基于无人机高光谱遥感的冬小麦全氮含量反演

氮素是作物生长发育必需的营养元素之一,作物的全氮含量是表征其氮素状况的主要指标。田块尺度的冬小麦全氮含量空间分布监测可以辅助其精准定量追肥,减少环境污染。无人机高光谱遥感具有分辨率高、时效性高、成本低等优势,可为作物长势信息反演提供重要数据源。XGBoost（extreme gradient boosting）作为一种新兴集成学习算法,运行效率高,泛化能力强,可以有效的应用于构建冬小麦全氮含量遥感反演模型,预测田块尺度冬小麦全氮含量空间分布。以农业部蒙城砂姜黑土生态环境站内拔节期冬小麦为研究对象,开展以下工作: （1）以低空无人机搭载高光谱成像仪获取冬小麦拔节期冠层成像光谱影像,结合地面采样数据,获取126个样点全氮含量数据;（2）分析拔节期冬小麦冠层光谱特征,并根据Person相关系数分析176个波段的光谱反射率与全氮含量之间的相关性;（3）构建基于XGBoost算法的不同土壤肥力条件下拔节期冬小麦全氮含量无人机高光谱反演模型。结果表明: （1）176个波段（400~1 000 nm）的光谱反射率与冬小麦全氮含量之间具有较强的相关性,除了735.5 nm外其他波段光谱反射率与全氮含量之间的相关系数均大于0.5;（2）基于XGBoost算法构建的拔节期冬小麦全氮含量无人机高光谱遥感反演模型具有较高的反演精度（R2=0.76,RMSE=2.68）;（3）基于XGBoost算法的冬小麦全氮含量反演模型可以获取不同土壤肥力条件下田块尺度的全氮含量空间分布图,总体上呈现较为显著的空间差异。该研究可为冬小麦精准定量追肥提供一定的科学依据,也为发展无人机高光谱遥感的精准农业应用提供了参考。     

土壤全氮反射光谱估算机理研究

反射光谱技术具有快速、便捷等特点,过去几十年中将其应用于土壤科学的研究呈指数增长,且广泛用于土壤属性估算。土壤全氮含量是一项非常重要的肥力指标,光谱估算全氮含量可以为实现精准农业提供重要支持。但反射光谱估算土壤全氮含量是基于全氮与有机碳的相关性还是基于氮本身的吸收特征仍然存在争议。本文以江苏滨海土壤为研究对象,利用偏最小二乘法分别构建全氮和有机碳在相同建模样本量、不同全氮含量及变异程度情况下的估算模型,通过分析模型精度变化规律及全氮与有机碳估算模型系数的相关性,探讨土壤全氮反射光谱估算机理。结果表明,该地区土壤为1 000年来滨海滩涂经人为耕作发育形成,全氮含量不高,有机碳含量偏低。全氮与有机碳之间存在较强的相关性,相关系数高达0.98。土壤全氮含量估算精度随样本集全氮含量的平均值、标准差增大出现先增加后略有减小的变化规律,与变异系数的变化规律相一致。当全氮含量较低时(样本平均值小于0.27 g·kg-1),土壤全氮与有机碳相关系数也较小,实现反射光谱估算全氮是基于氮的吸收特征;当全氮含量较高时(样本平均值大于0.29 g·kg-1),全氮与有机碳相关性较强且有机碳模型精度高于全氮,说明有机碳对光谱曲线的影响随其含量增加而增大,并掩盖了氮的吸收特征,实现反射光谱估算全氮是基于其与有机碳的相关性。该研究揭示了土壤反射光谱估算全氮含量的机理,从而为反射光谱快速估算土壤全氮含量提供理论依据。     

