MODIS巢湖水体叶绿素a浓度反演模型
太湖水体叶绿素浓度反演模型适宜性分析
太湖水体叶绿素浓度反演模型适宜性分析王珊珊;李云梅;王永波;王帅;杜成功【摘要】In order to determine the most suitable retrieval model for estimating chlorophyll concentration in Lake Taihu and provide a reference for the application of the satellite data, the difference model, the ratio model, the three-band model and APPEL model were built to estimate chlorophyll concentration based on the data of MODIS , MERIS, GOCI and HJ-1 CCD sensor.The dataset in-cluded the measured water quality parameters and the synchronous spectra data in November 2007, April 2009 and August 2011. The results of the analysis showed that the decision coefficient of the APPEL model was between 0.7308 and 0.8107 for the differ-ent satellite data, the relative error was between 15% and 24%, and the root mean square error was between 21% and 32%;The decision coefficient of the three-band model was between 0.6014 and 0.7610, the relative error was between 28% and 36%, and the root mean square error was between 39% and 46%; The decision coefficient of different models was between 0.4954 and 0.7244, the relative error was between 39% and 53%, and the root mean square error was between 51% and 72%;The decision coefficient of the ratio model was between 0.4918 and 0.7098, the relative error was between 41% and 55%, and the root mean square error was between 56% and 75%.To sum up, the APPEL model showed a strong stability and was suitable for the chloro-phyll concentration retrieval of Lake Taihu for different sensor data.In addition, different band widths andband positions had dif-ferent influences on the retrieval model for estimating chlorophyll concentration .When the band position was close to the character-istic wavelength of chlorophyll, narrow band width was beneficial for the accuracy of the model;while when the band position was far away from the position of the characteristic wavelength, the band width should be increased reasonably.