八、高光谱遥感应用—水质参数反演解读
基于高光谱遥感技术的积水沉陷区水深反演模型的研究
基 于 高 光 谱 遥 感 技 术 的 积 水 沉 陷 区 水 深 反 演 模 型 的 研 究
孟祥 来， 继文 ， 朱 张 贺
（ 龙江工程 学院 测绘工程学院 ， 黑 黑龙 江 哈 尔滨 １ ０ ５ ） ５０ ０
摘
要 ： 光谱 遥感 是 当 前 内 陆水 监 测 的 一 个 重 要 发 展 趋 势 ， 有 效 地 捕 捉 这 些 水 体 光 谱 信 息 的必 要 手 段 。 在 遥 感 高 是
图 １ 不 同 叶 绿 素 浓 度 的 水 体 光 谱 曲 线
物浓 度相关 性较 高的波段 范 围为 ： 悬 浮物浓 度水 低 体在 ５ ０ ７ ｍ 和 ７ ０ ０ ｍ 处 ， 关 系数 的 ５ ￣５ ０ｎ ５ ￣９ ０ｎ 相
图２ 为沉 陷 区中心 部分 采样 点 ， 叶绿 素 ａ的单 位 吸收系数 随深度 有较 大 的变 化 ， 尤其 在 短 波 峰值 附 近上 层 水体 的叶 绿素 ａ单位 吸收 系数 要 偏 大 很
ｄ ｐ ｈ ｑ ａ ｔｔ ｔｖ ｅ ｏ ｅ ｓ ｎ ｉ ｇ ｍｏ ｅ ｓ ｂ ｉ ｎ ｔｐ ｏ ｉ ｅ ｏ ｅ ｅ ｅ ｃ ａ ｕ ｏ ｔ ｒｑ ａ ｉ ｏ ｅ ｔ ｕ ｎ ｉａ ｉ ｅ ｒ ｍ ｔ ｅ ｓｎ ｄ ｌ ｕ ｌ ａ ｄ ｉ ｒ ｖ ｄ ｓｓ ｍｅ ｒ ｆ ｒ ｎ ｅ ｖ ｌ ｅｆ ｒｗａ ｅ ｕ ｌ ｙ ｍ — ｉ ｔ ｔ ｎ ｔ ｒｎ ｎ ｅ ｓ ｒ ｍｅ ｔｏ ｔ ｒ ｄ ｐ ｈ ｉｏ ｉ ｇ ａ ｄ ｍ ａ ｕ ｅ ｎ ｆｗａ ｅ ｅ ｔ ．
ｔ ｒ ｄ ｐｔ ｈａ ｇｅ ．Ａｎ ｌ ｉ ｆ ｄ ｆｅ ｅ ｔ ｃ ｏ ｏ ｅ ｅ ｈ ｃ ｎ ｓ ａ ｙｓｓ ｏ ｉｆ ｒ ｎ ｈｌ ｒ ｐｈｙ ｌａ ｃ ｎｃ ｎｔ ａ ｉ ｎ， ｕｓ ｎ ｄ ｐ ｒ ｉ ｌ ｉｅ ｏ ｕｓ ｎｄ ｄ ｌ— ｏ ｅ ｒ ｔｏ ｓ ｐｅ ｄｅ ａ ｔｃｅ ｓｚ ｆ ｓ ｐｅ ｅ
光学浅水高光谱遥感数据的水深反演
（2）得到参考光谱后，像素点i的CC和SC系数被定义为：
CC(i)= (2)
SC(i)= +1(3)
在（2），（3）中，N是480-610纳米间所有波段的数量，Rij是像素点i在波段j处的光谱反射比，Roj是波段j的参考光谱，Ri(Ro)是所有波段Rij(Roj)的平均值，在这两个公式中，添加一个常数来保证值永远都是正的。
图6比较的区域（如图5所示）与激光雷达的深度（如图3所示）。（a）-（c）通过与模型检索结果的比较而得出的结果如图5，图3所示的字段数据。密度的颜色比例代表总数据的百分比在0.25米大小
图7来自Hyperion数据的水深分布图使用stumpf的线性变换方法。地图的线是10米间隔的等深线。（a）-（c）的数据来自于图2。
（3）考虑到Stumpf等人提出的模型，深度z和观测到的反射比Rw之间的自然对数关系，像素点i的水深z能够被SC和CC系数之间的自然对数比估算出来：
(4)
K1是对调节深度比例的可调恒数，n是保证在任何情况下自然对数值为正的固有常数，ko是抵消。在这个表达式中，水底类型的影响通过SC与CC的比例来表示。
B.水深数据准备
在该研究中采用原位测深数据的机载激光雷达采集。这些数据的位置，如图1所示，测深数据如图3所示。图3所示的数据（a）和（b）是在2000年使用扫描水文运行机载激光雷达测量（SHOALS）收集，测量由美国海军海洋局，美国地质服务局，美国陆军工程兵部队，火奴鲁鲁区共同完成。不规则浅滩间隔之间的平均距离是4米。我们使用连续的曲面网格算法栅格化这些SHOALS-LIDAR数据。图3所示的数据（C）是在2011年度使用机载激光雷达收集的资源。调查的编制从NOS，，NCCOS，工业地理学的分支，新罕布什尔大学和国家公园服务完成。数据栅格化为3×3米。所有这些测深数据已经校正到参考平均低水位（MLLW）高度。数据进行重新采样的分辨率为30米，与Hyperion数据共注册，使得比较方便。
基于CNN的水质反演
基于CNN的水质反演我国河流湖泊众多，且随着整个国家工业化和城市化进程的不断加快，我国内陆水体水质状况持续恶化，出现了富营养化、水体面积萎缩等现象，因此监测内陆水体异常情况并做出正确的应对措施具有重要的战略意义。
水质参数是自然环境下影响水体光学性质的光学活性物质，包括叶绿素a、悬浮物和黄色物质，能够衡量水域富营养化程度和透明度。
