基于半分析算法的海岸带和内陆水体悬浮物浓度遥感估算

水体总悬浮物(TSS)会影响光在水体中的传播过程及水体的生态功能,在水生生态系统中起着重要作用.基于2009～2014年在太湖、巢湖、鄱阳湖、珠江口和大亚湾采集的生物-光学数据,分析了TSS浓度变化的遥感响应波段,构建了海岸带和内陆水体TSS浓度遥感定量估算模型,并结合VIIRS(Visible infrared imaging radiometer suite)卫星遥感数据揭示了水体TSS浓度的时空分布特征.结果 表明,由不同水体组分贡献的比值模型[Rrs(865)/kd(555)]可以解释81％的TSS浓度变化,其中,Rrs(865)为865 nm处的遥感反射比,kd(555)为555 nm处的水体衰减系数.相比已报道的其他经验模型,本模型的估算精度有明显提高.验证结果表明,该模型可适用于海岸带和内陆水体,将其应用于预处理后的VIIRS卫星遥感数据,揭示了太湖和珠江口水域水体TSS浓度的空间和季节变化规律.     

近红外波段二类水体悬浮物生物光学反演模型研究

通过野外高光谱仪对二类混浊水体进行光谱测量,分析了400～1 200 nm范围内的水体光谱特性。显示高浓度悬浮物含量对水体总的反射率贡献较大,在近红外波段处的808和1 067 nm存在较为明显的悬浮物反射峰。基于对水体固有光学特性参数在近红外波段范围内的简化条件,建立了反演悬浮物浓度的生物光学模型经验公式,并通过与线性和指数反演公式的对比,进行了模型反演精度评价。分析结果表明,基于近红外波段的生物光学模型反演精度较高,可有效地提取二类混浊水体的悬浮物浓度信息。     

汉石桥湿地水质参数光谱分析与遥感反演

水质可见光近红外遥感监测是通过研究水体反射光谱特征与水质参数之间的关系,建立水质参数反演算法进行的。与传统水质监测方法相比,遥感技术监测水质可以快速反映区域水质在空间和时间上的分布情况和变化。文章以汉石桥湿地水体水质为研究对象,通过在可见光近红外波段分析光谱仪和ASTER遥感影像的水质参数特征光谱,建立了水质参数与最佳波段及其组合的多元线性回归方程。研究结果表明,基于地面光谱仪的光谱特征分析可为航天遥感特征波段的选择提供依据,但估算模型不能通用。基于AS-TER遥感的水质参数特征光谱其波段比值相对向长波方向移动,研究最终在分析ASTER遥感特征波段基础上,构建水质参数估算模型,并通过该模型得到目标水质参数空间分布图,实现了对湿地水质时空变异的遥感监测。     

GF-1与GF-6 WFV影像在滇池悬浮物浓度反演中的对比分析

总悬浮物(TSM)是水环境评价的重要参数之一,也是遥感水质反演的重要指标。GF-1/WFV和GF-6/WFV作为高分系列对外免费开放的卫星数据,在遥感监测中的应用较为广泛,但目前针对两种数据的对比分析以及GF-6/WFV新增波段在水体水质参数反演中的适用性研究较少。以云南滇池水域为研究区域,对与水体实测数据同步过境(或时相相近)的GF-1/WFV和GF-6/WFV遥感影像采用统计分析的方法进行相同波段(蓝、绿、红、近红外)一致性分析,在此基础上运用经验回归方法分别构建两种数据的TSM反演模型,并将加入GF-6/WFV新增波段的模型与GF-1/WFV构建的模型进行对比分析,选择最优模型应用于滇池2020年的6幅GF-6/WFV图像得到滇池TSM分布图。结果表明：GF-1/WFV与GF-6/WFV的蓝、绿、红、近红外波段的相关系数分别为0.98, 0.98, 0.97和0.99,两种数据的表观反射率具有很高的一致性。GF-1/WFV基于蓝、绿、近红外波段构建的差值模型“B2+B4-B1”反演精度较高,模型反演的均方根误差为6.35 mg·L^-1,平均绝对百分比误差为2...     

