基于环境一号卫星超光谱数据的多元回归克里格模型反演湖泊总氮浓度的研究

水体中总氮含量是表征湖泊水质的主要指标,利用遥感技术对其动态定量监测可以及时掌握湖泊污染状况.文章以巢湖为例,利用HJ-1A卫星HSI超光谱遥感数据,通过分析总氮与叶绿素a、悬浮物的相关性,采用回归克里格方法建立总氮浓度的定量反演模型,实现了对巢湖水体总氮浓度的反演.结果显示,波段B72,B79和B97的多元线性组合与...     

水体高光谱反演混合光谱空间信息分解模型研究

水体高光谱中的混合效应问题是水体定量遥感中的难点。已有研究表明,仅依赖标量光谱信息难以解决复杂的水体混合光谱问题。广域水体污染物除光谱信息之外,还具有明显的空间分布特性。充分利用其空间维信息,可以作为遥感光谱维信息的有益补充,有利于水体复杂光谱的解混。以巢湖为例,HJ-1A HSI高光谱数据为数据源,辅以水面光谱测量数据,在空间地统计学和遗传算法理论基础上,利用地统计学中的变异函数模拟相邻空间两像元的分布差异,将邻域像元空间变异函数作为遗传算法目标函数的约束条件,建立基于协同克里格遗传算法的湖泊水体高光谱反演混合光谱空间信息分解模型,并对悬浮物浓度反演结果进行检验。结果显示,与常规混合光谱分解模型相比,混合光谱空间信息分解模型对悬浮物浓度的预测值与实测值相关系数为0.82,均方根误差9.25 mg·L-1,相关系数提高了8.9%,均方根误差下降了2.78 mg·L-1,表明该模型对悬浮物浓度具有较强的预测能力。该方法将水体的空间信息与光谱信息有效结合,可以避免水色参数光谱信号弱导致反演结果失真,同时由于高光谱波段多、信息量大,带来信息提取计算量大而复杂等问题,也为复杂水体混合光谱模型的求解和模型反演精度的提高提供了有效途径。     

湖泊水体叶绿素偏振高光谱反演模型研究

光进入水体中,经反射、 散射和吸收后,出射的偏振光与水体的物理、 化学特性密切相关,能够反映水体成分浓度的变化,可以作为高光谱遥感的有益补充,有利于动态定量监测湖泊复杂水体成分的变化。研究工作以巢湖为例,利用水面高光谱偏振多角度测量数据,在偏振光学理论和生物光学模型的基础上,建立了湖泊水体叶绿素三波段偏振高光谱半分析模型,并对模型进行检验。结果显示,偏振高光谱三波段组合与叶绿素浓度拟合的相关系数为0.844,均方根误差5.14 μg·L-1,平均相对误差31.44%,比传统的三波段辐射强度模型分别提高了4.1%,2.05 μg·L-1和5.46%,表明三波段偏振半分析模型对叶绿素a浓度具有较强的预测能力,体现出运用偏振高光谱信息监测湖泊水质的优势。     

基于定量遥感反演的内陆水体藻类监测

叶绿素作为衡量湖泊富营养化的重要指标,利用遥感技术对其进行实时动态监测具有重要意义。以太湖为例,通过对水体实测光谱和水质采样数据的分析,建立了光谱反射率比值与叶绿素a浓度的回归模型。结果显示,700 nm附近波段与625 nm附近波段所构建的比值模型R2最高,710 nm以后波段与其他可见光波段所构建的比值模型的R2会随可见光波长的增大而逐渐下降。在高光谱遥感估算模型的基础上,应用同步MODIS卫星遥感数据进行了太湖叶绿素a浓度的空间分布反演,并基于MODIS绿度指数建立了太湖藻华水体信息提取模型,从叶绿素a浓度估算和藻华信息提取两个方面实现了太湖藻类空间分布特征的定量反演,为太湖等大型内陆水体藻类的实时定量遥感监测提供了新的研究思路。     