水质参数所引起的水体光学性质变化反映在离水辐射的光谱信息上，通过处理和分析这些光谱特征，可以得到相应的水质参数浓度，从而实现水体监测。
高光谱数据是由相同场景下不同谱段的三维图像数据构成，包含了地表物体的空间维信息和数十至数百个连续窄波段光谱维信息，其光谱分辨率达到了纳米数量级。
随着高光谱遥感技术的不断发展，高光谱遥感被广泛地应用于水质监测领域，具有高精度、低成本、快速、大范围、周期性动态监测的特点，拥有良好的应用前景。
基于高光谱遥感数据反演水质参数的方法主要分为三类：经验或半经验模型，即直接或利用一部分参数的光学特性，建立遥感数据与水质参数浓度的定量经验模型，该方法简单便捷，但因限制于特定的水体和环境条件，通用性和适用性均受到较大限制；基于生物光学模型的分析方法，具有物理意义明确、通用性和反演精度高、可同时反演出多种水质参数等优点，但模型构建复杂；基于机器学习模型的方法与经验或半经验模型类似，均基于遥感数据和水质参数浓度的统计关系，常用方法有支持向量机模型、bp神经网络模型、偏最小二乘法等。
2019年有学者提出了基于卷积神经网络的水质反演方法，该方法用于利用二维卷积神经网络，输入一个具有一定宽度和高度的高光谱图像块，提取空间和光谱特征，输出水质参数的浓度，但这种方法在野外实测时需要利用地物光谱仪测量一定宽度和高度水体内每个点的光谱信息，且需要采集该水体块内每点的水样，化验分析得到其水质参数浓度，测量过程较为复杂繁琐且难以保证测量结果的精确性。
上述传统的水质参数反演方法通常需要计算波段或波段组合与水质参数浓度的相关系数，选取相关系数高的波段或波段组合以构建反演模型，但会损失部分波段信息，导致反演精度降低。
无人机水质遥感监测方法
无人机水质遥感监测方法作者：朱熹刘黎明叶张林来源：《中国水运》2021年第07期摘要：面对高分辨率水质监测的需求，运用无人机多光谱传感器，本文提出了一种水质参数反演方法。
以上海市淀山湖和元荡为实验区，总磷、氨氮、高锰酸盐、溶解氧为待反演水质参数，构建相应的反演模型，基于国家标准得到水质类别。
实验结果显示，各水质参数相对误差均在30%以内，湖内的污染主要集中在细小分支和岸边。
关键词：无人机多光谱;水质监测;水质反演中图分类号：X832 文献标识码：A 文章编号：1006—7973（2021）07-0157-031引言水资源是我们赖以生存的重要资源[1]，然而人类活动对水环境的影响日趋严重。
传统检测方法主要以实验检测法为主，但是该方法需要大量的人力物力，且覆盖范围有限，需要新的手段相结合构建新的水质监测体系。
遥感由于其成本低，速度快，监测面积大等优点被广泛应用于水质监测，但是针对更小尺度上的河道，受限于卫星传感器的时空分辨率，卫星遥感反演的效果受限，此时无人机遥感的优势得以体现[7-8]。
无人机具有机动灵活、操作简便、时空分辨率高等优点，可以根据监测水域特征制定不同的检测方案，及时发现水质问题区域，对于微小水域的水质监测具有重要意义。
目前水質反演方法主要分析法，经验法[2-6]等。
分析法主要基于水体的光谱反射散射特性，建立在光学传输的理论基础之上，具有严密的物理逻辑推演过程，但是所需辅助数据众多，模型构建过程繁琐且具有一定的区域局限性。
而经验法建立在样本数据与光谱数据的统计关系之上，模型构建成本低，指定区域季节内精度较高，但采样难度高难以与卫星影像同步匹配[7-8]。
近些年来无人机的应用领域在不断拓展，其中有针对叶绿素相对含量反演，还有在水环境中应用于水土流失状况分析，但目前针对水质反演的研究还较少，基于此，本文以上海市青浦区金泽镇淀山湖部分区域为实验区，利用样本点、地面光谱仪、纵横无人机及K6多光谱相机构建DO（溶解氧）、CODMN（高锰酸盐指数）、TP（总磷）、TN（总氮）、NH3（氨氮）的遥感反演模型，并验证其精度。
遥感生物量反演反演原理-概述说明以及解释
遥感生物量反演反演原理-概述说明以及解释1.引言1.1 概述遥感生物量反演是利用遥感技术对地表物质进行监测与测量，通过反演算法来估算生物量密度的一种方法。
在生态环境监测、资源管理和气候变化研究等领域具有重要的应用价值。
本文旨在探讨遥感生物量反演的原理及其在环境研究中的应用，以期为相关研究提供参考和借鉴。
遥感技术为生物量反演提供了全新的视角和手段，可以实现对辽阔地域范围内生物量的遥感监测和评估。
通过对地表反射、辐射和散射数据的提取和分析，结合地面实测数据和数学模型，可以精确地反演出不同植被类型的生物量分布情况。
