黄河口海域悬浮物浓度Landsat8 OLI分段线性反演

黄河每年输送大量泥沙进入渤海。研究黄河口海域悬浮物浓度,对于黄河输沙以及周边海域的环境监测具有重要意义。利用2011年夏、冬两季实测遥感反射率以及同步测量悬浮物浓度数据,开展了黄河口海域悬浮物浓度分段线性反演研究。结果表明,不同浓度范围下,悬浮物浓度反演的敏感波段不同;浓度小于等于50 mg·L-1(≤50 mg·L-1),敏感比值波段为(600~700 nm)/(400~600 nm),浓度高于50 mg·L-1(＞50 mg·L-1),敏感比值波段为(750~900 nm)/(420~720 nm),Landsat8 OLI的对应组合方式分别为B4/B2和B5/B3;根据上述浓度分段范围分别建立线性模型,其精度R2,RMSE和APD分别为0.873 5,4.08 mg·L-1和22.81%(≤50 mg·L-1),以及0.969 3,102.96 mg·L-1和17.51%(＞50 mg·L-1),整个浓度下三个精度参数分别为0.975 3,67.03 mg·L-1和20.45%,均优于常用单一模型在分段和整体浓度下的相应参数,且具有良好的稳定性。分段线性模型,更适合浓度变化大的黄河口海域悬浮物浓度反演。     

面向浑浊水体叶绿素a浓度遥感反演的光谱基线校正

根据浑浊水体中悬浮物的光学性质,提出使用线性基线校正方法来削弱水体光谱中的悬浮泥沙贡献。线性基线定义为450和750 nm的反射率值连线,基线校正为光谱反射率减去基线。2010年3月和2011年4月太湖梅梁湾水体的实测数据验证结果表明,光谱线性基线校正可以较好的提高叶绿素a浓度的反演精度,改进反演模型的诊断性。3月数据建立的波段比值反演模型中,校正前模型RMSE为4.11 mg·m-3,基线校正后模型RMSE为3.58 mg·m-3,同时,基线校正后模型残差的方差齐性和正态分布均有明显的改善。4月模型有类似结果,数据校正后的模型具有更小的误差。在没有水华发生的浑浊水体中,线性基线校正可以作为提高水体叶绿素a浓度反演精度的光谱数据处理方法。     

相对反射深度的秦皇岛海域叶绿素浓度反演

海水中的叶绿素浓度是描述海洋初级生产力、获知浮游植物丰度及变化规律、评估环境质量、预报生态灾害的主要参数.国内外卫星遥感叶绿素产品的通用反演模型是利用不同波段上遥感反射光谱的强度比值来构建的OC x(x=2～6)算法,应用在一类水体中,全球尺度上的平均相对误差在35％ 左右.但对于固有光学特性复杂且具有较大区域差异性的...     

渤海近岸水体悬浮颗粒物对后向散射特性的影响研究

进行海洋水体悬浮颗粒物的空间分布及粒径构成对后向散射特性变化影响,研究对于加深水体散射性质的认识、提高水色遥感反演参数的精度及海洋环境监测等具有重要意义。结合渤海海域2017年6月、9月的现场数据,获得了夏季、秋季各站位总悬浮颗粒物浓度(SPM)、颗粒粒径以及后向散射系数等参数并进行研究。结果表明,后向散射系数b_bp在可见光波段随波长的增加而减小;同时,夏季和秋季,大多数站位b_bp(550)的变化趋势与SPM的变化趋势基本一致;在进行两者之间的相关性研究时发现,相关系数R2并不高,仅为0.24。该研究还建立了平均粒径(D_A)、中值粒径(D₅₀)与b_bp的关系,得出D_A与b_bp呈线性关系,受季节及水体颗粒构成的影响,夏季,水体颗粒物以小颗粒为主,两者之间的相关性高于秋季,两个季节的R2分别为0.7和0.3;同时得出当水体以小颗粒为主时,b_bp随D_A增大而增大,以大颗粒为主的时,b_bp随D_A增大而减小。D₅₀与b_bp的关系则不同,两者之间呈现非常好的幂指数关系,在同一季节里,b_bp均随着D₅₀的增大而减小,即水体中颗粒物粒径越小,其后向散射系数越大,夏季和秋季两者之间的相关系数分别为0.66和0.5;并且发现如果不分季节差异,现场水体颗粒物的粒径构成对b_bp的影响很难确定。     