%为确定适合太湖水体叶绿素的反演算法，为同类卫星数据的建模和应用提供参考，本文根据太湖2007年11月、2009年4月和2011年8月实测水质参数以及同步光谱数据，结合水色遥感传感器MODIS、MERIS、GOCI及我国自主发射的HJ-1号卫星CCD传感器波段参数，基于差值模型、比值模型、三波段模型及APPEL模型，分别建立太湖水体叶绿素浓度反演模型，并分析模型的适宜性．结果显示，基于不同传感器数据APPEL模型的决定系数为0．7308～0．8107，模型相对误差为15％～24％，均方根误差为21％～32％；三波段模型基于不同传感器数据拟合的决定系数为0．6014～0．7610，相对误差为28％～36％，相对均方根误差为39％～46％；差值模型决定系数为0．4954～0．7244，相对误差为39％～53％，相对均方根误差为51％～72％；比值模型决定系数为0．4918～0．7098，相对误差为41％～55％，相对均方根误差为56％～75％．相比较而言，APPEL模型的稳定性较强，适合于不同传感器数据的太湖水体叶绿素浓度的反演．此外，相应不同传感器波段位置、波段宽度对模型反演的精度和稳定性的影响也不同，当波段位置接近叶绿素特征波长时，较窄的波宽有利于模型精度的提高，波段位置和叶绿素浓度特征波长相差较大时，合理增加波谱范围有利于叶绿素特征信息的获取．【期刊名称】《湖泊科学》【年(卷),期】2015(000)001【总页数】13页(P150-162)【关键词】太湖;叶绿素浓度;反演模型;遥感【作者】王珊珊;李云梅;王永波;王帅;杜成功【作者单位】江苏省地理信息资源开发与利用协同创新中心，南京210023;江苏省地理信息资源开发与利用协同创新中心，南京210023;江苏省地理信息资源开发与利用协同创新中心，南京210023;江苏省地理信息资源开发与利用协同创新中心，南京210023;江苏省地理信息资源开发与利用协同创新中心，南京210023【正文语种】中文水体中叶绿素a含量的高低直接影响水体的光学特性，也是表征水体富营养化程度的主要参数，所以叶绿素a浓度已经成为水体水质评价的重要指标.叶绿素浓度的反演方法主要有经验方法、半经验/半分析方法和分析方法，对于叶绿素浓度反演方法，目前国内外已有众多学者对其进行了深入的研究.李素菊等[1]根据地面实测高光谱数据和同步水质采样分析，分别利用反射率比值法和一阶微分法建立了叶绿素浓度的遥感定量模型，结果表明反射率比值法及一阶微分法与叶绿素a浓度均有较好的相关性，且反射率比值法估算叶绿素a浓度效果较好.旷达等[2]综合环境一号小卫星的CCD数据和同步地面水质监测数据，发现近红外波段与红波段比值的模型用于太湖地区叶绿素a浓度反演的精度良好.乐成峰等[3]基于季节分异对太湖叶绿素浓度反演模型进行研究，结果表明春季和秋季选用波段比值算法精度较高，夏季选用微分算法最好.Kahru等[4]结合MODIS真彩色影像，利用红波段、近红外波段叶绿素反射特征的差异建立红、近红外波段反射率差值模型，成功检测了秘鲁帕拉卡斯湾赤潮的发生.Gitelson等[5]首次提出用于估算陆地植被叶绿素含量的三波段式半分析模型，Zimba、Dall’Olmo等[6-7]将该方法应用于水体叶绿素a浓度反演，提高了反演精度.周冠华等[8]利用太湖实测的高光谱遥感数据建立三波段模型并进行波段优化，得到较高的反演精度.杨煜等[9]通过地面实测数据，建立太湖叶绿素a浓度反演模型，对比各模型反演效果，认为三波段模型反演精度最高.徐京萍等[10]利用2004年5-9月的吉林省新庙泡实测高光谱数据和实验室分析数据，建立了基于三波段的叶绿素a浓度反演模型，并优化组合了3个特征波长，结果表明用该方法建立的模型反演精度较高，适合于内陆水体叶绿素a含量的定量提取.2012年El-Alem等[11]提出了一种新的叶绿素浓度反演模型APPEL模型(APProach by ELimination)，结合南魁北克4个湖泊的9年实测数据和同步MODIS影像数据对叶绿素浓度进行反演，决定系数达到0.95.差值模型、比值模型以及三波段模型已成功应用于内陆水体的叶绿素浓度反演研究并取得较好的效果，成为内陆水体叶绿素浓度反演最常用的模型.APPEL模型是以MODIS传感器波段数据为参数，以叶绿素在红波段强吸收、近红外波段高反射的光谱特征为原理，以不同波段组合来去除悬浮物、CDOM和后向散射的影响，最终构建而成的叶绿素浓度反演模型.