HJ_1A_B卫星CCD影像的武汉市东湖水色三要素遥感研究
基于HJ-1A／B卫星CCD数据的江汉平原农田物候探测
Ａｂｓｔｒａｃｔ：Ｔｈｉｓ ｐａｐｅｒ ｅｘｔｒａｃｔｅｄ ＮＤＶ／ｄａｔａ ｆｒｏｍ ＨＪ一１Ａ／Ｂ ＣＣＤ ｉｍａｇｅＤ＇ａｎｔｔ ｃｏｎｓｔｒｕｃｔｅｄ ａ ｔｉｍｅ—Ｓｅｌ‘ｉｅｓ ＣＵｌＷｅ ｆｏｒ Ｊｉａｎｇｈａｎ ｐｌａｉｎ ｆ ｒｏｍ ２０１３ ｔｏ ２０１５，ｗｈｉｃｈ ｗａｓ ｆｕｒｔｈｅｒ ｓｍｏｏｔｈｅｄ ｂｙ ｗａｖｅｌｅｔ ａｎａ１ｙｓｉｓ Ｉｏ ｅｌｉｍｉｎａｔｅ ｎｏｉｓｅｓ．Ｆｉｎａｌｌｙ，ｄｉｆｆｅｒｅｎｔ ｐｈｅｎｏｌｏｇ）ｒ ｓｔａｇｅｓ ｏｆ ｔｈｅ ｃｒｏｐｓ ｉｎ
０ 引 言
物候 主要研 究动植 物 与环境 条件 川期 性 变 化之 的 相互 关 系 一 近 一百 年 来 气 候 变 暖 已 经 引 发 ｒ令 球 关 注 ，及时 峪测其 变化 的趋 势 足 有效 应 对 的 前提 ．ｆｎ 物 候 监测 为 气候 变化 监测 提 供 丫 一种 手段 。植 被物 候 研究 对 全球 气 候 变化 测 具 有 雨要 的 指，Ｊ 作 用 ，是 ＦＩ前最 敏感 、 最 精确 的指 示 刹 。农 作 物 作 为 要 的植 被 生 念 系统 ， 其物候 信息 对 伞 球 气 候 变 化 的 监 测 具有 重要 作 用 ，并且 对农作 物乍 长发 ｆｉ．的 动 态 监 测 、Ｈｔ 精 细 管 均 彳 晕 要 意 义 。
基于HJ-1卫星CCD数据的长江中游武汉河段悬浮物浓度反演
基于HJ-1卫星CCD数据的长江中游武汉河段悬浮物浓度反演乔晓景;何报寅;张文;苏振华;李元征【期刊名称】《华中师范大学学报（自然科学版）》【年(卷),期】2013(047)005【摘要】环境一号(HJ-1)卫星是我国自发研制的专门用于环境和灾害监测的光学卫星.其数据获取周期短、空间分辨率高,能及时、连续、准确地监测悬浮物浓度时空变化,在内陆二类水体遥感监测方面具有良好的应用前景.该文以长江中游武汉河段为研究区,利用HJ-1卫星CCD数据第1、3波段建立了具有较高精度的悬浮物浓度反演模型,并对2008年11月14日武汉河段悬浮物浓度进行了反演,得到其空间分布图.结果表明,该模型的悬浮物浓度反演均方根误差(RMSE)为8.84 mg/L,平均绝对百分比误差(MAPE)为13.6％.从空间分布来看,在武汉附近,长江干流悬浮物浓度高于支流汉江,江心洲滩附近水体悬浮物浓度偏高.【总页数】4页(P716-719)【作者】乔晓景;何报寅;张文;苏振华;李元征【作者单位】中国科学院测量与地球物理研究所环境与灾害监测评估湖北省重点实验室,武汉430077;中国科学院大学,北京100049;中国科学院测量与地球物理研究所环境与灾害监测评估湖北省重点实验室,武汉430077;中国科学院测量与地球物理研究所环境与灾害监测评估湖北省重点实验室,武汉430077;中国科学院大学,北京100049;中国科学院测量与地球物理研究所环境与灾害监测评估湖北省重点实验室,武汉430077;中国科学院大学,北京100049;中国科学院测量与地球物理研究所环境与灾害监测评估湖北省重点实验室,武汉430077;中国科学院大学,北京100049【正文语种】中文【中图分类】X524【相关文献】1.太湖地区HJ-1卫星CCD数据反演气溶胶及大气校正 [J], 郑尧;王琪洁;梁忠壮2.基于HJ-1 A/B卫星CCD数据的江汉平原农田物候探测 [J], 宋丹阳;王征禹;李跃;胡勇3.近海水体悬浮物HJ-1号小卫星CCD定量反演研究 [J], 肖艳芳;赵文吉;朱琳4.基于进化建模方法的 HJ-1 CCD黄海悬浮物和叶绿素a浓度遥感反演模型研究[J], 秦平;沈钺;牟冰;郝艳玲;朱建华;崔廷伟5.基于环境小卫星CCD数据对太湖地区叶绿素a浓度的反演 [J], 史鹏辉;李云格;姜寒因版权原因，仅展示原文概要，查看原文内容请购买。