基于无人机成像高光谱估算马铃薯植株氮含量

植株氮含量(PNC)是评价作物长势和氮营养状况的重要指标,因此,准确高效地获取PNC信息,对动态监测马铃薯长势及精准施控氮肥具有重要意义。首先于马铃薯现蕾期、块茎形成期、块茎增长期、淀粉积累期和成熟期获取无人机高光谱影像,并基于预处理的影像提取5个生育期冠层的原始光谱和一阶微分光谱;其次将提取的冠层光谱与马铃薯PNC进行相关性分析,筛选出PNC的敏感波长;然后分别利用灰度共生矩阵和1～3阶颜色矩,提取冠层原始光谱特征波长处高光谱图像的纹理和颜色2种图像特征,并将提取的特征与马铃薯PNC进行相关性分析,筛选出相关性较高的前5个图像特征;最后分别基于光谱特征、图像特征和图谱融合特征利用弹性网络回归(ENR)、贝叶斯线性回归(BLR)和极限学习机(ELM) 3种方法建立马铃薯PNC估算模型。结果表明：(1)马铃薯5个生育期的冠层光谱特征波长存在差异,但多数位于可见光区域。(2)冠层原始光谱特征波长图像的纹理和颜色特征与PNC的相关性较高,且现蕾期到淀粉积累期的相关性明显高于成熟期。(3)基于单一光谱特征和单一图像特征构建的马铃薯PNC估算模型在现蕾期到淀粉积累期效果较好,成熟期效果较差。(4...     

星载成像高光谱的湿地景观光谱特征分析

光谱特征是地物的固有属性,分析地物光谱不仅有助于提高地物识别精度,也是定量遥感研究的基础.然而受限于尺度效应,近地空间采集的光谱与遥感像元尺度的光谱往往差异较大.因此,在遥感像元尺度上揭示湿地典型景观地类的光谱特征,将有助于大尺度湿地遥感分类和植被参数反演精度的提高.以华北平原典型的草型湖泊湿地南阳湖为对象,基于EO-...     

紫色土土壤全氮和全磷含量的高光谱遥感预测

高光谱遥感技术是土壤养分预测的有效手段之一。以三峡库区王家沟小流域为研究区,在对土壤样本的理化性质和实验室反射光谱数据分析和测量的基础上,用偏最小二乘回归方法建立了紫色土土壤全氮和全磷含量的预测模型,并用33个水稻土土壤样本对紫色土土壤养分预测模型进行了验证。结果显示,紫色土土壤全氮预测模型得到的土壤样本预测值和实测值之间的总相关系数达到了0.672,而紫色土土壤全磷预测模型得到的相关系数只有0.498; 用紫色土土壤养分预测模型对水稻土土壤养分进行预测得到的相关系数分别为0.550和0.124。因此,用高光谱来预测紫色土土壤全氮含量具有一定的可行性,但高光谱对于紫色土全磷含量的预测效果相对较差;土壤养分预测模型在不同类型土壤之间并不具有很好的通用性。     

南疆农田土壤全氮含量的中红外光谱反演模型

快速准确监测农田土壤全氮含量,可显著提高土壤肥力诊断与评价工作的效率。传统测定土壤全氮的方法存在耗时费力、成本高、环境污染等缺点,而基于光谱学原理的土壤全氮定量方法克服了传统测量的劣势。中红外(MIR)光谱相较于可见光-近红外(VNIR)光谱而言,具有更多的波段数和信息量,如何利用中红外光谱监测土壤全氮含量是具有重要应用前景的研究课题。为了探索中红外光谱对土壤全氮监测的可行性,以新疆南疆地区采集的246个农田土样为研究对象,以室内测定的全氮含量和中红外光谱反射率数据为数据源,分析了不同全氮含量土样的中红外光谱特征差异,以主成分分析法(PCA)和连续投影算法(SPA)对光谱数据进行降维,然后采用偏最小二乘回归(PLSR)、支持向量机(SVM)、随机森林(RF)和反向传播神经网络(BPNN)四种建模方法分别构建基于全波段和降维数据的土壤全氮含量定量反演模型。研究结果表明：(1)土壤在中红外波段光谱反射率随全氮含量的增加而增加,在3 620, 2 520, 1 620和1 420 cm^-1附近存在明显的吸收谷;将中红外光谱数据进行最大值归一化处理后,可明显提高土壤光谱反...     