这种非接触式的监测方法极大地提高了生物量反演的效率和精度，同时也为科学研究和资源管理提供了更加便捷的工具和手段。
在未来的发展中，随着遥感技术的不断创新和完善，遥感生物量反演将更加深入到生态环境监测、碳汇评估和气候变化研究等领域。
同时，对于生物量反演算法和模型的进一步优化和改进也将成为未来研究的重点之一。
希望通过本文的探讨和总结，可以为遥感生物量反演的研究和应用提供一定的参考和指导。
1.2 文章结构:本文将分为三个主要部分，即引言、正文和结论。
在引言部分，将对遥感生物量反演的概念进行概述，介绍文章的结构和目的。
在正文部分，将从遥感技术的概述开始，然后详细解释生物量反演的原理，最后探讨其应用与发展。
在结论部分，将总结生物量反演的原理，讨论其实际应用意义，并展望未来的发展方向。
通过这三个主要部分的论述，读者可以全面了解遥感生物量反演的反演原理及其在现实中的应用和未来的发展前景。
1.3 目的目的部分的内容：本文旨在深入探讨遥感生物量反演的反演原理，通过对遥感技术和生物量反演的基本概念进行介绍，进一步阐述生物量反演原理的相关理论与方法。
同时，通过对该技术在实际应用和发展趋势进行分析，探讨生物量反演在资源监测、环境保护和生态研究等领域的潜在意义。
最终，通过总结反演原理及其实际应用意义，展望未来遥感生物量反演技术的发展方向，为相关领域的研究提供参考和借鉴。
遥感技术应用在水质监测中的问题趋势
遥感技术应用在水质监测中的问题趋势遥感技术应用在水质监测中的问题趋势文章标题：遥感技术应用在水质监测中的问题趋势摘要：本文简述了遥感在水质监测中的意义，遥感监测的一些基本理论、机理及过程，主要综述了遥感在水质监测中常用的遥感数据即多光谱遥感数据、高光谱遥感数据以及新型卫星遥感数据，并且讨论了遥感技术在这一领域仍存在的问题和今后的发展趋势。
关键词：遥感水质监测遥感数据1水体遥感监测的基本理论1.1水体遥感监测原理、特点。
影响水质的参数有：水中悬浮物、藻类、化学物质、溶解性有机物、热释放物、病原体和油类物质等。
随着遥感技术的革新和对物质光谱特征研究的深入，可以监测的水质参数种类也在逐渐增加，除了热污染和溢油污染等突发性水污染事故的监测外，用遥感监测的水质数据大致可以分为以下四大类：浑浊度、浮游植物、溶解性有机物、化学性水质指标。
利用遥感技术进行水环境质量监测的主要机理是被污染水体具有独特的有别于清洁水体的光谱特征，这些光谱特征体现在其对特定波长的光的吸收或反射，而且这些光谱特征能够为遥感器所捕获并在遥感图象中体现出来。
如当水体出现富营养化时，浮游植物中的叶绿素对近红外波段具有明显的“陡坡效应”，故而这类水体兼有水体和植物的光谱特征，即在可见光波段反射率低，在近红外波段反射率却明显升高。
1.2水质参数的遥感监测过程。
首先，根据水质参数选择遥感数据，并获得同期内的地面监测的水质分析数据。
现今广泛使用的遥感图象波段较宽，所反映的往往是综合信息，加之太阳光、大气等因素的影响，遥感信息表现的不甚明显，要对遥感数据进行一系列校正和转换将原始数字图像格式转换为辐射值或反射率值。
然后根据经验选择不同波段或波段组合的数据与同步观测的地面数据进行统计分析，再经检验得到最后满意的模型方程（如图）。
图1：遥感监测水质步骤简图2水质遥感监测常用的遥感数据2.1多光谱遥感数据。
在水质遥感监测中常用的多光谱遥感数据，包括美国Landsat卫星的MSS、TM、ETM 数据，法国SPOT卫星的HRV数据，气象卫星NOAA的AVHRR数据，印度遥感IRS系统的LISS数据，日本JERS卫星的OPS(光学传感器)接收的多光谱图像数据，中巴地球资源1号卫星（CBERS--1）CCD相机数据等。
高光谱遥感的应用
高光谱遥感的应用赵艳福 张灵凯（江西理工大学建筑与测绘工程学院，江西 赣州 ３４１０００）摘要：高光谱遥感技术是20世纪末发展起来具有“图谱合一”特点的全新遥感技术。
本文主要对高光谱遥感的特点进行介绍，并着重阐述高光谱遥感在农业、内陆水体水质、及地矿研究三个方面的应用。
关键字：高光谱；遥感；应用１ 高光谱遥感的特点高光谱分辨率遥感（Ｈｙｐｅｒｓｐｅｃｔｒａｌ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ）：用很窄１０－２λ而连续的光谱通道对地物持续遥感成像的技术。