基于HJ-1-A卫星CCD相机遥感影像的水体提取
基于HJ-1-A卫星CCD相机遥感影像的水体提取
樊勇;王义民
【期刊名称】《信阳师范学院学报：自然科学版》
【年(卷),期】2012(25)3
【摘要】采用面向对象的分析方法(object based image analysis,OBIA),结合水体特征对国产环境卫星(HJ-1-A)CCD相机影像的水体信息进行快速分析、处理和提取.结果表明,对于中低分辨率多光谱遥感影像水体信息的提取,该方法的提取精度在95%以上,优于最小距离法(minimum distance).
【总页数】4页(P378-381)
【关键词】环境卫星;面向对象;水体;信息提取
【作者】樊勇;王义民
【作者单位】华中师范大学城市与环境科学学院;信阳师范学院城市与环境科学学院
【正文语种】中文
【中图分类】TP79
【相关文献】
1.利用多时相HJ卫星CCD遥感影像提取嘉祥县秋收作物 [J], 刘珺;田庆久;黄彦;杜灵通
2.基于GF-1卫星遥感影像提取水体的方法比较 [J], 柯丽娟;赵红莉;蒋云钟
3.基于GF-2卫星遥感影像的界河水体信息提取方法 [J], 龚文峰;王鹏;王双宇;周莹;
曹凯华;
4.基于GF-2卫星遥感影像的界河水体信息提取方法 [J], 龚文峰;王鹏;王双宇;周莹;曹凯华
5.基于环境小卫星CCD影像的水体提取指数法比较 [J], 范登科;李明;贺少帅
因版权原因，仅展示原文概要，查看原文内容请购买。
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浓度反演湖泊是重要的淡水资源和生态环境，叶绿素a是湖泊水体中重要的生物地球化学指标之一，对湖泊水质和生态环境拥有重要的指示作用。
监测湖泊叶绿素a浓度可以有效评估湖泊的营养状态和生态环境，为湖泊管理和保护提供重要的科学依据。
遥感技术已经成为湖泊水质监测的重要手段，可以在较大范围内快速获取湖泊的叶绿素a浓度分布信息。
本文旨在利用HJ-1A/B卫星CCD数据反演湖泊叶绿素a浓度，并分析其时空变化规律，为湖泊水质监测和管理提供科学依据。
一、HJ-1A/B卫星CCD数据HJ-1A/B是我国自主研制的一对环境监测卫星，搭载有CCD等多种传感器，能够获取高分辨率的遥感影像数据。
CCD传感器具有高空间分辨率和较高的动态范围，适用于湖泊水质参数反演。
本文选取HJ-1A/B卫星CCD数据作为研究数据源，利用其多光谱信息反演湖泊叶绿素a浓度。
二、叶绿素a浓度反演方法1. 反演模型本文采用经验模型和统计模型相结合的方法进行叶绿素a浓度反演。
首先利用地面采样数据和遥感影像数据建立经验模型，然后利用统计模型对经验模型进行优化，得到湖泊叶绿素a浓度的空间分布图。
2. 数据预处理对HJ-1A/B卫星CCD数据进行预处理，包括大气校正、辐射定标、噪声去除等步骤，以提高数据的质量和可用性。
3. 特征参数提取从HJ-1A/B卫星CCD数据中提取反演叶绿素a浓度所需的特征参数，包括叶绿素吸收峰位置、叶绿素荧光峰位置、水体颜色指数等。
4. 建立经验模型利用地面采样数据和遥感影像数据建立叶绿素a浓度与特征参数之间的经验关系模型，包括线性模型、非线性模型等。
5. 统计模型优化利用统计方法对经验模型进行优化，修正模型参数，提高模型的适用性和精度。