内陆湖泊富营养化水体散射系数模型研究

2008年11月、2009年4月、2009年6月分别对太湖水体56,31个样点、巢湖水体30个样点进行野外实验。对散射系数与总悬浮物浓度之间的关系进行分析,建立不同季节、不同湖泊散射系数与总悬浮物浓度之间的关系模型,得到比散射系数;建立了不同季节和湖泊的散射系数光谱模型;运用生物光学模型,估算出后向散射概率,并讨论其波谱的依赖性。结论为:1)太湖水体不同季节以及巢湖水体的散射系数与总悬浮物浓度具有较为稳定的线性关系;2)太湖水体不同季节以及巢湖水体具有较为稳定的比散射系数,其值约为0.63m2/g;3)太湖不同季节的水体、巢湖水体的散射系数具有较为稳定的光谱模型;4)太湖不同季节的水体、巢湖水体的后向散射概率并无光谱依赖性。     

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。     

水体悬浮泥沙的偏振光谱特性研究

基于离水辐射的湖泊水体遥感通过反演与光谱关系密切的悬浮泥沙、浮游植物和黄色物质等要素的浓度来实现对水质状况的评估,然而由于湖泊水体的复杂性以及不同要素间的相互干扰,现有的基于反射率光谱的分析方法难以准确反演这些要素。从悬浮泥沙水体离水辐射的反射率、偏振光谱特性出发,给出敏感波段处悬浮泥沙浓度与反射率、偏振度之间的关系,比对了基于反射率以及基于偏振度的两种反演方法在实验室水体、巢湖水体中的应用效果。研究结果表明,在湖泊复杂水体条件下,水体的偏振信息具有比反射率更加良好的抗干扰能力,显示偏振度信息在湖泊水质遥感上存在着重要的应用潜力。     

基于固有光学量的高光谱数据反演城市河网水质

水体辐射传输模型是水体光谱特性分析的理论基础,水体固有光学量由水体组成决定,与水体表面光场无关。基于统计的半经验算法虽然能获取指定区域水质参数反演结果,但是缺乏物理意义;基于生物光学模型的分析算法,针对城市河网内陆Ⅱ类水体光学特性复杂、空间分布异质性强、水体细小、流动性大等特点,利用高光谱数据,研究基于固有光学量的城市河网水质参数反演模型,对内陆城市浑浊水体光谱特性研究具有重大意义。提出了适用于内陆城市河网水体的改进QAA算法,以获取水体固有光学量,改进包括后向散射估计模型调整和参考波段优化两个方面;计算参考波段总吸收系数、颗粒物后向散射系数等固有光学量,得到浮游植物吸收系数和剔除纯水吸收系数;对浮游植物吸收系数最优波段比值与叶绿素a浓度进行线性回归分析,构建叶绿素a水质浓度反演模型,对剔除纯水吸收系数最优波段比值与悬浮物浓度线性回归分析,构建悬浮物水质浓度反演模型。针对内陆河网Ⅱ类水体,以典型的河网城市嘉兴市为研究区域,获取了研究区域航空高光谱数据,以及水质采样化验数据和水面以上光谱数据等地面准同步测量数据;利用QAA算法和IIMIW算法对实测水面以上光谱进行固有光学量反演,对比分析两个算法并结合城市河网水体特点,提出改进QAA算法;利用改进的QAA算法实现了研究区域水体的固有光学量反演,基于反演的水体固有光学量建立了叶绿素a浓度和悬浮物浓度两项水色参数定量反演模型,反演模型决定系数R2分别为0.64和0.71;并用航空高光谱数据同步区域的4个地面样点实测数据,对反演结果进行验证分析。通过水质参数浓度反演值与实测值的对比,叶绿素a和悬浮物水质浓度反演的平均相对误差分别为9.2%和9.4%,反演得到的叶绿素a和悬浮物浓度分布图,也与城市河网的特点和实际情况相符,为城市河网水质监测提供方法和模型参考。     