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...     

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。     

基于生物光学模型的水体叶绿素浓度反演算法

文章提出了一种基于生物光学模型的二类水体叶绿素浓度反演算法.本算法根据生物光学模型,利用一系列已知各组分浓度的反射光谱计算各组分的吸收和后向散射系数,然后采用非负最小二乘法解得叶绿素浓度.研究是在实验室内进行了绿藻的培养,且在暗室内测定了具有不同叶绿素和非藻类悬浮物浓度的水体样本的反射光谱.并把实验室测得的反射光谱重采样到Landsat TM对应的波段以检验该算法在TM数据中的适用性,同时比较了利用不同TM波段组合反演叶绿素浓度和非藻类悬浮物浓度的精度.结果表明,对于绿藻而言,利用TM第二、三、四波段反射率数据的组合反演时的效果最好,叶绿素浓度反演结果的均方根误差为4.7 ug·L-1,其精度明显优于传统的回归分析算法.     

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。     

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。     

水体组分光谱耦合效应研究

自然水体不同组分光谱之间存在复杂的耦合作用机制,由此导致水体光学特性的高度复杂性,给水质参数遥感反演带来了很大的不确定性,目前对此缺乏系统性认识。基于水体光学Monte Carlo高光谱模拟,研究了典型可遥感水质参数叶绿素a(Chl.a)、总悬浮物(TSM)与黄色物质(CDOM)光谱特征之间的耦合效应。结果表明：水体组分之间的光学影响具有不对等性;Chl.a与CDOM的存在不影响TSM信息提取时特征波段的选择;由Chl.a主导的水体对TSM的信息提取影响甚微,而TSM对Chl.a反射光谱产生的影响非常显著。随着TSM浓度不断增加,Chl.a的浓度对反射率的响应不断减弱,当TSM浓度达到一定水平时,Chl.a的反射光谱对其浓度的变化完全失去响应。即使在Chl.a敏感的特征波段670 nm,当TSM较高时,其光学特性可完全湮没Chl.a的光谱响应,使得在高浓度TSM的水体中提取Chl.a的浓度信息非常困难。CDOM的存在使得蓝绿波段比值算法在Chl.a在中高浓度时失效;由TSM主导的水体比由Chl.a主导的水体对CDOM的光学影响更为显著,TSM对于短波区域CDOM的光学特性具有更强的抑制性。研究结果可为水质遥感波段的选取、水体组分反演算法的适用浓度范围及水色卫星传感器的波段设置等方面提供了理论基础,尤其对于二类水体水质遥感的发展具有较大的促进作用。     

植被氮素浓度高光谱遥感反演研究进展

氮素是植被进行生命活动的必需元素,它在蛋白质、核酸、叶绿素和酶等物质的生物合成中起重要作用,并在植被的光合作用中起到关键作用。植被氮素浓度高光谱遥感反演技术是自20世纪70年代以来的研究热点。近年来随着高光谱遥感技术的发展,可将光谱波段在某一光谱区域进行细分的优势,为与植被氮素相关的光谱特性研究提供了有力的技术手段。结合近几年主要地理科学文献上发表的植被氮素浓度高光谱遥感监测的最新研究成果,介绍了植被氮素浓度高光谱遥感监测的原理及相关问题。从植被氮光谱指数、叶绿素指数的植被氮含量反演、回归模型和反演植被氮浓度影响因素的消除方面,详细介绍了植被氮素浓度高光谱遥感反演这四个方面的主要技术方法,总结分析了研究结论,并讨论了研究发展趋势。     