土壤光谱重建的湿地土壤有机质含量多光谱反演

土壤有机质是湿地生态系统的重要元素,利用多光谱遥感技术可大尺度、快速获取其含量信息,对保护湿地生态系统具有重要意义。然而,由于不同地物光谱混合给多光谱数据带来光谱畸变,影响湿地土壤有机质含量的反演精度。为了消除不同地物光谱混合,实现湿地土壤有机质含量的准确、实时监测,以闽江鳝鱼滩湿地为研究区,利用线性波谱分解技术对原始影像的像元进行分解,重建土壤光谱,分析原始光谱、重建光谱与土壤有机质含量的相关性后,建立土壤有机质含量的反演模型。结果表明：利用线性波谱分解技术可有效消除原始影像中的植被端元,减少大部分道路及建筑物的反射干扰,重建后的土壤光谱特征曲线更趋近于自然状态下土壤的光谱曲线,重建效果显著;通过两种光谱与土壤有机质含量的相关系数对比,重建光谱更能准确的反映土壤光谱与土壤有机质含量的相关性;运用重建光谱构建土壤有机质含量的反演模型,其预测精度优于基于原始光谱的反演模型,R2和F分别提高0.124和2.223,RMSE则降低0.106,1∶1线检验的预测值与实测值的拟合度更高,模型可行且有效。由此得出结论,利用线性波谱分解技术消除不同地物光谱混合,重建土壤光谱,一定程度上可实现在自然条件下湿地土壤有机质含量的大面积、准确检测,具有较好的实际应用价值。     

基于可见-近红外光谱技术预测茶鲜叶全氮含量

为快速无损监测茶树氮素营养及其生长状况,基于可见-近红外光谱技术建立了茶鲜叶全氮含量的预测模型。以茶鲜叶为对象,田间试验使用便携式光谱仪采集叶片漫反射光谱信息,通过不同预处理和统计分析,建立茶鲜叶全氮含量预测的光谱模型。试验共采集111个样品,其中86个样品作校正集,25个样品作预测集。通过一阶导数与滑动平均滤波相结合的预处理方法,用7个主成分建立的偏最小二乘模型最好,其校正集均方根误差(RMSEC)为0.097 3,预测集的相关系数为0.888 1,预测均方根误差(RMSEP)为0.130 4,预测的平均相对误差为4.339%。研究结果表明,利用可见-近红外光谱技术可以很好地预测茶鲜叶全氮含量,对于快速实时监测茶树长势和施肥管理具有重要指导意义。     

结合光谱变换和Kennard-Stone算法的水稻土全氮光谱估算模型校正集构建策略研究

土壤组分光谱估算过程中校正样本集的构建会影响模型的预测精度。当前结合反射光谱和Kennard-Stone (KS)算法的校正样本集构建策略忽视了土壤反射光谱是土壤属性的综合反映,构建的样本集通常无法很好地代表目标土壤组分的变异。光谱变换方法可以突出目标组分的光谱特征,为此,本文以湖北省江汉平原滨湖地区水稻土为研究对象,结合包括一阶微分(FD)、Savitzky-Golay(SG)、Haar小波变换、标准正态变量变换(SNV)和多元散射校正(MSC)在内的光谱变换方法和KS算法进行校正样本集建构,通过对比不同样本集构建策略对使用偏最小二乘回归(PLSR)建立的土壤全氮含量光谱估算模型预测精度的影响,研究光谱变换是否有助于提高基于KS算法构建的校正样本集的代表性。结果表明：不同光谱变换会影响校正样本集的构建。反射光谱经过SG或Haar小波变换后,再使用KS算法构建校正样本集与直接基于反射光谱使用KS算法构建的校正样本集相同,建立的估算模型精度不变,相对分析误差(RPD)分别为1.41和1.27。结合FD,SNV或MSC变换和KS算法构建的校正集与基于反射光谱使用KS算法构建的校正集不同,建立的估算模型RPD分别从0.95,1.48和1.42提高到1.13、1.78和2.20。研究表明SNV和MSC等光谱变换方法可以提高基于KS算法构建的校正样本集的代表性,并可有效提高模型预测精度。     