基于珠海一号高光谱卫星的巢湖叶绿素a浓度反演

叶绿素a是重要的水质参数,可以衡量水体的富营养化程度。遥感技术可以实时、快速、大范围地获取水体中叶绿素a的浓度与分布,对于水生态环境的评价及治理具有重要意义。内陆水体的光谱特征复杂,宽波段的多光谱遥感难以精确获取水体的光谱信息。国产珠海一号高光谱卫星因其光谱分辨率高,波段多等优势在内陆湖泊的遥感监测中具有广阔的应用前景。基于珠海一号高光谱数据,充分发挥其高光谱分辨率的优势,对巢湖的叶绿素a浓度进行反演,从影像中提取实测点处的遥感反射率曲线,筛选具有显著光谱特征的波段,并以OIF指数衡量不同波段组合获取水体组分信息的能力,以此构建与实测叶绿素a浓度相关性较高的波段组合。结果表明珠海一号OHS-2A星影像的14,16和19波段所构建的三波段模型[R_rs(700 nm)-1-R_rs(670 nm)-1]×R_rs(746 nm)在巢湖的叶绿素a浓度反演中取得了较高的精度,相对误差和均方根误差分别为19.97%和10.85 mg·m-3。由模型反演巢湖2019年5月10日的叶绿素a浓度空间分布图可知,叶绿素a浓度自东向西呈上升趋势,全湖南部和东北部的叶绿素a浓度较低,西巢湖的北部叶绿素a浓度最高。西巢湖的整体叶绿素a浓度是全湖最高的,尤其是其北部水域,水质情况较差,已经出现了一定面积的水华,其主要原因在于该地区紧邻合肥市,人类活动强烈,污水废水排放量大。珠海一号高光谱卫星对于内陆湖泊的水质反演具有一定的优势,但也存在着数据处理困难,波段利用率低,反演模型普适性差等局限,今后仍需借助珠海一号高光谱数据开展更多的湖泊遥感研究,不断提出高光谱遥感影像处理的新方法,提高反演模型的精度与普适性,充分挖掘数据源的潜力,使其更好地服务于水质的遥感监测工作。     

基于GOCI影像分类的太湖水体叶绿素a浓度日变化分析

叶绿素a浓度(Chlorophyll-a: Chl-a)是内陆水体重要的水质参数之一,遥感数据为其提供了大范围、多时相的监测信息,然而由于内陆湖泊水色要素复杂的光学性质及较大的时空差异,传统的遥感影像及单一的Chl-a反演模型在应用中存在着局限性。因此本研究以太湖为研究区,时间分辨率1小时的静止海洋水色卫星Geostationary Ocean Color Imager(GOCI)为数据源,在基于层次聚类法实现归一化实测光谱反射率分类的基础上,利用光谱角测距匹配实现2012年5月6日(08:16—15:16) 8景GOCI太湖影像的水体分类;并针对不同水体类型分别建立基于GOCI影像的Chl-a反演模型,实现不同类型水体的Chl-a浓度反演。结果表明,太湖水体光谱可分为四类,类型1光谱体现出漂浮藻类的特征,可将其作为蓝藻水华的判定依据;类型2—4体现的特征分别为水体含有较高Chl-a浓度、较高悬浮物浓度及相对较低Chl-a较低悬浮物浓度;并且类型2—4与分类前相比,其分类模型估算的Chl-a浓度误差均得到了不同程度的提高,平均相对误差分别降低了7%,12.3%和15.9%;此外,GOCI影像反演结果不仅可以很好地反映Chl-a浓度的空间分布状况,也能反映出太湖Chl-a浓度的日变化差异及规律,表现出了其在富营养化污染动态监测及预警中的应用潜力。该方法在GOCI影像中的应用,在提高Chl-a浓度反演精度的同时也提高了模型在实际应用中的适用性,为日后太湖水体不同时刻Chl-a浓度的精确估算提供了基础。