台湾海峡叶绿素浓度反演
叶绿素反演流程
叶绿素反演流程引言：叶绿素是植物和藻类中存在的一种重要生物色素，它在光合作用中扮演着关键的角色。
叶绿素反演指的是通过遥感技术获取地表叶绿素含量的过程。
叶绿素反演流程包括数据获取、预处理、辐射传输模型建立、参数反演等步骤。
本文将详细介绍叶绿素反演的流程。
一、数据获取叶绿素反演的第一步是获取遥感数据。
常用的遥感数据包括高光谱数据和多光谱数据。
高光谱数据可以提供丰富的光谱信息，而多光谱数据则具有较高的空间分辨率。
通过卫星或无人机获取的遥感数据可以用于叶绿素反演。
二、预处理在进行叶绿素反演之前，需要对遥感数据进行预处理。
预处理的目的是去除噪声、纠正辐射定标系数以及大气校正。
常用的预处理方法包括辐射定标、大气校正以及影像配准等。
三、辐射传输模型建立辐射传输模型是叶绿素反演的关键环节，其目的是建立地表辐射与叶绿素含量之间的关系。
辐射传输模型通常基于物理原理，考虑了光的散射、吸收和透射等过程。
常用的辐射传输模型有PROSAIL、PROSPECT等。
四、参数反演在建立了辐射传输模型之后，可以通过参数反演来获取地表叶绿素含量。
参数反演的目标是找到最佳的模型参数，使模型模拟结果与实测数据尽可能吻合。
参数反演方法包括基于优化算法的全局搜索和基于统计学的回归分析等。
五、结果评估获得叶绿素反演结果后，需要对结果进行评估。
评估的指标包括误差分析、相关系数以及精度评价等。
通过评估可以判断叶绿素反演结果的可靠性和准确性。
六、应用与展望叶绿素反演的结果可以用于植被健康监测、农作物生长状况评估以及水质监测等领域。
未来，随着遥感技术的进一步发展，叶绿素反演的精度和应用范围将进一步扩大。
结论：叶绿素反演是通过遥感技术获取地表叶绿素含量的一种重要方法。
叶绿素反演流程包括数据获取、预处理、辐射传输模型建立、参数反演等步骤。
通过叶绿素反演可以实现对植被健康状态和水质状况的监测与评估，具有重要的应用价值。
未来，叶绿素反演技术将在农业、环境保护等领域发挥更大的作用。
台湾海峡及其邻近海域表层水叶绿素α含量时空变化特征
关键词： 海洋 生物学 ； 叶绿 素 口 表层 水 ； ； 分布 ； 季节 变化 ； 环境调控 ； 台湾海峡
ＤＯＩ１ ． ９ ９ Ｊ Ｉ Ｓ １ ０ — １ ０ ２ １ ． ｌ ０ ６ ：０ ３ ６ ／ ．Ｓ Ｎ． ０ ０ ８ ６ ． ０ ０ ０ ＿ ０
ቤተ መጻሕፍቲ ባይዱ中 图分 类 号 ： ８５ Ｑ１ ．３ ７
１ 期
康建华等 ： 台湾海峡及其邻近海域表层水叶绿素 ａ含量时空变化特征
・ ５・ ３
平 ２号 ” 对 台湾 海 峡 进行 了夏 、 、 、 ４个 季 节 的现 场 生物 量 调查 研 究 ． 船 冬 春 秋 每个 季 节 调 查 均设 置 断 面 ２ ０ 条 ， 站多达 １１ ， 测 ０ 个 调查 的具体 站位 见 图 １每 个站 位通 过美 国海 鸟公 司生产 的 Ｓ Ｅ １ ｌｓ Ｔ ． Ｂ ９７Ｐｕ Ｄ测定 表层 Ｃ 的水温 、 盐度 ． 解氧 和营 养盐含 量 的测定 按 国家《 洋调 查规 范》 进 行． 溶 海