基于分段映射模型的水质参数遥感反演研究

以数据为驱动的遥感建模方法片面地强调模型模拟值与实测值总体偏差最小,而忽视局部偏差状况,进而可能导致模型局部模拟值与实测值偏差过大。针对这种建模方法的缺陷,以水质参数反演为例,提出了分段映射反演算法。该算法将水质参数浓度与遥感参数之间的映射关系分解为若干分段函数,每一区段参数间的关系由该区段内的实测数据(简称为节点)和插值函数决定。通过分析以Newton插值算法作为插值函数的分段映射反演模型可知,该算法能保证每个节点处的模型计算值与实验值一致,并且能较好地拟合分布趋势复杂的实验数据。此外,分段映射反演模型对野外水质样本采集实验的规范化具有较大理论指导意义。最后利用太湖TM影像数据和同步实测水质数据为例,论证了该算法的可行性。     

不同积雪深度与面积对积雪覆盖遥感反演的影响

针对利用多源遥感数据进行积雪覆盖监测的需要,在分析不同深度与面积的积雪实测光谱基础上,探讨了在利用NDSI方法进行积雪覆盖遥感监测时,不同积雪深度对其的影响,并以HJ-1B卫星以及MODIS卫星为例,研究了不同积雪面积对遥感积雪反演的影响。结果表明,积雪深度几乎对遥感积雪覆盖监测的结果没有影响,而在积雪面积方面,受所使用的遥感影像空间分辨率的制约,对遥感积雪监测的结果有一定影响。     

基于Sentinel-3 OLCI影像的渤海透明度遥感反演研究

透明度是海洋生态环境监测的关键指标,在军事、航海、渔业等领域均发挥着重要作用。与传统的海洋监测技术相比,遥感技术具有长时序、大范围、近实时获取海洋信息的优势,利用水色卫星观测我国海域透明度的变化,对合理开发和利用我国海洋资源有着重要的意义。利用实测透明度数据与Sentinel-3 OLCI传感器中心波段的等效遥感反射率数据构建了渤海透明度反演模型,主要包括单波段法、波段比值法和混合波段法。利用与卫星时空同步的现场透明度数据进行了模型精度验证,最终确定以B6(560 nm)与B7(620 nm)为敏感因子的混合波段模型透明度反演效果最佳,该模型透明度的反演值与实测值间决定系数(R2)为0.68,平均相对误差(MRE)为15.93%,均方根误差(RMSE)为0.48 m。在此基础上结合Sentinel-3 OLCI时间序列影像,得到2020年渤海透明度月均遥感产品,发现渤海透明度分布状况有明显的区域性与季节性特征。透明度的整体变化区间为0~10 m,其中夏季7月和8月份透明度较高,局部海域透明度可高于9 m,而冬季相对较低1月和2月份全海域不足2 m;透明度整体呈现近岸海域低、离岸海域高的空间分布特征,渤海中部、秦皇岛近岸海域透明度相对较高,渤海湾、辽东湾、莱州湾透明度常年较低。渤海透明度的分布趋势与渤海沿岸地质属性、周边河流分布情况以及沿岸城市群与工业港口的发展情况密不可分。该研究为渤海透明度遥感估算提供了可靠的理论基础,对监测渤海海洋环境具有重要的意义。     

