.
15.
大米草室内叶片光谱特征参数与叶绿素浓度关系研究 总被引：1，自引：0，他引：1
本文通过分析大米草叶片反射光谱特征,并提取红边位置、红边斜率和红边面积三个红边参数以及叶面叶绿素指数(LCI)、水分指数(WI)、三角植被指数(TVI)、结构相关色素指数(SIPI)四个高光谱植被指数,利用线性、对数、倒数、二次函数和三次函数曲线模拟算法得到大米草叶片叶绿素a浓度的高光谱估算模型。研究结果表明:叶绿素a浓度与红边斜率和红边面积在0.01水平上显著负相关,与LCI、WI和TVI在0.01水平上显著正相关。基于红边斜率、红边面积、TVI三个参数,选用倒数法构建叶绿素a浓度的估算模型精度明显高于其他算法。基于LCI和WI参数,应用三次函数法构建的叶绿素a浓度的高光谱检测模型精度明显高于其他算法。比较R2和模型估算误差,利用WI水分指数应用三次函数构建叶绿素a浓度的高光谱检测模型精度在所有模型中最高。因此,利用叶片光谱技术可以较高精度地估算叶绿素a浓度。 相似文献
16.
基于BP神经网络模型的太湖悬浮物浓度遥感定量提取研究 总被引：6，自引：1，他引：6
构建了含有一个隐含层的两层BP神经网络反演模型，以TM数据的前4个波段的反射率作为输入，以悬浮物浓度值作为输出，成功反演了太湖水体的悬浮物浓度。 相似文献
17.
随着GAMIT软件版本的不断更新，对BDS数据基线解算已成为可能。本文提出了一种基于GAMIT软件的BDS大气可降水量反演方法，并对利用探空数据计算得到的大气可降水量与GPS数据反演结果进行精度验证。结果表明，通过BDS反演得到的大气可降水量与探空数据计算结果之间的平均相对误差、均方根误差均小于2 mm，相关系数大于0.98；与GPS反演结果之间的平均相对误差、均方根误差均小于3 mm，相关系数大于0.96。BDS反演结果精度较高，基本能够满足气象需要。 相似文献
18.
针对对数比例变换法和多波段模型法两种操作简便的水深反演方法的优劣进行对比,旨在探讨二者对于大量浅海水深快速反演流程化工作的适用性。基于水深参考数据,随机选取138个样本点分别构建反演模型,并分层随机抽取100个验证点进行精度评价。从模型决定系数R2、反演精度,以及方法鲁棒性和适用性3个方面进行对比分析。结果表明,多波段模型法的决定系数R2(0.912)优于对数比例变换法(0.776);多波段模型法的反演平均绝对误差为1.47m,平均相对误差11.67%,均略低于对数比例变换法(1.45m,11.49%),但后者在小于1m的水深范围内的反演结果存在大范围错误,精度明显低于前者;多波段模型法可通过对回归方程和回归系数的显著性检验而不断优化,鲁棒性和适用性亦明显优于对数比例变换法。因此,本研究认为多波段模型法更适用于大量浅海水深快速反演流程化工作。 相似文献
19.
基于遥感和美国碳通量观测数据的GPP模型比较研究 总被引：1，自引：0，他引：1
基于遥感和碳通量观测数据,本文采用VPM、EC-LUE、TG、GR、VI和MOD17六个模型估算了五种主要植被类型站点尺度的总初级生产力(GPP)。利用线性相关和定量分析方法评价并比较了上述模型在不同时间尺度上(8天、生长季和年际)的GPP模拟精度。结果表明:1)EC-LUE和VPM模型总体估算精度最高(R20.78);2)森林生态系统中,GPP估算值和实测值在季节和年累积总量上相对误差较小,而在草地和农田系统中,相对误差较大;3)GR、VI和TG模型在森林生态系统GPP估算中模拟精度较高,因其在形式上相对简单,需要的参数和输入数据相对较少,因而适用于大尺度的森林生态系统GPP估算。 相似文献
20.
采用遥感影像进行湖底地形反演具有操作简单、处理周期短的优势。本文提出了一种基于克里金法的湖底地形反演方法,以鄱阳湖为研究对象,通过分析周边8个水位站的空间位置与水位间的相关性,获取湖区边界水位变化趋势,利用克里金法反演湖区边界点的水位,将边界点的水位作为高程点进行湖底地形反演,并用实测湖底地形数据验证反演方法的可靠性。研究结果表明,通过克里金插值法反演得到的湖底地形,交叉验证的误差标准平均值在0.2 m以内;地形反演平均绝对误差在1 m以内,说明该方法可用于湖底地形反演且反演精度较高。 相似文献