１９ 年 ２ ， ９５ 月 福建海洋研究所与厦门大学环境科学研究中心对台湾海峡及其邻近海域生物量调控机制进行 了研究 ；９ ７年 ８月和 １９ １９ ９ ９年 ８月福建 海洋研 究所 和厦 门大 学在 台湾 海峡 进 行 了生源 要素 生物 地球 过 程研究 的现场综合 调查 ， 根据 研究 的水温 、 度 、 盐 营养盐 和 叶绿 素资料 ， 讨论 了台湾海 峡 营养盐 物理输入对 叶
量 的时 空变化特 征及其调 控 因素． 结果表 明 ， 台湾海峡表层 水体从 南至北叶绿 素 。含 量的季 节变化 存在 着明显差异 ． 在北部 海 区叶绿素 口含 量平 均值 以春 季居 高， 冬季 最低 ； 中部 海 区以秋 季最 高 ， 夏
海洋叶绿素a浓度反演及其在赤潮监测中的应用_图文(精)
海洋叶绿素a浓度反演及其在赤潮监测中的应用X 张春桂1曾银东2张星3潘卫华1林晶11(福建省气象科学研究所,福州3500012(福建省海洋环境与渔业资源监测中心,福州3500033(福建省气象局,福州350001摘要采用OC2和OC3两种标准经验算法以及Clark和N SM C-CASE2两种半分析算法进行了M O DIS海洋叶绿素a 浓度反演,并根据2004年福建近海赤潮监控区内10个站点的叶绿素a浓度观测数据对反演结果进行了分析。
利用20022005年M O DIS叶绿素a浓度反演结果对同期发生在福建近海的赤潮灾害进行了初步研究,并探讨了250m和500m分辨率的M ODI S可见光数据对赤潮灾害监测的可能性。
结果表明:两种标准经验算法和两种半分析算法对叶绿素a浓度的反演均存在不同程度的偏高,相对而言,OC3标准经验算法比较适合基于M ODIS的福建近海叶绿素a浓度反演;M ODI S红光(250m和绿光(500m通道数据的比值在赤潮灾害发生过程中发生了显著变化,在灾害发生时其值明显较灾前和灾后均偏大。
关键词:遥感;赤潮;叶绿素a;M ODIS资料引言赤潮(也称有害藻华是指由于海洋浮游生物的过度繁殖造成海水变色的现象,一般认为是一种自然灾害。
赤潮除了使渔业经济遭受损失外,有毒赤潮还会导致海洋生物和人畜死亡,已成为全球海洋公害,因此赤潮灾害被列为国际海洋生物研究的重要内容。
随着我国海洋开发和沿海地区经济的快速发展,我国赤潮灾害发生越来越频繁,据统计20世纪70年代我国赤潮灾害发生9次,80年代发生75次,至90年代猛增到262次[1]。
福建沿海是我国赤潮多发区之一,有记录的赤潮事件共计113起,并呈逐年增多的趋势,其中2001年6起,2002年17起, 2003年29起。
在福建沿岸海域已经引发过赤潮灾害的生物达17种,东海原甲藻、米氏凯伦藻、夜光藻和中肋骨条藻是近年来诱发赤潮灾害的主要生物,多数无毒无害,少数甲藻引起的赤潮有毒有害[2]。
台湾海峡真光层深度半分析算法遥感反演的真实性检验
是描述海 水光 学 特 性 的 参 数 之 一 ， 水 中浮 游 植 物 、 海 无 机悬 浮物 、 黄色 物质 的 含 量 和 成 分 与其 密 切 相 关． 在 物理海 洋学上 ， 真光 层 深度 的 分 布特 征 可 以用 于辅 助水 团、 流系 的识别 ； 同时 ， 光层 深 度 是海 洋 生 物进 真 行 有效光 合作 用 的 深 度 ， 研 究 浮游 植 物 光 合 作 用 、 是
维普资讯
第４卷 ６
增刊 １
厦 门大学学报 （ 自然科 学版 ）
Ｊ ｕ ｎ ｌ ｆＸｉｍｅ ｉ ｅｓｔ （ ｔ ｒ ｌＳ ｉｎ ｅ ｏ ｒ ａ ａ ｎ Ｕｎｖ ｒ ｉ Ｎａ ｕ ａ ｃｅ ｃ ） ｏ ｙ