它是一种新的半分析模型，目前并未用于内陆水体的叶绿素浓度反演研究，所以其精度与稳定性如何，适不适合内陆水质参数的反演，这些问题还需要进一步验证.在叶绿素浓度遥感估算方面，各国已相继发射了多种水色遥感传感器，这些卫星无疑为叶绿素浓度遥感估算提供了良好的数据源.例如美国海洋水色卫星(SeaStar)携带的海洋宽视场扫描仪SeaWiFS、搭载在美国Aqua和Terra卫星上的中分辨率光谱成像仪(MODIS)、搭载于Envisat-1卫星平台上的中等分辨率成像频谱仪(MERIS)、日本ADEOS-2卫星平台上的全球成像仪(GLI)、印度遥感卫星IRS平台上的海洋水色监测仪(OCM)、韩国发射的静止海洋观测卫星成像仪(GOCI)等.其中，MODIS于1999年12月18日发射，拥有9个为水色遥感专门设计的通道，其最大空间分辨率为250m，一天可过境4次，对各种突发性、快速变化的自然灾害有更强的实时监测能力；MERIS传感器于2002年3月发射，在可见光/近红外区域(309～1040nm)有15个水色波段，可见光波段平均带宽为10nm，中心波段位置更精细，其空间分辨率为300m，重返周期为2～3d，适用于二类水体各组分的反演；GOCI为世界首次发射的静止海洋观测卫星成像仪，发射时间为2011年4月，其具有可见光到近红外8个波段，空间分辨率为500m，其最突出的特点是从8：00-15：00提供每小时的遥感影像，由于GOCI影像较高的时间分辨率和光谱分辨率，并且对于东北亚地区相对静止，其影像数据可有效用于我国东部湖泊富营养化情况的实时监测.但是，目前的水色遥感传感器主要是为海洋遥感服务的，在内陆水体中是否适用，其稳定性如何还有待验证.此外，我国于2008年发射了环境一号卫星，该卫星由两颗光学小卫星(HJ-1A、HJ-1B)组成双星星座，时间分辨率为2d，虽然其传感器波段不是专门针对水体设置，但是，其较高的时间分辨率和30m的空间分辨率，使得该数据在内陆水环境的遥感监测中具有突出的优势.结合以上两点，在内陆水体叶绿素浓度反演过程中，反演模型的选择和卫星数据的选择是非常重要的，二者直接影响水体叶绿素浓度的反演结果，因此基于卫星数据的叶绿素浓度反演模型适宜性分析具有十分重要的研究意义.本文基于太湖2007年11月、2009年4月和2011年8月实测数据，选择差值模型、比值模型、三波段模型以及APPEL模型，针对HJ-CCD、MODIS、MERIS 以及GOCI传感器波段设置，分别构建太湖水体叶绿素a浓度的估算模型，并分析模型的适宜性，以期确定最适合太湖水体叶绿素的反演算法，为同类卫星数据的建模和应用提供参考.1.1 实验区概况太湖位于江苏省南部，长江三角洲中部，是中国第三大淡水湖，湖面面积、平均海拔和平均水深分别为2338.1km2、3.33m和1.9m.2007年11月、2009年4月和2011年8月分别对太湖水体进行样点采集，并去除异常数据，光谱数据的采集和水体采样同步进行.1.2 数据获取与预处理1.2.1 水体光谱数据的获取水体光谱数据采用美国分析光谱仪器公司(Analytical Spectral Devices)制造的ASD FieldSpec Pro便携式光谱辐射计测量，该仪器波段范围为350～1050nm，光谱分辨率为2nm.选择水面平静，天空晴朗时测量.具体按照唐军武等[12]提出的关于内陆二类水体水面以上光谱测量的方法进行测量，并最终计算出水面遥感反射率参数.地面实验于2007年11月、2009年4月和2011年8月在太湖进行，共获得有效数据88个.1.2.2 叶绿素浓度的测量叶绿素浓度采用陈宇炜等[13]提出的浮游植物叶绿素a测定的“热乙醇法”进行测量.首先用GF/F滤膜过滤200ml水样，然后加入热乙醇水浴2min后避光萃取4～6h，萃取结束后，用25mm玻璃纤维滤膜过滤萃取液并定容至10ml，将10ml叶绿素样品萃取液在UV-2550紫外分光光度计上用90%乙醇作为参比液进行比色，先后在665nm和750nm波长处测消光率E665和E750，然后在样品比色皿中加1滴1mol/L的盐酸进行酸化，加盖摇匀，1min后重新在665nm和750nm波长处测消光率A665和A750.