6. 反演叶绿素a浓度利用经过优化的模型对湖泊遥感影像数据进行反演，得到叶绿素a浓度的空间分布图。
三、叶绿素a浓度反演结果分析利用上述方法对某湖泊的HJ-1A/B卫星CCD数据进行处理和分析，得到湖泊叶绿素a浓度的空间分布图。
基于遥感的内陆水体叶绿素a监测研究
基于遥感的内陆水体叶绿素a监测研究作者：李代伟吴天振姜祥乐张帆王滢李楠来源：《赤峰学院学报·自然科学版》2022年第03期摘要：对内陆水体开展叶绿素a浓度遥感反演和预测是水质治理与定量遥感领域的重要研究方向，但内陆水体的物质成分和理化性质相对复杂，实现高效且准确的遥感监测存在一定困难。
文章梳理了水体叶绿素a的反演原理与光谱特征，归纳了国内外学者在内陆水体叶绿素a遥感监测研究中常用的数据与方法并分析了各自的优缺点与适用性，在此基础上总结了目前应用遥感方法监测内陆水体叶绿素a浓度所面临的实际问题以及未来研究的展望。
关键词：叶绿素a;遥感反演;内陆水体;水质监测;研究综述中图分类号：X87 文献标识码：A 文章编号：1673-260X（2022）03-0014-07内陆水体是人类赖以生存和发展的自然生态系统重要组成部分，在水源供给、抗旱排洪、交通航运、调节气候、提供生物栖息地、维护生态多样性等方面发挥着不可替代的重要作用。
近年来，在人类活动与气候变化等因素影响下，内陆水资源、水环境与水生态均面临不同程度的问题和威胁，水体富营养化及引起的藻类水华是当前内陆水体普遍存在的污染问题，流域开发与生态协调间的稳态平衡逐渐受到有关部门的重视。
叶绿素a（Chlorophyll-a）是蓝藻进行光合作用的核心元素，并且在浮游生物体内含量相对稳定，便于在实验室条件下进行提纯分析，通过测定水体叶绿素a含量可以初步判定水体富营养化的程度，借以进一步把握水体质量状况。
因此，对内陆水体叶绿素a浓度进行全范围长时序的动态监测是陆地水资源保护与修复的重要前提。
而传统水质监测手段是通过大量实测点状数据来推及整个湖面的水质状况，这种传统监测方式费时费力成本较高，不适宜大面积水域进行短时序的水质监测。
遥感技术作为一种基于波谱理论快速获取地表信息的新兴观测技术，具有大面积同步观测、周期动态成像、不受地面地形限制等优势。
目前国内外大量学者利用遥感数据对于内陆江河、大型湖泊、水库库区与城市小型水体开展了叶绿素a浓度遥感监测。
环境卫星CCD影像在太湖湖泛暗色水团监测中的应用
收稿日期：2012-03-30基金项目：国家水环境监测技术体系研究与示范项目（2009ZX07527-006）；水体污染控制与治理重大专项项目（2009ZX07101-011）。
作者简介：李旭文（1966—），男，研究员级高工，硕士，研究方向为环境信息系统、环境遥感应用、生态监测。
·环境预警·doi ：10．3969/j．issn．1674-6732．2012．03．001环境卫星CCD 影像在太湖湖泛暗色水团监测中的应用李旭文，牛志春，姜晟，金焰（江苏省环境监测中心，江苏南京210036）摘要：太湖地区2009年5月11日、2010年8月21日、2011年7月28日和2011年9月24日的环境卫星CCD 影像显示，在太湖西部沿岸带、竺山湖等水域存在湖泛暗色水团现象。
由于环境CCD 缺少辅助反演气溶胶信息的2．1μm 波段，试验了基于空气自动监测子站获得的与环境卫星CCD 成像时间接近的地面能见度测量数据进行FLAASH 大气校正的方法，反演结果总体上符合水体光谱特征。
提取了湖泛水体、对照水体样区在CCD 各波段的光谱反射率数据统计特征。