Ｖｏ ． ６ Ｓ ｐ １ Ｉ４ ｕ ．
ＷｉＳ ＭＬ ） 据 应 用 Ｓ ａ ＡＳ软件 ， 理 成 １ ６ Ｆ （ ＡＣ 数 ｅＤ 处 １。
～
记为 ［ ｈ＇ 法） Ｃ ｌ算 ｌ ．
摘要 ：应用 Ｓａ Ｆ 遥感数据， ｅＷｉＳ 采用最新的基于固有光学特性的半分析算法进行台湾海峡真光层反演・ 与卫星过境时
间 士２小 时 内实 测 的 数 据 比对 的 结 果 。 均 相 对 误 差 为 １ ． ， 方 根 误 差 为 ０ ０ ７８ 。 感 反 演 与 实 测 数 据 之 间 相 关 平 ６７ 均 ． ７ １ 遥 系 数 达 到 ０ ８ ． 对 于 叶 绿 素 反 演 算 法 （ 均 相 对误 差 ３ ． ， ．７ 相 平 ８ ０ 均方 根误 差 ０ １ ２４ 相 关 系 数 ０ ５ ） 有 较 高 的反 演准 确 ． ５ ， ．６ ， 性 ． 明 该 算 法 不 仅适 用 于 Ｇｕｆ ｆ ｘｃ 、 ｎｅｅ ａ 说 ｌ ｏ ｉ Ｍｏ ｔｒｙＢ ｙ和 Ａｒｂａ ｅ ， 适 用 于 台湾 海 峡 ． Ｍｅ ｏ ａ ｉ Ｓａ 也 ｎ
基于HJ-1ACCD数据的湖泊叶绿素a浓度反演
基于HJ-1ACCD数据的湖泊叶绿素a浓度反演湖泊叶绿素a浓度是衡量水体藻类生长和水质的重要指标之一，对于湖泊生态环境的监测和保护具有重要意义。
传统的叶绿素a浓度监测方式需要耗费大量人力物力进行野外调查和实验室分析，费时费力。
而基于遥感数据的叶绿素a浓度反演方法可以大大提高监测效率和准确性，成为了当前研究的热点之一。
HJ-1A和HJ-1B，它们分别搭载有多光谱和全色相机，能够获取30米分辨率的多光谱和16米全色影像数据。
这使得HJ-1星系列数据成为了进行叶绿素a浓度反演研究的理想选择。
本文将基于HJ-1ACCD数据进行湖泊叶绿素a浓度反演的研究，以期为湖泊水质监测提供更为高效、精确的方法。
一、HJ-1ACCD数据HJ-1ACCD是由环境卫星应用与服务中心提供的一种遥感产品数据，其数据涵盖了中国大陆及周边地区的陆地环境、植被和农田等多种信息。
HJ-1ACCD数据以HJ-1A/B卫星的CCD传感器为基础，通过对CCD传感器数据的预处理和气象校正，生成了表征地表反射率和植被生长状况的遥感产品，包括植被指数、叶绿素含量等。
二、湖泊叶绿素a浓度反演方法1.建立叶绿素a浓度与遥感数据的定量关系模型我们需要采集湖泊水体的实地采样数据，包括叶绿素a浓度、水体颜色、透明度等指标。
然后，利用HJ-1ACCD数据获取湖泊水体的遥感信息，如反射率、光谱特征等。
接着，利用统计学方法或机器学习算法建立叶绿素a浓度与遥感数据之间的定量关系模型，例如多元线性回归模型、支持向量机模型等。
2.验证模型准确性建立模型后，需要对其进行验证，以验证模型的准确性和可靠性。
可以利用另外采集的实地数据进行验证，或者采用交叉验证等方法进行模型验证。
3.应用模型进行叶绿素a浓度反演一旦模型验证通过，就可以将模型应用于湖泊叶绿素a浓度的遥感反演工作中。
利用HJ-1ACCD数据获取的遥感信息，输入到建立的模型中，就可以得到湖泊叶绿素a浓度的反演结果。
基于带模型的叶绿素a浓度反演精度评估