在可见光到短波红外波段其光谱分辨率高达纳米（ｎｍ）数量级，通常具有波段多的特点，光谱通道数多达数十甚至数百个以上而且各光谱通道间往往是连续的，因此高光谱遥感又通常被称为成像光谱遥感。
高光谱遥感的显著特点包括三个方面：（１）高光谱分辨率；传统的多光谱传感器只有几个波段，且光谱分辨率一般都大于１００ｎｍ，而高光谱遥感器的波段数多至几十到几百个，且光谱分辨率都是纳米级，一般是１０～２０ｎｍ，（２）图谱合一；高光谱遥感获取的数据中包含了空间、辐射、光谱三种重要信息，（３）光谱通道多，可在某一光谱波段范围内连续成像；正是得益于高光谱分辨率、多光谱波段的特点，成像光谱仪能够获得地物在一定范围内连续的，精细的光谱曲线。
２高光谱遥感的应用2.1 高光谱遥感在农业方面的应用高光谱遥感在农业中的应用主要包括：（１）对不同农作物进行识别和分类；（２）对农作作物的叶绿素等生物物理参数进行估算；（３）对农作物长势的监测；（４）对农作物产量的评估［１］。
黄双萍［２］等采用偏最小二乘法（ＰＬＳ）和支持向量回归法（ＳＶＲ），在使用高光谱仪采集的反射光谱进行各种形式预处理的基础上，对柑橘叶片的磷含量进行建模和预测。
模型分别在校正集和测试集上进行评估，取得最佳模型决定系数分别为０．９０５和０．８８１，均方误差分别为 ０．００５和０．００４，平均相对误差分别为０．０２６４和０．０３１２。
研究表明：利用高光谱数据 进行磷含量的建模预测是可行的。
基于高分遥感卫星影像的汤逊湖水质遥感反演
______________________________________________________________________________________________o水利信息化D0l：10.166$6/ki.10-1326/TV.202$.05.15基于高分遥感卫星影像的汤逊湖水质遥感反演马方凯1高兆波1叶帮玲2(1.长江勘测规划设计研究有限责任公司，湖北武汉430010；2.湖南航天远望科技有限公司，湖南长沙410205)【摘要】本文通过对2019年1月、8月高分二号、高分六号影像以及相应时期的实测水质数据，建立水质参数与最佳特征波段或波段组合的回归方程,对武汉汤逊湖的氨氮、总磷和化学需氧量进行遥感反演，并对3种水质参数进行综合评价，探讨各水质参数浓度的影响因素。
结果表明：3种水质参数中反演精度高低依次为化学需氧量、总磷、氨氮;从水质综合评价结果来看，汤逊湖2019年1月综合水质状况要优于8月'根据水质参数反演结果,汤逊湖中部的水质状况总体优于沿岸水域。
综上所述，通过遥感技术对汤逊湖进行水质反演，获取了相应时期3种水质参数浓度的空间分布数据，可为汤逊湖生态环境保护的研究和决策提供重要科学依据。
【关键词】汤逊湖；水质参数;遥感反演中图分类号：X832 文献标志码：-文章编号：2096-0131(2021)05-069-07Remote sensing inversion of Tangxun lake water quality based onhigh scors remote sensing satellite imageMA Fangkai1,GAO Zhaobo1,YE Bangling2(1.Changjiang Survey#Planning,Design and Research Co.,Ltd.#Wuhan430010,China*2.Hu'nan Aerospace Yuanwang Technology Co.,Ltd.,Changsia410205,China)Abstract:Based on the GF-2and GF-6images in Januaa and August of2019and the measured water quality date in corresponding periods,the agassion equation of water quality parameters and the best characteristic band or combination of bands was established,and the ammonia nitaven,total phosphorus and chemical oxygen demand of Tangxun Lake in Wuhan were retrieved bg remote sensing,and the