叶绿素a浓度计算公式为：式中，Chl.a为叶绿素a浓度(mg/m3)，V乙醇为萃取液定容的体积(ml)，V样品为过滤水样的体积(m3).1.3 叶绿素浓度反演模型构建首先，利用水面实测光谱以波段均值法模拟HJ-CCD、MODIS、MERIS以及GOCI传感器波段光谱，HJ-CCD波段1、2、3、4的波宽分别为430～520、520～600、630～690、760～900nm;MODIS波段1、2、3、4的波宽分别为620～670、841～876、459～479、545～565nm;MERIS波段2、5、7、9、12的波宽分别为437.5～447.5、555～565、660～670、703.75～713.75、771.25～786.25nm;GOCI波段2、4、6、7、8的波宽分别为433～453、545～565、675～685、735～755、845～885nm.其次，针对各传感器波段设置，分别建立差值模型、比值模型、三波段模型和APPEL模型等叶绿素浓度反演模型.建模数据为88个太湖实测数据中随机选择的68个样点数据.1.3.1 差值模型差值模型是根据红波段和近红外波段叶绿素的光谱特性差异建立的半分析模型[4].该模型将红、近红外波段的差值作为相关变量，进行叶绿素浓度量化反演.针对HJ-CCD、MODIS、MERIS以及GOCI传感器波段设置，太湖叶绿素浓度反演对应的量化波段如下：式中,R(bi)为第i波段的遥感反射率，[Chl.a]为叶绿素a浓度.1.3.2 比值模型比值模型根据叶绿素在近红外波段高反射与红波段强吸收的特性，选用两波段比值作为光谱指数进行叶绿素浓度反演，对于不同传感器选取的波段如下：1.3.3 三波段模型三波段模型使用1个红光波段、2个近红外波段的组合来构建叶绿素反演模型[5]，定义如下：选择660～690nm作为叶绿素a的敏感波段[14]，λ2选取对叶绿素吸收敏感度低并且接近λ1的近红外波段710～730nm来减小悬浮物和CDOM的影响[14-15]，λ3选取730nm以后的近红外波段，水体各组分的吸收系数很小，水体后向散射较大，因此此波段用来去除后向散射的影响[16-17].对于MERIS和GOCI传感器参数，分别选用b7、b9、b12波段和b6、b7、b8波段来建立三波段模型：由于HJ-CCD和MODIS传感器波段设置不能完全包含理想的三波段范围，因此，无法直接采用上述方法建立三波段模型.El-Alem等[11]提出，对于MODIS数据，可采用波段1(红光波段)代替λ1叶绿素a吸收的敏感波段，选用波段1、3、4的组合代替λ2去除悬浮物和CDOM的影响[18-19]，同时选用波段2近红外波段代替λ3去除后向散射的影响.由于HJ-CCD波段设置类似于MODIS的1～4波段，因此，本研究采用El-Alem等提出的方法设置MODIS和HJ-CCD数据的三波段模型参数：式中，对于HJ-CCD：Δb1=b1-b3，Δb2=b2-b3，R-1(b3)对叶绿素a的吸收敏感，b1用来最小化悬浮物的影响用来最小化CDOM的影响，b4最小化后向散射的影响.同理对于MODIS：Δb3=b3-b1，Δb4=b4-b1.1.3.4 APPEL模型APPEL模型是由El-Alem等[11]针对MODIS传感器数据提出，由于近红外波段叶绿素光谱特征表现出高反射，而水体在此波段强吸收，因此可以用来获取最大的叶绿素信息量.在此波段仍有悬浮物、CDOM和后向散射的影响，因此，选用CDOM反射最强的蓝波段来去除CDOM的影响[20]，同时选取近红外波段作为叶绿素的敏感波段来去除CDOM敏感波段中的叶绿素信息，近红外波段由于水体强吸收也用来去除蓝波段后向散射的影响.红波段可以作为悬浮物敏感波段的研究，来最小化悬浮物的影响，并用近红外波段去除红波段叶绿素的信息，在红、近红外波段，水体表现为强吸收特征，因此后向散射可以忽略.综上，最终得到的APPEL光谱指数为：APPEL模型用于不同传感器的叶绿素浓度反演光谱指数如下所示：2.1 模型拟合效果分析2.1.1 基于HJ-CCD波段数据模型拟合结果分析利用实测数据模拟HJ-CCD传感器波段数据，构建叶绿素反演模型的拟合结果,可以看出4个模型的光谱指数与叶绿素浓度均呈现较好的线性关系，其中APPEL模型拟合效果最好，决定系数为0.7434，其次为三波段模型，决定系数为0.6245，两波段差值模型和比值模型的拟合结果决定系数分别为0.5403和0.5148，模型拟合精度由高到低分别为APPEL模型、三波段模型、差值模型、比值模型(图1).2.1.2 