结果表明，和对照水体相比，湖泛水体在环境卫星CCD 的可见光—近红外波段具有较低的反射率，与人眼观察湖泛水色暗黑的感官一致，另一方面，湖泛水域由于仍有一定的藻类存在，在环境卫星CCD 近红外（波段4）具有比可见光（波段3）略高的反射率，其规律与基于Landsat ETM 的湖泛暗色水团遥感分析结果相一致。
关键词：环境卫星；CCD ；遥感；太湖；湖泛；监测中图分类号：X824文献标识码：A文章编号：1674-6732（2012）-03-0001-09Remote Sensing Monitoring of Black Color Water Blooms in Lake Taihu Based on HT Sat-ellite CCD DataLI Xu-wen ，NIU Zhi-chun ，JIANG Sheng ，JIN Yan（Jiangsu Provincial Environmental Monitoring Center ，Najing ，Jiangsu 210036，China ）ABSTRACT ：HJ1Satellite CCD images acquired on May 11，2009，August 21，2010，July 28，2011and September 24，2011，re-spectively ，showed occurrences of dark color water bloom （DCWB ）near the shore of western part of lake Taihu．Due to lack of 2．1μm band in HJ1CCD which is important to the retrieval of aerosol status ，the synchronous ground measured visibility data from an ambient air quality station which is geographically close to lake Taihu were used in FLAASH atmospheric correction．Results showedDCWB had lower reflectance at HJ-1CCD bands ，1，2，3and 4than reference water bodies ，and reflectance at band 4was gently higher than at band 3，spectral characteristics was in coincidence with those derived from Landsat ETM sources．KEY WORDS ：HJ1satellite ；CCD ；Satellite remote sensing ；Lake Taihu ；black color water bloom （BCWB ）；monitoring湖泛黑水团是指湖泊局部水体颜色发暗甚至发黑的现象，近年来在太湖偶有发生，对湖泊生态环境造成较大影响，其危害是多方面的，可导致水体包括鱼类等各种生物死亡并腐败分解，局部生态环境崩溃，如果发生在饮用水源地，将造成严重的供水危机。
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浓度是反映湖泊水体营养状态的一项关键指标，对于环境保护和生态研究具有重要意义。
遥感技术因其具有无损、快速、连续观测、大范围覆盖等优点，被广泛应用于湖泊叶绿素a浓度反演研究中。
本文将介绍基于我国环境卫星HJ-1A卫星CCD数据的湖泊叶绿素a浓度反演方法。
