排序方式: 共有62条查询结果,搜索用时 15 毫秒
51.
基于GF-1号卫星WFV数据的太湖水质遥感监测 总被引:9,自引:0,他引:9
为研究高分一号(GF-1)卫星数据监测太湖水质的可行性,基于新发射的GF-1卫星16 m分辨率的多光谱宽覆盖(wide field of view,WFV)相机和HJ-1A CCD数据,对太湖的叶绿素a、悬浮物、透明度和富营养化状况进行遥感监测,以评价GF-1 WFV相机的应用潜力。研究结果表明:GF-1 WFV与HJ-1A CCD数据对水质参数的反演结果具有一致性,可有效反映叶绿素a浓度、悬浮物浓度、透明度和富营养化指数的空间变化规律。其中,太湖西北部分布有少量水华蓝藻,在大面积蓝藻爆发区域附近,叶绿素a浓度明显高于其他区域的水体,平均浓度为62.46 mg·m-3;悬浮物浓度以竺山湾及西部沿岸湖区较大,沿西北向东南方向递减,平均浓度为26.07 mg·L-1;透明度整体从西北向东南递增,与悬浮物浓度的分布趋势相反,平均值为22.1 cm;富营养化指数整体从西北向东南递减,与叶绿素浓度的分布趋势相同,平均值为69.62。遥感监测指标的结果均符合常规监测规律。 相似文献
52.
基于太湖实测散射系数数据估算水下平均散射次数,结合Hydrolight软件模拟水下平均余弦,对二者的相关关系进行分析;根据单个样点、各个水层求算的水下平均余弦经验模型,确定水下平均余弦估算的最佳模式为二次方程,利用二次方程的二次项、一次项和常数项系数与平均散射次数的高度相关性,建立了利用平均散射次数估算二次方程系数的模型,从而建立了利用平均散射次数计算水下平均余弦的经验模型.模型检验表明:0.6m深度平均误差不高于1.712%,0.9m深度平均误差不高于1.982%,1.2m深度平均误差不高于2.05%,1.5m深度平均误差不高于4.22%,4个深度总的平均误差不高于2.491%. 相似文献
53.
基于HYDROLIGHT光学模拟软件模拟水表面以下辐照度比R(0~-)和参数f值,着重分析多次散射作用对f值的贡献率以及太阳天顶角、风速和b_b/(a+b_b)对贡献率的影响,结果表明:多次散射作用对参数f的贡献率受到太阳天顶角、风速和b_b/(a+b_b)的共同影响,使得多次散射作用具有一定的时空差异;贡献率P_(ms)在太阳天顶角从0(°)~85(°)的范围内,随太阳天顶角的增加呈现波动状态,但这种波动随b_b/(a+b_b)值的增加而减弱,P_(ms)在0m/s到4m/s的范围内存在较大的波动,而当风速增加到4m/s时,几乎不随风速的变化而变化;多次散射作用对参数f的贡献率最大值可以达到24.41%,因此在内陆湖泊高散射特性水体中必须考虑多次散射作用对R(0~-)的影响. 相似文献
54.
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
55.
56.
典型小流域土地利用景观生态评价方法及其应用研究--以浙江仙居县永安溪为例 总被引:8,自引:0,他引:8
通过对浙江省东部仙居县永安溪流域选取位于上、中、下游地段的3个乡镇,分别进行景观生态评价研究,主要是对各类斑块的面积、分维数、伸长指数、最小距离指数等计算,发现从上游到下游的土地利用方式发生了较大变化,如耕地所占比例有所增加,而乔木林地所占比例则相应降低。此外,人工干扰形成的耕地、居民点的平均斑块面积从上游到下游逐渐增加,表明居民的聚居程度逐渐增强。土地垦殖和耕作水平也发生了变化。在3个乡镇中,人工景观如耕地、园地、居民点的最小距离指数均小于人工干扰较少的景观(乔木林地、未利用地等)。在3个乡镇中分别选取居民点面积最大的3个斑块,并以这3个斑块为中心,分别建立了距离为1000m和2000m的缓冲区(缓冲区A和B),均发现在中游地段的破碎度最大,下游次之,上游最小。除缓冲区A外,在缓冲区B和乡镇范围内,随着人为干扰的增强,多样性指数增大,优势度降低。 相似文献
57.
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
58.
基于季节分异的太湖叶绿素浓度反演模型研究 总被引:4,自引:0,他引:4
叶绿素浓度反演算法主要有经验方法、半经验/分析方法和分析方法,其中半经验/分析方法应用最为广泛。但是反演的模型以及模型中的参数和反演精度都随着水体中叶绿素浓度的变化而改变。不同的季节水体中叶绿素浓度不同,水体反射光谱曲线特征和与叶绿素浓度相关性较高的敏感波段也不一致,使得各季节选用的反演模型和模型中的参数也存在一定的差异。本文在对2005年1—10月份叶绿素a(Chla)浓度季节差异进行分析的基础上,对4—10月份同步测量的水体光谱数据分春、夏、秋三个季节进行分析,分季节建立叶绿素浓度反演模型,并对它们进行比较,旨在为各季节选择最佳的反演模型。研究结果表明:春季和秋季选用波段比值算法反演精度较高,其中对数模型,线性模型和一元二次模型都有较高的相关性;夏季选用微分算法较好,该算法所建立的三种模型均具有较高的相关性。 相似文献
59.
60.