基于带模型的叶绿素a浓度反演精度评估陈军;陆凯;王保军【摘要】为了评估遥感反演叶绿素a浓度的精度,以2004年8月19日太湖38个水质样本数据和同步Hyperion卫星遥感影像数据为基础,借鉴四波段半分析算法,结合空间数据不确定性原理,构建了基于四波段半分析算法的“带模型”.通过研究与探讨可知,当叶绿素a浓度为10～20 μg/L和50～100 μg/L时,叶绿素a浓度的反演误差较小,大约为±20％；当叶绿素a浓度在20～50 μg/L时,叶绿素a浓度的反演误差较大,大约为±40％,局部区段的误差高达±60％左右.与传统的误差表示方法相比较,“带模型”能更详细且能准确地给出太湖水体叶绿素a浓度反演结果的误差信息.%With the spectral experiment and the simultaneous observation results of Hyperion satellite on 19 August, 2004 as the basic dataset, the authors used the uncertainty principle of spatial data to develop a " bands model" for chlorophyll-a concentration retrieval algorithm of the subsection mapping retrieval model. It is thus found that in the ranges of 10 -20 μg/L and 50 - 100 μg/L, the retrieval error of chlorophy ll-a concentration is relatively low, (approximately ±20% ) , whereas in the range of 20 -50 μg/L, the retrieval error of chlorophyll-a concentration is relatively high, ( approximately ± 40% ). A comparison with the traditional methods for error describing shows that the "bands model" could include more detailed and accurate information of data quality for remote sensing products.【期刊名称】《国土资源遥感》【年(卷),期】2011(000)004【总页数】4页(P83-86)【关键词】遥感;带模型;叶绿素a;太湖【作者】陈军;陆凯;王保军【作者单位】国土资源部海洋油气资源与环境地质重点实验室,青岛266071;青岛海洋地质研究所,青岛266071;国土资源部海洋油气资源与环境地质重点实验室,青岛266071;青岛海洋地质研究所,青岛266071;国土资源部海洋油气资源与环境地质重点实验室,青岛266071;青岛海洋地质研究所,青岛266071【正文语种】中文【中图分类】TP79;X832水色遥感产品(主要指叶绿素a浓度、悬浮泥沙浓度和可溶有机物质浓度遥感观测信息)的精度评估及表达是水色遥感研究的难点和热点之一。
因子分析法在水质参数反演中的应用
关键词 ：太湖 ； 巢湖 ； 因子分析 ； 水色 ； 总悬浮物 ； 叶绿素