一、HJ-1A卫星CCD数据特点HJ-1A卫星CCD传感器是我国自主研发的一种光学成像科学仪器，具有多谱段、高空间分辨率、高重复率等特点，可以提供较高质量的地表覆盖信息。
其中，蓝光波段(charl)和绿光波段(char2)的空间分辨率为30m×30m，重复率为2-4天，是进行湖泊水质反演的比较理想数据。
二、湖泊叶绿素a浓度反演方法1. 反演模型选择湖泊叶绿素a浓度反演方法种类繁多，目前应用较广的包括SGLI、FLH、CYAN等模型。
研究表明，在HJ-1A卫星CCD数据下，FLH模型和CYAN模型的拟合效果较好，并具有可操作性和适应性。
因此，本文将以FLH模型作为示例进行介绍。
2. 数据预处理为了保证数据质量，进行湖泊叶绿素a浓度反演前，需要进行数据预处理。
首先，对原始CCD数据进行辐射校正处理，将其转换为反射率数据；其次，根据海陆分界线和悬浮物浓度进行水体分类；最后，剔除亮斑和阴影区域。
FLH模型是一种基于浮游植物荧光辐射模型的湖泊叶绿素a浓度反演方法。
该模型将水体中的荧光辐射量分解为某一波长下的背景辐射和荧光辐射两部分，其中荧光辐射与浮游植物叶绿素a浓度成正比，可以反演得到湖泊叶绿素a浓度信息。
FLH模型计算公式如下：(1) į(π)L=Kd(π)L[į(π)TOA−ρW(π)](2) F(πm)=Fb(πm)+Fchla(πm)其中，į(π)L为接收器接收的所测辐照度，Kd(π)L为水体吸收系数，L为波长，π为波段，į(π)TOA为卫星接收器接收到的顶面辐射度，ρW(π)为水体反射率，F(πm)为波长为πm的光学深度，Fb(πm)为背景值，Fchla(πm)为叶绿素a对光学深度的贡献。
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浓度反演湖泊是地球上重要的自然水体，叶绿素a是湖泊中浮游植物的主要色素，它不仅影响水体的颜色和透明度，还对湖泊水生态环境和生态系统的健康状况有着重要的影响。
因此，准确地反演湖泊叶绿素a浓度对于湖泊水质管理、生态环境保护和资源科学研究具有重要意义。
利用遥感技术从卫星获取的遥感数据可以有效地反演湖泊叶绿素a浓度。
我国自主研制的环境卫星HJ-1A/B是一对小型遥感卫星，其中HJ-1A/B卫星上搭载的环境监测传感器（CCD）能够获取高空间分辨率的多光谱遥感数据，广泛应用于陆地和水体等环境领域。
本文将介绍利用HJ-1A/B卫星CCD数据实现湖泊叶绿素a浓度反演的方法和一些常见的问题。
1. 数据获取和处理本文以鄱阳湖为例，利用HJ-1A/B CCD数据进行湖泊叶绿素a浓度反演。
首先，需要获取CCD 反射率数据，并进行预处理，去除大气、表面反射率等非水体效应，得到反演所需的水体反射率数据。
本文采用的是2009年9月16日的HJ-1A CCD数据，波段范围为520~900 nm，空间分辨率为30 m。
2. 预处理湖泊叶绿素a浓度反演需要先进行一些预处理，以确保反演精度和可靠性。
具体包括以下几个方面：（1）数据质量和去云处理CCD数据的质量直接影响到反演精度和可靠性，需要对数据进行质量评估，并对有云和阴影部分进行剔除和插值处理。
（2）水体反射率计算通过分别提取不同波段的反射率值，计算出不同光谱波段下的水体反射率。
需要对CCD数据进行大气校正，去除地表反射率，提取水体反射率，并进行合并处理，得到不同波段下的水体反射率数据。
（3）计算蓝绿波段比值利用HJ-1A CCD波段520~590 nm之间的数据计算蓝绿波段比值（Blue-Green Ratio, BGR），BGR=(R532-R491)/(R532+R491)。