基于光谱重建优化的无人机高光谱影像估算牧草生物量

准确及时地预测牧草的地上生物量AGB(above ground biomass)是实现牧草生长监测和合理放牧的前提。无人机高光谱遥感可快速获取高空间、光谱和辐射分辨率的遥感影像,已被广泛应用于精准农业和高通量植物表型等领域。为探究无人机高光谱影像(unmanned aerial vehicle hyper-spectral image, UAV-HSI)对草原牧草AGB预测的适用性,获取了青海省典型草场样区的UAV-HSI、样方牧草AGB和相关辅助数据。然而,UAV-HSI具有较大的数据量级,不便于被广泛采集、存储和传输,也会显著影响数据处理的效率,严重制约其被有效利用。着眼于此,提出一种兼顾数据简化和光谱保真的牧草冠层光谱重建优化方法,以期在有效降低数据量的同时,保证牧草AGB的预测精度。首先,利用残差量化方法对UAV-HSI进行特征参量化处理,获得低数据量级的多阶二值立方体(H_i)及系数矩阵(β_i),并以此替代原始数据进行存储和传输;其次,利用H_i和β_i进行光谱重建,得到初构光谱PRS(preliminarily reconstructed spectra);最后,运用Savitzky-Golay滤波对PRS进行优化,即为OPRS(optimized PRS)。以样区牧草光谱为例,对OPRS的光谱保真性,即OPRS与原始光谱之间的相关系数、光谱角和光谱矢量距离进行分析,结果表明,在3种保真性指标上,OPRS均明显优于同阶的PRS。进而,分析了牧草AGB与光谱变量之间的相关性,结果表明,与原始光谱和PRS相比,OPRS各波段对牧草AGB的预测能力相对较高且最为稳定。而后,利用偏最小二乘法回归构建了牧草AGB的反演模型,结果表明,在原始光谱、1～4阶PRS和1～4阶OPRS等9种光谱中,4阶和3阶OPRS的AGB预测精度分别达到了最优和次优水平,二者的AGB预测相对分析误差RPD(ratio of performance to deviation)分别为2.31和2.23,比原始光谱模型的RPD分别高0.26和0.18。在降低1个数量级的情况下,OPRS取得了优于原始光谱的牧草AGB预测性能,说明OPRS兼具数据简化和牧草AGB准确预测性能,为UAV-HSI估算牧草AGB提供了一种新的有效解决方案。     

夹管电磁阀定量-流动注射分光光度法测定海水中总溶解氮

采用三个夹管电磁阀联用代替传统六通阀的样品定量方法,自制一套多通道流动注射分光光度分析仪,并优化仪器的最佳测试条件,实现了海水中总溶解氮含量的测定。本分析系统结构简单,操作方便,测定频率为27个.h-1。测试结果表明,总溶解氮的线性范围分别为50.0～1 000.0μgN.L-3(r≥0.999),检出限为7.6μgN.L-3。加标回收率为87.3～107.2%,RSD为1.35～6.32%(n=6)。经t检验分析,本方法与国标方法测定数据不存在显著性差异,可适用于海水中总溶解氮快速测定分析。     

A fast infrared radiative transfer model based on the adding-doubling method for hyperspectral remote-sensing applications

A fast infrared radiative transfer (RT) model is developed on the basis of the adding-doubling principle, hereafter referred to as FIRTM-AD, to facilitate the forward RT simulations involved in hyperspectral remote-sensing applications under cloudy-sky conditions. A pre-computed look-up table (LUT) of the bidirectional reflection and transmission functions and emissivities of ice clouds in conjunction with efficient interpolation schemes is used in FIRTM-AD to alleviate the computational burden of the doubling process. FIRTM-AD is applicable to a variety of cloud conditions, including vertically inhomogeneous or multilayered clouds. In particular, this RT model is suitable for the computation of high-spectral-resolution radiance and brightness temperature (BT) spectra at both the top-of-atmosphere and surface, and thus is useful for satellite and ground-based hyperspectral sensors. In terms of computer CPU time, FIRTM-AD is approximately 100-250 times faster than the well-known discrete-ordinate (DISORT) RT model for the same conditions. The errors of FIRTM-AD, specified as root-mean-square (RMS) BT differences with respect to their DISORT counterparts, are generally smaller than 0.1 K.     