Ａｐ ｌ ａ ｉｎ ｏ ａ ｔ ｒａ ａｙ ｉ ｅｈ ｄ ｉ ｔ ｒ ｕ ｌｙ ｐ ｒ ｍｅｅ ｓ ｉｖ ｒｉｇ ｐｉ ｔ ｆｆｃｏ ｎ ｌｓｓ ｍ ｔ ｏ ｗａ ｅ ａｉ ａ ａ ｔ ｒ ｎ ｅ ｓｎ ｃ ｏ ｎ ｑ ｔ
Ａｂ ｔａ ｔ ｉｌ ｘ ｅ ｍｅ ｔ ｒ ｏ ｄ ｃｅ ｎ Ｌ ｋ ｉｕ ｉ ｖ ｍｂ ｒ２ ０ ａ ｄ Ａｐ ｌ２ ０ ｓｒ ｃ ：Ｆｅｄ ｅｐ ｒ ｎｓｗｅｅ ｃ ｎ ｕ ｔｄ ｏ ａ ｅＴａｈ ｎ Ｎｏ ｅ ｅ ０ ８ ｎ ｒ ０ ９． ａ ｄ ｎ Ｌ ｋ ａ ｈ ｎ Ｊ ｎ ｉ ｉ ｎ ｏ ａ ｅ Ｃｈ ｏ ｕ ｉ ｕ ｅ
因子 分 析 法 在 水 质 参 数 反 演 中的 应 用
施 坤 ， 云梅 ， 李 王 桥， 杨 煜， 金 鑫， 王彦 飞 ， 尹 斌， 张 红
（ 京 师 范 大 学 虚 拟 地 理 环 境 教 育部 重 点实 验 室 ， 南 南京 ２ ０４ １０６）
摘 要 ： ０ ８年 ｌ 月 、０ ９年 ４月 ， ２０ １ ２０ 分别对 太湖水 体以及 ２０ ０ ９年 ６月对巢湖水体 进行野外实验． 对太湖水体遥感反射率 进行 因子分析 ， 并利用遥感反射率 的不 同因子 ， 叶绿素 和总悬 浮物浓 度进行反演 ， 对 并对反演 因子 的普适 性进行验证 ． 利 用第一 因子反演太 湖春季 叶绿素浓 度 ， 平均相 对误 差为２ ． ％， ２ １ 均方根误差为 ３ ４ ｇ Ｌ， ．８ ／ 利用 该方 法反演 巢湖 、 太湖秋季水 体 的叶绿素浓度没有取得较好 的效果 ； 利用第二因子反演太湖春 季总悬浮物浓度 ， 平均相对误 差为 １ ．％， ３ ９ 均方根误 差为 ｌ．３ ｇ Ｌ。 １３ ｍ ／ 利用该 因子反演巢湖 、 太湖秋季水体 的总悬浮物浓度 同样取得较好效 果． 结果 表明 ： 利用 遥感反射率的第一因 子对叶绿素浓度进行反演 ， 该方法不具有普适性 ； 利用遥感反射率 的第二 因子对总悬 浮物浓度进 行反演能取 得较好 的结
基于HJ-1ACCD数据的湖泊叶绿素a浓度反演
基于HJ-1ACCD数据的湖泊叶绿素a浓度反演湖泊叶绿素a浓度反演是一项重要的环境监测工作，可以为湖泊富营养化调查和水质评价提供重要依据。
基于HJ-1ACCD（Huan Jing Yi Hao 1A Charge Coupled Device）数据的湖泊叶绿素a浓度反演是利用HJ-1A卫星上搭载的CCD相机获取的湖泊遥感影像进行的一种遥感技术。
HJ-1A卫星是中国环境卫星二号的第一颗星，主要任务是对环境进行全方位、高频发射观测，为我国环境监测提供数据支撑。
CCD相机是HJ-1A卫星上的主要探测设备，可以获取高空间分辨率的遥感影像数据。
湖泊叶绿素a是湖泊中生物量浓度的一个重要指标，可以作为湖泊水质的一个关键参考。
利用HJ-1ACCD数据进行湖泊叶绿素a浓度反演的方法主要包括以下几个步骤。
对HJ-1ACCD数据进行预处理。
预处理的主要内容包括大气校正、大气成分估计和大气校正系数计算等。
大气校正是遥感数据处理中的重要一步，可以去除大气的影响，提高数据的准确性。
接下来，对预处理后的HJ-1ACCD数据进行图像解译。
图像解译是根据湖泊中的不同物质的反射特征进行分类，从而确定叶绿素a浓度所对应的分类。
然后，利用已知的湖泊叶绿素a浓度和HJ-1ACCD数据之间的关系进行模型拟合。
