基于生物光学模型的水体多源遥感图像融合算法研究EI北大核心CSCD

针对内陆湖泊水环境遥感监测缺乏合适数据源这一问题,基于水体生物光学模型与传统图像融合算法,开发了一种适用于复杂内陆二类水体的生物光学融合(BOF)算法,用于融合多光谱数据和高光谱数据。利用Hyperion数据生成模拟数据集进行算法验证,并将实验结果与小波变换算法、Gram-Schmidt变换算法和色彩标准化算法分别进行对比,结果表明:从视觉效果来看,BOF算法较好地融合了高光谱数据的色彩信息和多光谱数据的空间细节信息;从图像精度指标来看,BOF算法不仅在多种分辨率差异下都得到最好的精度,且精度对分辨率差异不敏感;在叶绿素a浓度估算实验中,BOF算法也得到了最优的效果,均方根误差(RMSE)为9.817,其他三种算法的RMSE分别为18.841、15.913和15.655。新算法有较强的应用潜力,有望为内陆二类水体遥感监测提供更合适的数据源。     

基于光谱分类的总悬浮物浓度估算

总悬浮物浓度是水质评价的重要参数之一,传统的遥感反演估算模型忽视了光学性质多变、复杂的二类水体的差异性。本研究基于太湖、巢湖的星地同步实验,针对环境1号卫星多光谱数据,设立了水体光学分类方法,将研究水体分为二种类型,进而建立了适用于不同类型水体总悬浮物浓度的反演估算模型。得出以下结论：(1)基于光谱分类的方法可以提高总悬浮物浓度的反演估算精度;(2)对于类型一和类型二水体,分别使用指数模型和线性模型可以较好地反映总悬浮物浓度与反演估算因子之间的关系。     

基于辐射传输优化模型的二类水体大气校正

遥感影像的大气校正是水色参数反演的前提。以太湖为研究区,采用6S大气辐射传输模型以及近红外波段离水反射率模型相结合的方法。通过神经网络模拟大气辐射传输过程,并利用中分辨率成像光谱仪(MERIS)754、779、865、885nm 4个近红外波段进行光谱优化,求算550nm处气溶胶光学厚度等变量。通过外推,实现可见光波段的大气校正。将2007年11月11日、20日、21日,2008年11月20日MERIS Level 1p影像以及野外实测水体遥感反射率数据集用于精度验证,结果表明,该方法能够较好地反演水体遥感反射率光谱,校正后的13个波段的平均相对误差大多分布在20%~40%之间。与6S以及Beam 4.9软件自带的大气校正方法相比,具有较高的校正精度和较强的稳定性,在太湖有较好的适用性。     

基于光学闭合原理的太湖水体颗粒物后向散射特性模拟

后向散射系数是遥感传感器获取水体信息的来源,也是生物光学模型的重要输入参数。利用太湖春季和秋季实测数据,在生物光学模型的基础上结合光学闭合原理模拟了太湖春、秋季节水体颗粒物后向散射系数,进而分析了其光谱特性及颗粒物后向散射概率的时空变化。结果表明,太湖春、秋季节水体颗粒物后向散射系数与总悬浮物、无机悬浮物浓度均具有较高的相关性,而与有机悬浮物浓度的相关性则相对较低,颗粒物后向散射系数随波长变化指数n在太湖春季水体中的变化范围为0.66～1.84,平均值为1.29±0.25,而在太湖秋季水体中的变化范围为0.67～2.40,平均值为1.24±0.34;太湖春季水体颗粒物平均后向散射概率为0.030,而太湖秋季水体颗粒物平均后向散射概率为0.031,且无论是太湖春季水体还是太湖秋季水体,其颗粒物后向散射概率的波长依赖性均较弱。模拟吸收系数与实测吸收系数吻合较好,总体的平均相对误差均在18%以内。