融合冠层水分特征的光谱参数NCVI及反演玉米LAI

精确反演农作物冠层叶面积指数对指导作物管理和作物估产具有非常重要的意义。以吉林市郊区玉米种植区为试点,考虑冠层叶片水分含量对LAI的贡献,在NDVI的基础上结合表征冠层叶片水分含量的植被指数DSWI,提出一种归一化综合植被指数NCVI,以此建立模型反演LAI,并对模型进行检验。结果表明:NCVI模型反演LAI值与实测值之间存在良好的对应关系,此模型突破了传统经验模型对稠密冠层LAI反演的局限,对LAI值大于3的冠层反演效果良好;另外,NCVI模型对土壤水环境十分敏感,在干旱半干旱地区的反演效果明显优于一般区域。     

Estimating leaf chlorophyll and nitrogen content of wetland emergent plants using hyperspectral data in the visible domain

Increasing amounts of recycled water have been used in wetlands; as such, monitoring the growth status of wetland plants with remote sensing technology is of great significance to restore and reconstruct wetland added by recycled water. In this paper, Phragmites australis and Typha angustifolia were selected. Spectral reflectance was determined in the visible domain to avoid the influence of leaf water on the established model; chlorophyll and nitrogen contents were measured as data sources. Statistical analysis, including correlation analysis and stepwise regression analysis, was conducted to estimate chlorophyll and nitrogen contents with different derivative transform spectra, namely, first derivative reflectance spectrum (FDS), band depth (BD), continuum-removed derivative reflectance (CRDR), band depth ratio (BDR), and normalized band depth index (NBDI). After the selected bands were statistically analyzed, we found that the range of 550–750 nm, particularly 700–750 nm (red edge range), was the key range to estimate biochemical parameters. Single removal cross-validation results showed that the optimum models of chlorophyll content inversion in reeds, cattails, and combined samples were BD, CRDR, and NBDI, respectively; the corresponding R² were 0.87, 0.83, and 0.81. The respective RMSE values were 0.16, 0.15, and 0.33; the optimal models of nitrogen content inversion in reeds, cattails, and combined samples were BD, CRDR, and BD, respectively; the corresponding R² were 0.69, 0.72, and 0.79. The respective RMSE values were 0.15, 0.11, and 0.17. Kruskal–Wallis non-parametric test and multi-way ANOVA were then performed; results revealed that data types and biological differences greatly influence the inversion model; by contrast, spectral derivative transform and vegetation type difference did not significantly affect the inversion model. Our results could be used as a scientific basis of the non-destructive growth status monitoring of wetland plants. It also provided a reference for restoration and management of wetlands supplied with recycled water.     

基于光谱特征的北京城区植被滞尘分布反演

植被叶片的滞尘量可以表征空气污染的程度, 分析城市植被滞尘的空间特征对于制定更为有效的空气污染控制政策具有重要的现实意义。基于北京市主城区采集的大叶黄杨、国槐、毛白杨和山桃等四种典型绿化植被叶片的滞尘量、光谱反射率和叶面积等数据,比较四种植被叶片滞尘前后的光谱曲线,进行窄波段与卫星波段滞尘前后叶片光谱反射率比值与滞尘量的相关分析。然后,分别建立相关性最大的卫星波段反射率和NDVI与滞尘量之间的回归模型, 选取拟合较好的模型反演北京城区植被的滞尘量分布,进而插值得到整个北京城区的尘埃分布。最后,根据高滞尘区域周围的土地覆盖和土地利用以及滞尘期间PM₁₀浓度的空间分布对反演的的合理性进行检验。结果表明：在780~1 300 nm波段,大叶黄杨、国槐、毛白杨和山桃四种植被的滞尘叶片反射率均明显低于干净叶片;窄波段反射率与滞尘量在520~650 nm波段和1 390~1 600 nm波段具有较高的相关性,相关系数的绝对值最高达到0.626;利用Landsat8的green波段和NDVI构建的滞尘反演模型,决定系数(R2)分别为0.446和0.465。NDVI模型反演的北京城区植被的滞尘量分布结果表明,北京城区滞尘含量呈现出北高南低,东高西低,中心城区高于郊区的空间分布格局。该研究通过高光谱和遥感影像数据反演滞尘量,可以为快速全面监测城市地区尘埃分布提供参考。     

基于偏振反射模型和随机森林回归的叶片氮含量反演

叶片氮含量极大程度上影响植被生物化学过程,有重要的研究意义.利用机载高光谱数据反演叶片氮含量在农业遥感领域有广泛应用,但其反演精度不能完全满足精细农业的需要,有一定提升空间.叶片氮含量遥感反演精度受机理误差和算法误差的影响,机理误差主要来源于叶片表面反射.传感器探测到的反射辐射既包含叶片内部多次散射,又包含叶片表面镜面...     