基于MODIS波段数据模型拟合结果分析利用实测数据模拟MODIS传感器波段数据，构建叶绿素反演模型的拟合结果,可以看出APPEL模型拟合结果最好，决定系数为0.7308，三波段模型决定系数为0.6014，差值模型和比值模型拟合结果决定系数均在0.5以下，分别为0.4954和0.4918，模型拟合精度由高到低分别为APPEL模型、三波段模型、差值模型、比值模型(图2).2.1.3 基于MERIS波段数据模型拟合结果分析利用实测数据模拟MERIS传感器波段数据，构建叶绿素反演模型的拟合结果,可以看出三波段模型和APPEL模型拟合的光谱指数与叶绿素浓度呈现出很好的线性相关，决定系数分别为0.7610和0.8107，差值模型和比值模型拟合的光谱指数与叶绿素浓度也有较好的线性相关，并且模型决定系数都在0.7以上，模型拟合精度由高到低分别为APPEL模型、三波段模型、差值模型、比值模型(图3).2.1.4 基于GOCI波段数据模型拟合结果分析利用实测数据模拟GOCI传感器波段数据，构建叶绿素反演模型的拟合结果,可知APPEL模型拟合结果的决定系数为0.7823，三波段模型决定系数为0.7053，差值模型和比值模型的决定系数分别为0.6871和0.6305，模型拟合精度由高到低分别为APPEL模型、三波段模型、差值模型、比值模型(图4).基于水色遥感传感器的太湖水体叶绿素浓度反演模型拟合结果可以看出，APPEL模型拟合结果决定系数都在0.73以上.三波段模型拟合结果决定系数都在0.6以上，其精度与稳定性都较APPEL模型差.差值模型和比值模型对于不同的传感器波段设置，模型拟合结果有一定的波动，差值模型拟合决定系数为0.4954～0.7244，比值模型拟合决定系数为0.4918～0.7098.这是因为差值模型和比值模型均为两波段模型，二者建模原理是基于红、近红外波段叶绿素光谱特性的差异，构建红、近红外波段的差值和比值作为光谱参数，并未去除悬浮物、CDOM以及后向散射等的影响，降低了模型适用性与稳定性.而三波段模型和APPEL模型考虑到了悬浮物、CDOM以及后向散射等的影响并对其进行了去除，一定程度上提高了模型的精度.从模型拟合结果还可以看出，对于同一叶绿素浓度反演模型，基于MERIS传感器波段设置的模型模拟结果精度最好，其次分别为基于GOCI传感器波段设置拟合结果、基于HJ-CCD传感器波段设置拟合结果、基于MODIS传感器波段设置拟合结果.2.2 模型外推适应性分析利用未参与建模的数据，对所建模型的外推适应性进行分析.在此，分别采用相对误差(Er)和相对均方根误差(RMSEr)两个指标对模型反演结果进行评价：式中，n是样点数目，Oi和Esi分别为第i个样点的实测值和模型估算值.图5为基于不同传感器波段数据的4个模型验证结果相对误差频率分布直方图，差值模型有36%的样点相对误差小于0.3，并且有7%的样点相对误差大于1.比值模型相对误差小于0.3的样点数占31%，有11%的样点相对误差大于1.三波段模型外推验证结果56%的样点相对误差小于0.3，相对误差大于1的样点数占3%.APPEL模型接近一半的样点相对误差小于0.1，占总样点数的48%，71%的样点相对误差小于0.3.对4种模型反演叶绿素a浓度的反演值和实测值进行相对误差统计和相对均方根误差统计，结果如表1所示.整体来说，APPEL模型的外推结果最好，具有很高的稳定性，对于不同传感器波段设置和不同的传感器波段宽度，模型敏感度较低，叶绿素浓度反演值与实测值的相对误差与相对均方根误差均较小，相对误差为15%～24%，相对均方根误差为21%～32%.三波段模型对于不同传感器波段数据，模型外推结果的相对误差为28%～36%，相对均方根误差为39%～46%.差值模型验证结果相对误差为39%～53%，相对均方根误差为51%～72%，比值模型验证结果相对误差为41%～55%，相对均方根误差为56%～75%.外推验证结果显示模型外推性由高到低分别为APPEL模型、三波段模型、差值模型、比值模型.综合对4种叶绿素浓度反演模型的精度分析可知，APPEL模型在不同传感器拟合结果中和模型外推适宜性分析结果中都显示出很好的精度与稳定性，三波段模型在不同传感器数据叶绿素浓度反演过程中精度有小范围的波动，模型外推适宜性分析结果显示三波段模型的稳定性较APPEL模型低，差值模型和比值模型不论在拟合结果还是外推适宜性分析当中都表现出较大的精度波动，模型的稳定性相对较差.所以APPEL模型因其较好的稳定性与外推性，可以推广到遥感水色卫星反演太湖水体叶绿素浓度.2.3 基于不同传感器波段参数的APPEL模型适应性分析APPEL模型拟合结果决定系数均在0.73以上，对于不同的水色传感器波段数据模型的稳定性较强.