舟曲泥石流源区土壤分散性高光谱探测模型

通过开展土壤分散性高光谱测量实验,首次明确了舟曲泥石流源区土壤分散性敏感波段位置、建立了土壤分散性高光谱探测模型、探讨了土壤分散性高光谱探测机理。结果表明,（1）傅里叶变换可以将光谱从时间域转换为频率域,实现对光谱信号与噪声的分离。通过开发矿物组分精细鉴别系统,实现了光谱去噪,为构建土壤分散性高光谱探测模型提供了高保真数据源; （2）基于多元线性回归分析法建立的土壤分散性高光谱探测模型在研究区具有较好的预测能力,所确定的敏感波段位置及其反射率与土壤分散性具有较高的相关性; （3）分析矿物光谱结果表明,土壤分散性高光谱探测的敏感波段位置实际上反映了土壤矿物组分及其所吸附的离子类型,揭示了导致土壤分散的深层原因： 与舟曲泥石流源区土壤分散性关系最为密切的是钠离子,其次是方解石、蒙脱石和伊利石,与绿泥石、高岭石、pH值、石英、钾长石、斜长石等的相关性较弱。其原因主要是与钠离子所具有的离子价低、半径小、水化力强的特点,方解石所具有的水溶性特点,蒙脱石所具有的层间结合力极弱、易吸附钠离子的特点,伊利石在高PH值条件下所具有的强吸附阳离子、高土壤分散性的特性有关。     

基于叶片高光谱特性分析的树种识别

高光谱遥感技术的出现将为解决森林树种的精细识别难题提供有效的途径。利用高光谱遥感技术进行树种鉴别时,光谱特征的选择及提取是个非常重要的过程。与多光谱数据相比,高光谱数据具有波段多、数据量大、冗余度大等特点。该文利用光谱微分法对原始光谱数据进行处理,分析不同树种原始光谱、光谱一阶微分和光谱二阶微分曲线图,从中选择差异较大的波段用于鉴别不同树种。最后利用欧氏距离对所选择的波段进行检验识别不同树种的效果,检验的结果显示选择的波段能有效地区分不同树种。区分不同树种的有效波段大都位于近红外波段, 并且差异最大的波段也是近红外波段,其分别为1 657～1 666和1 868～1 877 nm。     

内陆河道表层水体反射光谱的走航观测研究

现场水体光谱观测是水体光学性质、水色遥感反演建模等研究不可或缺的基础性工作之一.常规的倾斜观测方法受其较为严格的观测几何条件限制,需要依据船体位置、太阳方位等不断调整观测角度,特别是针对河道水体光谱观测时,还须考虑河道走向、岸线遮蔽物等情况,因此,只能设置若干站点进行离散样点的观测,难以在岸线环境较为复杂的河道水体开展...     

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HJ-1A-HSI提取稀土元素地球化学异常信息研究

稀土元素的特征谱带基本不随赋存状态的不同而变化,不能用于矿物种类的探测,却能够证实其自身的存在。通过研究稀土元素及其化合物在遥感可见光-近红外波段的光谱特征,分析了稀土元素含量与特征谱带吸收指数的定量关系。以内蒙古白云鄂博稀土富集地区为例进行试验,通过采集矿区典型岩矿标本的光谱、测试分析样品中Nd含量,表明Nd含量与各特征谱带的吸收深度、吸收指数均存在明显的正相关线性关系,相关性均在0.778以上。其中,726～772 nm谱带的吸收指数与Nd含量相关性最好,达到0.937。在此基础上,结合HJ-1A-HSI高光谱遥感数据的波段设置,构建了定量反演Nd含量的最优模型,并以此反演了区域Nd元素遥感地球化学异常信息。结果表明：与1∶20万水系沉积物地球化学异常对比,二者总体相关性良好。为快速获取区域稀土元素地球化学异常提供了新的手段。     