Analyzing the performance of statistical models for estimating leaf nitrogen concentration of Phragmites australis based on leaf spectral reflectance

Abstract

Nitrogen is an essential nutrient for plant growth and development. Rapid and nondestructive monitoring of nitrogen nutrition in plants using hyperspectral remote sensing is important for accurate diagnosis and quality evaluation of plant growth status. The sensitive bands of leaf nitrogen concentration varied in different plants. However, most of the current studies are concentrated on crops, and only a few studies focused on wetland plants. This study investigated the accuracy of the most common univariate, stepwise multiple linear regression, and partial least squares regression models for predicting leaf nitrogen content in a wetland plant reed (Phragmites australis) by testing the accuracy of all the models through leave-one-out cross validation coefficient of determination, root mean square error and relative error. It found that: (i) sensitive bands responding to leaf nitrogen concentration were concentrated in the green and red regions of visible light; (ii) for univariate regression models, the quadratic polynomial model based on the difference spectral index composed of 665?nm and 680?nm had the highest predictive accuracy (the validation coefficient of determination was 0.7535); (iii) for multivariate regression models, the stepwise multiple linear regression models had superior predictive accuracy to the partial least squares regression models, and the stepwise multiple linear regression model with first derivative reflectance was optimal for predicting leaf nitrogen concentration (the validation coefficient of determination was 0.7746, the validation root mean square error was 0.2925, and the validation relative error was 0.0804). The findings provide a scientific basis for rapid estimation and monitoring of leaf nitrogen concentration in P. australis in a nondestructive manner.     

基于光谱特征的雅鲁藏布大峡谷森林枯落物水源涵养能力反演研究

水源涵养是生态系统重要的服务功能,森林作为一种复杂的生态系统,其组成部分对于水源涵养的贡献率各不相同;森林枯落物直接覆盖于地表,既来自于林冠层也抑制土壤层的水分蒸散,因此枯落物层在水源涵养功能中发挥了重要作用。遥感和高光谱技术为远距离识别面状区域的水源涵养能力提供了解决方案,特别在高原地区,遥感是获取地表信息的快速手段。以雅鲁藏布大峡谷为研究区,用ASD(便携式地物)光谱仪测定主要树种(高山松、林芝云杉和川滇高山栎)的叶片高光谱数据并构建植被指数,同时,通过样地采样获取枯落物样本并计算样本的持水拦蓄性能,然后建立植被指数与有效拦蓄量的多元回归模型。在此基础上,基于Sentinel-2影像反演大峡谷主要树种枯落物的水源涵养能力分布情况,最后结合验证点对反演模型进行精度评价。结果显示：（1）三类树种的叶片反射率趋势相似,川滇高山栎的反射率最高,高山松次之,林芝云杉最低;（2）枯落物的有效拦蓄量从大到小排序为：林芝云杉(48.36 t·ha-1)>川滇高山栎(39.24 t·ha-1)>高山松(32.32 t·ha-1)。林芝云杉枯落物的分解程度和蓄积量均最高,因此持水拦蓄能力最强;川滇高山栎的革质叶片不利于分解堆积,进而限制蓄水能力;高山松含有较多油脂,不易被水浸湿,导致持水能力较弱。（3）通过Person相关系数分析和多元线性回归模型得知,叶片蜡质参数和衰减程度越高,枯落物的水源涵养能力越弱;植被生长态势越好、色素和叶片水分含量越高,其水源涵养能力越强。（4）枯落物水源涵养能力反演模型的精度评价结果良好,高山松、林芝云杉和川滇高山栎的样本检验点拟合优度R2分别为0.943,0.815和0.812,均方根误差RMSE分别为1.597,2.270和1.953,表明模型可以用于大峡谷森林枯落物水源涵养能力的预测分布研究。     

基于光谱特征的高寒山区森林生态系统水源涵养分布反演研究

森林生态系统水源涵养具有调节气候,维持生态水平衡等生态功能.青藏高原作为高寒地区,由于其高海拔,环境恶劣的特征,无法实地人工观测水源涵养量.为更好地获取高寒地区的水源涵养量,通过遥感反演的方式得到特定地区的水源涵养价值量.以林芝巴宜区为研究区,研究区内林芝云杉、高山栎、高山松和雪层杜鹃四种植被为主要树种,遥感影像无法直...     

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。