蓝绿波段比值可有效地估算水中叶绿素a的浓度，对湖泊叶绿素a浓度反演具有重要的参考作用。
- 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)。
第３６卷第１１期２０１１年１１月武汉大学学报·信息科学版Ｇｅｏｍａｔｉｃｓ ａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅ ｏｆ Ｗｕｈａｎ ＵｎｉｖｅｒｓｉｔｙＶｏｌ．３６Ｎｏ．１１Ｎｏｖ．２０１１收稿日期：２０１１－０９－１５。
项目来源：国家９７３计划资助项目（２０１１ＣＢ７０７１０６）；国家自然科学基金资助项目（４０９０６０９２，４１０７１２６１，４０６７６０９４）；国家自然基金委创新研究群体科学基金资助项目（４１０２１０６１）；湖北省自然科学基金资助项目（２００９ＣＤＢ１０７）；武汉大学测绘遥感信息工程国家重点实验室专项科研经费资助项目；南昌大学“鄱阳湖环境与资源利用教育部重点实验室”开放课题资助项目（Ｚ０３９７５）；武汉大学博士生自主科研课题资助项目；９８５国家重点实验室仪器设备专项经费资助项目。
文章编号：１６７１－８８６０（２０１１）１１－１２８０－０４文献标志码：ＡＨＪ－１Ａ／Ｂ卫星ＣＣＤ影像的武汉市东湖水色三要素遥感研究陈莉琼１ 田礼乔１ 邱 凤１ 陈晓玲１，２，３（１ 武汉大学测绘遥感信息工程国家重点实验室，武汉市珞喻路１２９号，４３００７９）（２ 江西师范大学鄱阳湖湿地与流域研究教育部重点实验室，南昌市紫阳大道９９号，３３００２２）（３ 南昌大学鄱阳湖环境与资源利用教育部重点实验室，南昌市南京东路２３５号，３３００３１）摘 要：以武汉市东湖为研究区域，利用同步的ＭＯＤＩＳ－Ｔｅｒｒａ气溶胶光学厚度数据为输入参数，采用ＦＬＡＡＳＨ模型对２０１０年３月１１日ＨＪ－１Ａ／Ｂ卫星ＣＣＤ影像进行大气校正处理，并利用多年实测数据建立叶绿素ａ浓度、悬浮泥沙浓度、黄色物质吸收系数三要素神经网络反演模型，对水色三要素进行反演。
通过对反演结果与实测数据的对比分析可知，悬浮泥沙浓度、黄色物质吸收系数和叶绿素ａ浓度的平均相对误差分别为２８．０５２％、１７．６２８％和３５．６２１％，表明ＨＪ－１Ａ／Ｂ卫星ＣＣＤ传感器基本能满足ＩＩ类水体水色要素的遥感监测需求。
关键词：ＨＪ－１Ａ／Ｂ卫星ＣＣＤ传感器；叶绿素ａ；悬浮泥沙；黄色物质中图法分类号：Ｐ２３７．９ 目前，卫星遥感常用的水色传感器如ＭＯＤＩＳ等，虽然时间分辨率较高，但因为空间分辨率较低，１ｋｍ的空间分辨率难以满足中小型内陆湖泊水体水环境的监测需求；常用的陆地应用传感器如Ｌａｎｄｓａｔ ＴＭ／ＥＴＭ＋等，其空间分辨率虽然达到３０ｍ，能对中小型内陆湖泊进行监测，但由于时间分辨率为１６ｄ，也难以满足高动态水体长时间序列的遥感动态监测需求。
２００８年９月６日，我国自主知识产权的ＨＪ－１Ａ／Ｂ卫星发射升空。
目前，ＨＪ－１Ａ／Ｂ卫星ＣＣＤ传感器在内陆湖泊水色要素方面的研究尚不多见，而与之类似的传感器在ＩＩ类水体的研究也多见于在悬浮泥沙浓度反演方面的探索［１－３］。
本文以武汉市东湖为研究区域，采用５次现场实测光谱与实验室分析所得的叶绿素ａ浓度、悬浮泥沙浓度、黄色物质（ｃｏｌｏｒｅｄ ｄｉｓｓｏｌｖｅｄ ｏｒ－ｇａｎｉｃ ｍａｔｔｅｒ，ＣＤＯＭ）吸收系数建立和验证神经网络反演模型，然后应用于２０１０年３月１１日ＨＪ－１Ａ／Ｂ卫星ＣＣＤ影像，获取武汉市东湖水色三要素反演结果的空间分布，以期对ＨＪ－１Ａ／Ｂ卫星ＣＣＤ影像在内陆湖泊水环境遥感监测方面的能力进行评价。