基于光学遥感图像的南海北部内孤立波振幅反演模型与应用

收集2015年1月至2018年12月共计4年的MODIS光学遥感图像,利用神经网络算法建立适用于南海北部深海与浅海的内孤立波振幅反演模型。模型的计算结果与现有的南海实测数据对比,无论对于浅海(文昌海域)还是深海(东沙岛附近海域和深海盆地),反演精度都高于15%。利用模型得到了南海北部内孤立波的振幅分布,发现振幅分布与水深呈正相关,相关系数为0.81。计算了南海北部文昌海域、东沙岛附近海域以及深海盆地的内孤立波振幅分布,发现同一条内孤立波,振幅不同。南海北部文昌海域、东沙岛附近海域以及深海盆地的单条内孤立波振幅与水深呈正相关,相关系数分别为0.79,0.91,0.81。本文为南海北部海域深海与浅海的内孤立波振幅反演提供借鉴。     

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...     

杭州湾水体光谱高频观测及在悬浮物动态变化监测中的应用

现场光谱观测是水色遥感真实性检验的基础。传统基于航次站位观测获取的水体光谱数据少,难以满足快速变化的近岸水体遥感产品真实性检验的需求。为此,国际上开始发展水体光谱连续观测系统,但目前近岸水体光谱连续观测系统仍较少,特别是在高浊度、高动态的水体。针对该问题,在杭州湾建立了一套基于海上塔台的高浑浊水体光谱高频观测系统。该系统每3 min获取一次水体光谱数据,实现与过境卫星观测时间的匹配。本文重点开发了基于海上塔台特点的水体光谱高频观测数据的处理方法,实现了晴空、耀斑、阴影、弱光照等自动判别,并对处理结果进行了检验。结果表明,塔台观测获得的归一化离水辐亮度光谱与船测结果具有较高的一致性,相关系数大于0.99, 平均相对误差为9.96%。此外,对塔台水体高频观测系统的长期观测能力进行了评价,结果表明,尽管系统运行一年之久,系统与便携式地物光谱仪ASD同步观测获得的水体归一化离水辐亮度在谱形和数值上一致性均较好,相关系数大于0.90,平均相对误差为6.48%。同时,利用系统高频观测的水体光谱可有效监测悬浮物浓度随潮汐的快速动态变化。杭州湾塔台水体高频观测系统为进一步开展浑浊水体水色卫星遥感产品真实性检验提供了丰富的现场光谱数据,特别是高时间分辨率的静止轨道水色卫星遥感产品的真实性检验。     

基于PCA-MLR和PCA-BPN的莱州湾南岸滨海平原土壤有机质高光谱预测研究

土壤有机质(SOM)含量是衡量土壤质量高低的重要指标,可以用高光谱快速测定。在以往研究中,估算模型多以特征波段与线性经验模型为基础进行构建,较少考虑波段间信息冗余和共线性,预测效果不很理想并难以进行推广。为最大化消除波段信息噪声,提高模型预测精度,选取莱州湾南岸滨海平原为研究区,系统采集了111个土壤样本和实测高光谱数据(325～1 075 nm),并测试了土壤样本的有机质含量作为因变量;通过主成分分析(PCA)将实测光谱信息降维为6个主成分,并提取水分、植被光谱特征指数(DI),以此作为自变量;最后建立多元逐步线性回归(MLR)和BP神经网络(BPN)预测模型,分析不同模型对土壤有机质预测的效果。结果表明：①经过主成分的波段信息分析判别提取出6个主成分,可以表征叶绿素残留物、盐分、腐殖酸、物化矿渣和微地貌的光谱特征。②基于6个主成分作为自变量所建立的BPN模型预测精度优于MLR模型,他们的R2分别为0.704和0.643。将水分和植被光谱特征指数作为自变量增加到预测模型后,MLR和BPN的预测精度分别提高了6.1%和5.2%,R2达到0.712和0.764;③将光谱主成分和光谱特征指数作为自变量的BPN模型进行土壤有机质预测可得到精度较高的预测结果,在土壤有机质的预测与制图中具有一定的应用潜力。