可以使用回归分析等方法，建立叶绿素a浓度与HJ-1ACCD数据之间的数学模型。
需要注意的是，湖泊叶绿素a浓度反演是一种间接方法，其精度和准确性还需要进行实地调查和水质采样分析进行验证。
湖泊的特征和环境条件也会对反演结果产生一定的影响，因此在实际应用中需要结合实际情况进行分析和判断。
基于HJ-1ACCD数据的湖泊叶绿素a浓度反演是一种通过对遥感影像数据的处理和分析，利用数学模型对湖泊叶绿素a浓度进行估计的方法。
这种方法可以为湖泊水质评价和富营养化调查提供重要的参考数据，具有广阔的应用前景。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
武汉大学遥感信息工程学院 巫兆聪
叶绿素含量遥感监测实例
数据预处理
数据预处理主要指大气校正。 大气校正算法是为了消除大气的影响，并将原始影像的辐射亮 度数据转换成反射率，其结果是使得影像数据的每一个像元值都代 表一个反射光谱。。 本例使用平地校正法。 主要步骤是先选择一块地形平坦，光谱特征类似且光谱曲线也 较平坦的区域，并且选择的区域应是影像中亮度值较大的区域以避 免数据信噪比的降低。然后将每个波段的像元值除以这个波段平地 区的平均值。通过校正，得到遥感影像的反射率。
武汉大学遥感信息工程学院 巫兆聪
从计算结果来看，海峡叶绿素浓度的范围总体为0～12μg/L， 其中海峡中间大部分区域的叶绿素浓度在1～2μg/L之间，叶绿素浓 度小于1的区域只分布在大陆沿岸附近。
大陆沿岸有小部分区域叶绿素浓度较大，为5μg/L以上，还有 一部分区域的计算结果为负值。
这是由于我国沿海属于高浓度泥沙含量的大陆架海水，含有大 量的泥沙，海面上的向上反射光信息中以泥沙含量为主，由叶绿素 吸收和反射的特征波长的信息被淡化，使得用于计算的光谱特征值 与用于训练的典型实测光谱值有较大的差异，因此计算误差较大。
尽管SeaBAM数据是目前最全面的水体叶绿素遥感反射率数据， 它仍有一些不足，例如数据主要采集于中低叶绿素浓度的海区，没 有高叶绿素浓度的数据;一些数据测自水面，而大部分数据由水中 测量的值推断而来，将所有的辐射亮度值转换为水面遥感反射率; 一些测量数据用520nm和565nm波段的值代替510nm和555nm 波段的值，555nm波段的反射率由555nm波段的测值计算转换而 来，而510m波段的值直武汉接大学遥由感信5息2工程0学m院 巫波兆聪段的测值代替。
叶绿素含量遥感监测
武汉大学遥感信息工程学院 巫兆聪
叶绿素含量遥感监测实例
本例使用1998年10月30日的SeaWiFS数据，采用经验模型、神 经网络模型和光谱混合分析三种方法计算台湾海峡叶绿素浓度。
武汉大学遥感信息工程学院 巫兆聪
叶绿素含量遥感监测实例
SeaWiFS数据特征 SeaWiFS是SeaStar携带的宽视场海洋水色扫描仪，有8个光谱
叶绿素含量遥感监测实例
历史统计资料
据历史统计资料，台湾海峡中北部叶绿素a含量周年变化峰期在秋春 季，低值在夏冬季，各层次浓度均在10月和4月出现高峰。
秋季随东北季风增强，浙闽沿岸水影响范围逐渐扩大，海区营养盐 含量升高，NO3-N平均含量达4.28μmol/L，为海区秋季浮游植物生长和 繁殖提供了有利条件。叶绿素a含量达全年最高值，季平均含量达 1.67μg/L，变化范围在0.50～6.04μg/L之间。