１ 研究区域和数据武汉市东湖位于武昌区东北部，水域面积为２７．９ｋｍ２，平均水深约２．２１ｍ，最深处达６ｍ，湖中１２０多个岛渚星罗棋布，１１２ｋｍ湖岸线曲折，环湖３４座山峰绵延起伏，是全国最大的城中湖泊。
目前，最大的湖区是郭郑湖，面积１２．３４ｋｍ２，是富营养化比较严重的湖区［４］。
笔者分别于２００７年９月２７日、２００８年１０月１６日、２４日、２００９年１月１４日、２０１０年３月１１日对武汉市东湖进行了５次观测，共获取了３６个站位的实测光谱数据和叶绿素ａ、悬浮泥沙浓度、黄色物质吸收系数等。
第３６卷第１１期 陈莉琼等：ＨＪ－１Ａ／Ｂ卫星ＣＣＤ影像的武汉市东湖水色三要素遥感研究水体光谱观测采用美国Ｏｃｅａｎ Ｏｐｔｉｃｓ公司的ＨＲ２０００光谱仪，光谱仪波段设置范围为０．２～１．１μｍ，共２ ０４８个波段，最高光谱分辨率为０．０３５ｎｍ，数据以１２ｂｉｔ进行存储，积分时间可调３ｍｓ～６５ｓ。
光谱观测时，采用ＮＡＳＡ和ＳＩＭＢＩＯＳ推荐的观测几何Φｖ＝１３５°、θｖ＝４０°对水体进行水面以上法光谱测量［５－７］，各站点光谱测量均采用灰板－天空－水体的测量方法获取９组以上数据，以保证获取光谱数据的质量。
叶绿素ａ含量采用萃取法测定，即将表层水样经孔径为０．４５μｍ的醋酸纤维滤膜过滤，然后用乙醇萃取。
悬浮泥沙含量的测定采用电子天平称重法，即用烘干后孔径为０．７μｍ的Ｗｈａｔｍａｎ ＧＦ／Ｃ滤纸过滤，烘干、冷却后称重。
ＣＤＯＭ吸收光谱测定采用Ｏｃｅａｎ Ｏｐｔｉｃｓ ＨＲ２０００光谱仪、ＰＸ－２光源和ＬＷＣＣ波导池组成的ＣＤＯＭ吸收光谱处理设备，将表层水样经０．２２μｍ微孔滤膜过滤后注入设备测定吸收光谱，然后，经过计算得出４００ｎｍ处的ＣＤＯＭ吸收系数和指数函数斜率Ｓ。
本研究采用有同步实测数据的２０１０年３月１１日格林尼治时间３：０９过境东湖的ＨＪ－１Ｂ卫星ＣＣＤ２影像进行算法实现和精度验证。
利用同一天格林尼治时间３：００过境的ＭＯＤＩＳ－Ｔｅｒｒａ影像短波红外大气校正算法获取的气溶胶光学厚度数据作为ＨＪ－１Ｂ卫星ＣＣＤ２影像大气校正的气溶胶输入参数。
２ 模型与方法２．１ 基于ＭＯＤＩＳ－Ｔｅｒｒａ气溶胶信息的大气校正陆地应用遥感传感器的大气校正方法多采用基于辐射传输机理的大气校正模型，主要包括ＬＯＷＴＲＡＮ、ＭＯＤＴＲＡＮ、５Ｓ、６Ｓ、ＡＣＯＲＮ、ＦＬＡＡＳＨ、ＡＴＲＥＭ以及ＨＡＴＣＨ等。
这些大气辐射传输模型一般需要输入卫星传感器过境时的能见度等大气状况数据，但同步实地观测非常困难，需要耗费大量的人力物力，且对历史数据无能为力，实现诸如ＨＪ－１Ａ／Ｂ ＣＣＤ同样也面临同步实测数据获取等方面的问题［８］。
ＨＪ－１Ａ／Ｂ与Ｔｅｒｒａ卫星都是太阳同步轨道，过境同一地方的时间间隔相差很小，可认为二者是准同步的，在同一地区成像时的大气状况差异较小，因此通过ＭＯＤＩＳ－Ｔｅｒｒａ反演获得的大气气溶胶光学厚度可近似作为准同步的ＨＪ－１Ａ／Ｂ卫星ＣＣＤ影像大气校正的参数。
在本实验中，利用与ＨＪ－１Ａ／Ｂ卫星ＣＣＤ传感器准同步、灵敏度较高、有专门针对水色和大气波段设置的ＭＯＤＩＳ－Ｔｅｒｒａ数据，采用目前业务化运行程度最高的汪萌华等提出的ＮＩＲ－ＳＷＩＲ大气校正扩展算法［９］，获取研究水域有代表性的大气气溶胶光学厚度（ａｅｒｏｓｏｌ ｏｐｔｉｃａｌｄｅｐｔｈ，ＡＯＤ）数据，充分利用ＥＮＶＩ软件中ＦＬＡＡＳＨ大气校正模型操作方便的优势，实现一种基于ＭＯＤＩＳ－Ｔｅｒｒａ气溶胶光学厚度信息的ＨＪ－１Ａ／Ｂ ＣＣＤ影像大气校正方法［８］。
２．２ 水色三要素反演目前，最常用的遥感反演算法是基于经验统计关系的单参数反演算法，这类算法没有考虑各个参数之间的相互影响，可推广性较差。