three water quality parameters were compahensivelg evaluated,and the ineiu0ncingeactoasoeth0conc0ntaation oe0ach wataquaiitgpaaam0taw0a0discu s0d.Th0asuitsshowthatth0ine0asion accuracy of3water quality parameters is chemical oxygen demand,total phosphorus and ammonia nitaven in turn；From the results of comprehensive water quality evaluation,the comprehensive water quality of Tangxun Lake in Januaa2019ft better than that in August；According to the inversion results of water quality parameters,the water quality in central Tangxun Lake is betcr than that in coastal waters.To sum up,the water quality of Tangxun Lake was retrieved bg remote sensing technolovg,and the spatial distObution date of the concentration of3water quality parameters in the corresponding period were obtained,which can provide impofant scientific basis for the research and decision-making of ecolovical environment protection of Tangxun Lake.Key worSs:Tangxun Lake；water quality parameters；remote sensing inversion收稿日期：2020-11-10作者简介：马方凯(1983-),男，高级工程师，博士，主要从事城市水生态环境设计工作$・69・水咨源开发与管理2021年第5期随着经济社会的发展,城镇人口不断增加,工业废水、生活污水的排放量日益增长,水污染呈恶化态势,水污染和水资源短缺成为制约中国可持续发展的瓶颈因素。
基于深度学习的高光谱图像水质反演模型
基于深度学习的高光谱图像水质反演模型
基于深度学习的高光谱图像水质反演模型是使用深度学习技术来对高光谱图像中的水质参数进行预测和反演的模型。
该模型通过训练来学习高光谱图像中的特征和水质参数之间的关系，并利用这种关系来对新的高光谱图像进行水质参数预测。
深度学习模型通常使用卷积神经网络（CNN）或递归神经网络（RNN）等结构进行建模。
它们将高光谱图像作为输入，经过多层的隐藏层进行特征提取和表示学习，最后通过输出层得到水质参数的预测结果。
该模型的训练通常需要大量的高光谱图像和相应的水质参数数据集。
在训练过程中，通过优化算法对模型参数进行调整，使得模型能够更接近真实的水质参数分布。
训练好的模型可以应用于新的高光谱图像，输入图像后即可输出对应的水质参数预测结果。
需要注意的是，该模型的准确性和性能受到训练数据质量和数量的影响。
因此，在应用该模型进行水质反演时，需要选择合适的训练样本和模型结构，并进行充分的验证和测试以确保结果的可靠性。
水质高光谱遥感反演模型建立及优化研究
水质高光谱遥感反演模型建立及优化研究
1. 什么是水质高光谱遥感反演？
水质高光谱遥感反演是利用高光谱遥感技术获取水体表面反射率谱，通过反演模型计算出水质参数的一种方法。
2. 建立水质高光谱遥感反演模型的步骤是什么？
建立水质高光谱遥感反演模型的步骤包括选取适当的反演波段、获取实验数据、确定反演算法、建立反演模型和模型验证等。
3. 水质高光谱遥感反演模型的建立和优化的意义是什么？
水质高光谱遥感反演模型的建立和优化可以为水环境监测和管理提供重要的数据支持，为水质状况评估和污染控制提供科学依据，有助于提高水环境质量和生态环境保护水平。