共查询到15条相似文献，搜索用时 109 毫秒
1.
【目的】研究湛江港水体夏季后向散射特性。【方法】利用2017年夏季湛江港海域的航次数据,采用实验与对比分析的方法,研究湛江港海域水体的后向散射系数的光谱特性、空间分布,分析后向散射系数与悬浮泥沙浓度的关系。【结果】湛江港海域水体的后向散射系数的光谱模型符合乘幂的形式,波长指数(n)为1.61。后向散射系数的空间分布呈现近岸高值,外海低值的特点。后向散射系数与悬浮泥沙浓度存在良好的线性回归关系,决定系数(R2)为0.707 2。【结论】水体的后向散射系数可用于水体悬浮泥沙浓度的遥感反演。 相似文献
2.
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
3.
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
4.
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
5.
《广东海洋大学学报》2016,(6)
基于表观光学法研究冬季湛江港海域高光谱遥感叶绿素a浓度的反演模型构建,结果表明,该海域单波段遥感反射率与叶绿素a浓度相关性低,波段比值和遥感反射率的一阶微分法可提高叶绿素a浓度反演精度。665nm处的遥感反射率一阶微分值与叶绿素a浓度相关性良好,相关系数可达0.84。一阶微分相关系数大于0.8的波段大部分处于叶绿素a红光强烈吸收区域,对于富营养化的湛江港海域采用一阶微分方法构建叶绿素a浓度的遥感反演模型具有合理性。 相似文献
6.
7.
内陆水体叶绿素a浓度是衡量水体富营养化程度的主要指标，是影响水体反射率光谱特征的重要因素之一。本文以白洋淀烧车淀、圈头乡各村庄等水域为研究区，采集了高光谱数据和水样，并在实验室测定叶绿素a等水质参数，应用于白洋淀区域的叶绿素a高光谱遥感反演。针对线性降维方法特征提取能力不足和神经网络构建叶绿素a遥感反演模型时学习效率低、泛化能力差的问题，提出了堆栈自编码器粒子群优化BP神经网络模型。该模型利用堆栈自编码器强大的非线性变换能力，通过最小化重构误差来学习高光谱数据特征，在实现数据降维的同时最大程度保留原始光谱数据中的水体辐射信息，提取出实测水体光谱的深度特征，将BP神经网络初始权重作为粒子的位置向量，通过粒子群算法搜寻网络初始权重的最优值，降低出现局部极值的概率，提高模型的稳定性和反演的精确度。堆栈自编码器粒子群优化BP神经网络模型(R2=0.82,RMSE=2.65μg/L,MAE=1.89μg/L)相较于对高光谱数据不降维的BP神经网络模型(R2=0.75,RMSE=3.16μg/L,MAE=2.39μg/L)、基于主成分分析法降维的BP神经... 相似文献
8.
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
9.
二类水体组份的遥感定量反演一直是水色遥感的难点和热点问题,原因在于其水体组分(纯水、叶绿素、悬浮物及CDOM)之间复杂的相互作用.本文引入光谱分解算法,通过Hydrolight软件模拟叶绿素、悬浮物和CDOM的标准反射率光谱,解决光谱分解算法中“纯端元”难以获取的问题.在此基础上建立了二类水体组分光谱分解反演模型.模型... 相似文献
10.
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
11.
The absorption coefficient of water is an important bio-optical parameter for water optics and water color remote sensing. However, scattering correction is essential to obtain accurate absorption coefficient values in situ using the nine-wavelength absorption and attenuation meter AC9. Establishing the correction always fails in Case 2 water when the correction assumes zero absorption in the near-infrared(NIR) region and underestimates the absorption coefficient in the red region, which affect processes such as semi-analytical remote sensing inversion. In this study, the scattering contribution was evaluated by an exponential fitting approach using AC9 measurements at seven wavelengths(412, 440, 488, 510, 532, 555, and 715 nm) and by applying scattering correction. The correction was applied to representative in situ data of moderately turbid coastal water, highly turbid coastal water, eutrophic inland water, and turbid inland water. The results suggest that the absorption levels in the red and NIR regions are significantly higher than those obtained using standard scattering error correction procedures. Knowledge of the deviation between this method and the commonly used scattering correction methods will facilitate the evaluation of the effect on satellite remote sensing of water constituents and general optical research using different scatteringcorrection methods. 相似文献
12.
We propose a bio-optical inversion model that retrieves the absorption contributions of phytoplankton and colored detrital matter(CDM),as well as the phytoplankton size classes(PSCs),from total minus water absorption spectra.The model is based on three-component separation of phytoplankton size structure and a genetic algorithm.The model performance was tested on two independent datasets(the NASA bio-Optical Marine Algorithm Dataset(NOMAD) and the northern South China Sea(NSCS) dataset).The relationships between the estimated and measured values were strongly linear,especially for aCDM(412),and the Root Mean Square Error(RMSE) of the CDM exponential slope(SCDM) was relatively low.Next,the inversion model was directly applied to in-situ total minus water absorption spectra determined by an underwater meter during a cruise in September 2008,to retrieve the phytoplankton size structure in the seawater.By comparing the measured and retrieved chlorophyll a concentrations,we demonstrated that total and size-specific chlorophyll a concentrations could be retrieved by the model with relatively high accuracy.Finally,we applied the bio-optical inversion model to investigate changes in phytoplankton size structure induced by an anti-cyclonic eddy in the NSCS. 相似文献
13.
Application of MODIS in ocean color is mainly based on bands 8-16 with the spatial resolution of 1 000 m.This spatial resolution,however,can not meet the application demand of inland waters where the areas are relatively small.With the assumption of the black water at shortwave infrared(SWIR) wavelengths(>1 000 nm),we first propose an atmospheric correction method for bands 1 and 2 with their spatial resolution of 250 m,and we then establish a quantitative retrieval model for suspended sediment concentratio... 相似文献
14.
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
15.
YE Huping ZHANG Bing LIAO Xiaohan LI Tongji SHEN Qian ZHANG Fangfang ZHU Jianhua LI Junsheng 《中国海洋湖沼学报》2019,(5)
The absorption spectrum of phytoplankton is an important bio-optical parameter for ocean color hyperspectral remote sensing;its magnitude and shape can be affected considerably by pigment composition and concentration.We conducted Gaussian decomposition to the absorption spectra of phytoplankton pigment and studied the spectral components of the phytoplankton,in which the package effect was investigated using pigment concentration data and phytoplankton absorption spectra.The decomposition results were compared with the corresponding concentrations of the five main pigment groups(chlorophylls a,b,and c,photo-synthetic carotenoids(PSC),and photo-protective carotenoids(PPC)).The results indicate that the majority of residual errors in the Gaussian decomposition are0.001 m~(-1),and R~2 of the power regression between characteristic bands and HPLC pigment concentrations(except for chlorophyll b)was0.65 or greater for surface water samples at autumn cruise.In addition,we determined a strong predictive capability for chlorophylls a,c,PPC,and PSC.We also tested the estimation of pigment concentrations from the empirical specific absorption coefficient of pigment composition.The empirical decomposition showed that the Ficek model was the closest to the original spectra with the smallest residual errors.The pigment decomposition results and HPLC measurements of pigment concentration are in a high consistency as the scatter plots are distributed largely near the 1:1 line in spite of prominent seasonal variations.The Wozniak model showed a better fit than the Ficek model for Chla,and the median relative error was small.The pigment component information estimated from the phytoplankton absorption spectra can help better remote sensing of hyperspectral ocean color that related to the changes in phytoplankton communities and varieties. 相似文献