基于光谱曲线形态的高光谱影像检索方法研究

随着传感器技术、数据通讯技术的飞速发展,利用各种机载和星载传感器,己经获取到各种不同的海量遥感影像数据。巨大的数据量带来了数据存储和管理的问题,如何实现从海量影像数据中检索出我们所需要的信息显得十分迫切。影像检索最早由Chang于1980年提出,是对传统信息检索的扩展。针对海量遥感影像高效检索的需求和高光谱遥感影像波段数目多的特点,分析了影像检索中的影像距离函数和相似性度量问题,基于经典的曲线简化Douglas-Peucke算法(简称DP算法)提取光谱曲线的形态特征,利用“提取特征”的思想,提出了基于DP算法的光谱曲线和影像检索(简称DPSR)方法,将光谱形态特征应用于影像检索当中。DPSR利用光谱曲线上的特征点,减小了计算量,实现了有效地匹配和检索,适合高光谱遥感影像的光谱检索。文章选择了OMISI高光谱数据的四种易混分地类进行了相似性度量的对比实验。通过与常规的分析方法光谱角匹配(SAM)、光谱信息散度(SID)的对比可以看到,DPSR在较少计算量的情况下能保持较高的计算精度,提供了一种新的影像光谱高效检索方法。此外,文章还提出了尚待进一步研究的问题。     

富营养化水体环境中COD浓度遥感监测系统设计

对富营养化水体环境中COD浓度进行遥感监测,可以预防富营养化水体环境中COD浓度增加,提高水体水质,增加水循环次数,减少水体中有机物的污染。当前富营养化水体环境中COD浓度遥感监测系统设计方法,以Modis遥感影像数据为原理,依据富营养化水体环境中COD浓度的特征提取结果,对富营养化水体环境中COD浓度进行遥感监测,没有具体对遥感监测系统进行详细地设计,无法获取富营养化水体环境中COD浓度高精度的遥感监测信息,存在遥感监测结果偏差大的问题。提出了一种基于Zigbee的富营养化水体环境中COD浓度遥感监测系统设计方法。该方法先对Zigbee的富营养化水体环境中COD浓度遥感监测系统进行硬件设计,采用IMF对富营养化水体环境中COD浓度进行特征提取,以特征提取结果为基础,依据COD浓度指数时间序列实现富营养化水体环境中COD浓度遥感监测,最后利用Retinex法对COD浓度遥感监测的图像进行处理,完成对富营养化水体环境中COD浓度的遥感监测。仿真实验结果证明,所提系统设计方法可以精确地对富营养化水体环境中COD浓度进行安全快速的遥感监测。     

利用无人机搭载的多光谱相机直接测定地表反射率的新方法

目前,无人机获取的多光谱遥感数据已被广泛应用于农业、林业、环境等领域的定量监测中.然而,现有的将多光谱遥感数据转换为地表反射率的方法,仍然存在一定的缺陷,如需要依赖地面参考板、无法适应光照条件变化、得到的结果不准确等,从而影响了多光谱遥感数据定量化应用的效果.为了解决该问题,提出了一种可以利用无人机搭载的多光谱相机,直...     

光谱测定黑河上游土壤有机质的预测模型

地面高光谱遥感光谱分辨率高,能详细地反映地物波谱特征;多光谱遥感时域宽,覆盖范围广,对较大时空区域的地物特征反演具有更大的优势。探求以不同反射率指标的土壤有机质含量预测模型,及其敏感波段,可以结合两种光谱数据的优点,为研究土壤有机质含量的时空变化规律提供新途径。本研究选取黑河上游223个土壤样品测定其有机质含量和高光谱曲线,应用原始光谱曲线反射率(λ)、倒数(REC)、倒数之对数(LR)、归一化(CR)和一阶微分(FRD)五种指标,采用逐步线性回归分析方法建立预测模型。通过统计检验,结果表明,以反射率指标为自变量的模型预测效果最佳,其相关系数(r)和均方根误差(RMSE)分别为：0.863和4.79。最优模型中得出的敏感波段有TM1内的474 nm、TM3内的636 nm和TM5内的1 632 nm。研究结果可为使用TM遥感数据反演黑河上游土壤有机质含量提供参考。