人工神经网络作为一种通用的非线性逼近方法，近年来在海洋水色反演中已有应用［１０－１３］，并取得了良好的效果。
该方法既能充分和灵活地利用卫星传感器的各波段信息和各种先验知识，同时又有较高的计算效率。
在实际应用中，８０％～９０％的人工神经网络模型是采用ＢＰ网络或其变化形式。
在水色遥感研究中，大气校正和水色反演算法一般可看作是对输入光谱的一个非线性函数逼近，因此，本文采用前馈ＢＰ网络进行建模。
在进行反演研究前，根据ＨＪ－１Ａ／Ｂ卫星ＣＣＤ传感器的波段设置，利用各个波段的光谱响应函数对所有站位的光谱数据进行波段等效计算。
波段等效值的计算方法如下：Ｌｗｉ＝（∫λ２λ１ＲＳＲｉ（λ）Ｌｗ（λ）ｄλ）／（∫λ２λ１ＲＳＲｉ（λ）ｄλ）（１）Ｅｄｉ（０＋）＝（∫λ２λ１ＲＳＲｉ（λ）Ｅｄ（λ）ｄλ）／（∫λ２λ１ＲＳＲｉ（λ）ｄλ）（２）Ｒｒｓｉ＝Ｌｗｉ／Ｅｄｉ（０＋）（３）其中，Ｌｗｉ为等效模拟的ＣＣＤ各个波段的离水辐亮度；ＲＳＲｉ（λ）为ＣＣＤ各个波段的光谱响应函数；Ｌｗ为利用实测光谱计算的各个波长处的离水辐亮度；Ｅｄｉ（０＋）为等效模拟的ＣＣＤ各个波段的向上辐照度；Ｅｄ（λ）为利用实测光谱计算的各个波长处的向上辐照度。
理论上已证明，具有偏差和至少一个Ｓ型隐含层加上线性输出的三层网络能够逼近任何有理函数。
因此在多次实验的基础上，本文选用三层ＢＰ神经网络模型。
由于Ｏｃｅａｎ Ｏｐｔｉｃｓ公司的ＨＲ２０００光谱仪的信噪比在近红外波段较低，因此，受实测数据的波段设置限制，本文主要采用ＨＪ－１Ａ／Ｂ小卫星星座ＣＣＤ传感器的前３个波段进行反演算法研究。
波段比值在一定程度上能进一步消除大气１８２１武汉大学学报·信息科学版２０１１年１１月信号的影响，本文采用波段１、３的波段比值Ｂ１／Ｂ３和波段２、３的波段比值Ｂ２／Ｂ３作为神经网络的输入，以相应的悬浮泥沙浓度、黄色物质吸收系数、叶绿素ａ浓度为输出，以双曲正切函数作为神经元的激励函数。
在神经网络反演的过程中，将训练样本分成两个集合：训练集和测试集，２７组数据作为训练集，９组数据作为测试集。
用训练集的数据对网络进行训练，以测试集反演的三要素浓度的数值分别与相应的实测数值的相对误差的变化来选定最佳隐结点数目，其中，ＭＡＴＬＡＢ神经网络工具箱在对训练集数据进行训练的过程中随机选取６０％（１７组）作为模型训练数据，２０％（５组）作为模型验证，２０％（５组）作为模型预测。
训练结果表明，隐结点数目为１２时，多数随机初始化所得的网络有最佳的反演精度，选取其中精度最高的网络作为反演模型，其结构如图１所示。
图１ 武汉市东湖水色三要素的神经网络模型结构Ｆｉｇ．１ Ｓｔｒｕｃｔｕｒｅ ｏｆ Ａｒｔｉｆｉｃｉａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋｓ ｆｏｒＲｅｔｒｉｅｖａｌ ｏｆ Ｗａｔｅｒ Ｃｏｌｏｒ Ｃｏｎｓｔｉｔｕｅｎｔｓ３ 实验与分析为了进一步分析ＨＪ－１Ａ／Ｂ卫星ＣＣＤ影像在武汉市东湖水体监测中的适用性，选用２０１０年３月１１日的实测光谱和实验室分析的水色要素数据对同步反演结果进行了比较分析。
３．１ 大气校正结果分析采用ＭＯＤＩＳ－Ｔｅｒｒａ卫星的ＮＩＲ－ＳＷＩＲ大气校正算法扩展模型反演获取２０１０年３月１１日武汉市东湖区域出现概率最高的５５１ｎｍ波段的气溶胶光学厚度，转换成能见度之后，利用ＦＬＡＡＳＨ大气校正模型得到的ＨＪ－１Ｂ卫星ＣＣＤ２影像的反射率如插页Ⅱ彩图１所示，彩图１（ａ）、１（ｂ）、１（ｃ）分别为波段１、波段２、波段３的反射率分布。
与实测光谱结果相比，Ｂ１／Ｂ３、Ｂ２／Ｂ３的平均相对误差分别为６．４％和－６．７％。