波段，经过带通滤波，1～6波段的带宽达到20nm，7、8波段的带 宽为40nm。下表列出了SeaWiFS的8个波段的中心波长及特殊用途。
武汉大学遥感信息工程学院 巫兆聪
叶绿素含量遥感监测实例
SeaBAM数据——实测样本 SeaBAM是NASA成立的一个工作组，主要任务是确定一种适
合SeaWiFS数据使用的全球叶绿素浓度算法。SeaBAM由全球非极 地地区站点所测的919个遥感反射率数据组成，包括叶绿素浓度范 围从0.019~32.79mg/m3，其中大部分为一类水体，约20个测自 海岸带二类水体。有两个测点的数据与其他数据不相容，相差太大， 所以被去掉，剩下917个数据。
武汉大学遥感信息工程学院 巫兆聪
3. 叶绿素含量遥感监测实例
根据表中不同浓度水体的fhigh值与浓度的对应关系，得到方程:
将SeaWiFS影像数据用光谱混合分析计算出每个像元的fhigh值， 用上式计算出每个像元的叶绿素浓度，得到台湾海峡叶绿素浓度分 布图，最大浓度为10.66μg/L，分布于台湾海峡南部大陆附近，最 小浓度为小于0.05μg/L，位于台湾岛东侧。由光谱混合分析得到的 叶绿素浓度分布与经验模型的计算结果类似，都是大陆沿岸叶绿素 浓度最大，离大陆越远，叶绿素浓度越小，台湾岛东侧叶绿素浓度 最小，只是浓度范围有所不同，由光谱混合分析所得结果的最小值 更小，最大值更大，但只是少数像元是极值，而绝大部分区域浓度 相差不大，都素含量遥感监测实例 用经验模型计算叶绿素浓度
采用SeaBAM推荐的二波段比值三次多项式模型计算：
式中，R=lg(R490/R555)。 下图为用经验模型计算所得台湾海峡叶绿素浓度分布图。其中 最大值为5.9μg/L，在大陆沿岸，最小值为0.628μg/L。 从叶绿素浓度的分布来看，整体呈条带状分布，离大陆越远， 浓度越低。 大陆沿岸和台湾岛西侧最大，在2～5μg/L之间，大部分浓度 在2～3μg/L之间。离大陆稍远，叶绿素浓度降到1～2μg/L之间， 离大陆更远以及台湾岛东侧，叶绿素浓度为1μg/L以下。
武汉大学遥感信息工程学院 巫兆聪
叶绿素含量遥感监测实例
武汉大学遥感信息工程学院 巫兆聪
3. 叶绿素含量遥感监测实例
用神经网络模型计算叶绿素浓度 神经网络模型结构——网络为多重前馈网络。为减少计算量，确
定模型为3层网络，下图表示的是本例所用的神经网结构，每一个 输人结点对应于一个SeaWiFS的一个波段的反射率。
武汉大学遥感信息工程学院 巫兆聪
3. 叶绿素含量遥感监测实例
武汉大学遥感信息工程学院 巫兆聪
3. 叶绿素含量遥感监测实例
用光谱混合分析法计算叶绿素浓度 选用SeaBAM数据中的叶绿素最高浓度32.787μg/L和最低浓度
0.02μg/L作为光谱混合分析的终端组分，根据SeaBAM中不同叶 绿素浓度水体在5个可见光波段的反射率，分别计算不同叶绿素浓 度下高浓度组分的光谱特征在遥感反射率中所占的比例fhigh：
由于各水系消长的影响较复杂，海区叶绿素a分布很不均匀。受沿岸 水影响的海区北部叶绿素a含量高于受暖流水控制的南部海区，上层和表 层水中叶绿素a含量高于下层和低层，形成上高下低、西北部高东南部低 的分布趋势。
10月海区叶绿素a含量普遍较高，平均达2.16μg/L，为全年最高， 这与浮游植物的秋季生长高峰一致，但分布不均匀，呈明显的斑块状。