其中，基于MERIS传感器数据的模型拟合精度为0.8107，基于GOCI传感器数据的模型拟合精度为0.7823，基于HJ-CCD传感器数据的模型拟合精度为0.7434，基于MODIS传感器数据的模型拟合精度为0.7308.在模型外推适宜性验证结果当中，基于MERIS传感器数据建模的验证结果相对误差和相对均方根误差分别为15%和21%，基于GOCI传感器数据建模的验证结果相对误差和相对均方根误差分别为19%和23%，基于HJ-CCD传感器数据建模的验证结果相对误差和相对均方根误差分别为22%和27%，基于MODIS传感器数据建模的验证结果相对误差和相对均方根误差分别为24%和32%.可以看出基于不同传感器波段设置的APPEL模型精度与稳定性由高到低分别为基于MERIS传感器波段设置、基于GOCI传感器波段设置、基于HJ-CCD传感器波段设置、基于MODIS 传感器波段设置.不同传感器参数建立的模型精度不同的原因主要是，建模所用实测数据的光谱曲线显示红波段的叶绿素吸收峰和近红外波段的叶绿素反射峰分别位于677和707nm附近，且CDOM的敏感波段位于440nm附近，而建模所用的遥感传感器波段设置与这些特征波长均有不同程度的偏离，不能最大程度地获取特征信息.并且不同传感器的光谱分辨率不同，也会影响特征信息的获取.这些问题都会对模型精度产生不同程度的影响.2.4 传感器波段设置对模型精度的影响分析从模型拟合结果和外推性验证结果可以看出，对于不同模型，基于MERIS传感器波段数据的模型拟合结果精度和外推性都是最好的，其次为GOCI、HJ-CCD、MODIS.分析实测数据遥感反射率和叶绿素浓度之间的相关性可以看出，相关系数最小值出现在叶绿素吸收波段677nm，相关系数最大值出现在叶绿素反射峰值附近的707nm，通过循环迭代方法得出三波段最佳位置分别为677、706、730nm.结合建模使用的传感器波段参数，对于叶绿素强吸收的红波段HJ-CCD、MODIS、MERIS、GOCI对应的波段中心波长分别为660、645、665、680nm，分别和特征波长相差17、32、12、3nm.对于叶绿素高反射的近红外波段HJ-CCD、MODIS、MERIS、GOCI对应的波段中心波长分别为830、858.5、708.75、745nm，分别和特征波长相差123、151.5、1.75、38nm.对于730nm波段MERIS、GOCI对应的波段中心波长分别为778.75、865nm，分别和特征波长相差48.75、135nm，而基于HJ-CCD和MODIS传感器的三波段建模使用了波段组合代替近红外波段.对于CDOM敏感波段440nm，HJ-CCD、MODIS、MERIS、GOCI对应的波段中心波长分别为475、469、442.5、443nm，和特征波长分别相差35、29、2.5、3nm.MERIS和GOCI的波段设置都较为接近特征波长，相比较之下，HJ-CCD和MODIS的波段设置和特征波长有较大偏离.另一方面，不同传感器的光谱分辨率不同，这些因子都会对叶绿素浓度模型反演的最终效果产生影响.2.4.1 波段宽度的影响为了检验波段宽度对叶绿素浓度反演模型的影响，以实测数据分析出的特征波长作为中心波长，分别拟合出1、5、10、15、20、25、30、40、50、60、70、80nm波宽的各特征波段，然后构建叶绿素浓度反演差值模型、比值模型、三波段模型和APPEL模型.从图6可以看出，模型拟合精度和验证精度由高到低分别为APPEL模型、三波段模型、差值模型和比值模型.当波宽在1～30nm之间变化时，4个模型拟合结果决定系数呈现比较稳定的趋势，在0.81～0.86之间略微变动；当波段宽度大于30nm时，模型拟合结果决定系数呈现降低趋势，并在40nm之后明显降低；当波宽为80nm时，差值模型、比值模型、三波段模型和APPEL模型的决定系数分别为0.57、0.55、0.63和0.70.模型验证结果与拟合结果一致，波宽小于30nm时，验证结果相对误差和相对均方根误差波动不明显，波宽大于30nm时，验证结果相对误差和相对均方根误差开始逐渐增大.模型的精度随波宽的增加而逐渐降低的原因主要是当波宽较小时，叶绿素特征波长处的信息可以最大程度被获取，模型的信噪比高，而当波宽变大，较大的波段宽度包含更多的噪声，对叶绿素特征信息产生一定程度的模糊，降低了模型的信噪比.另外，由于红、近红外波段比较接近，当波段过宽时，两个波段的光谱信息会出现互相包含现象，这都会影响模型的精度与稳定性.从上述分析可以看出在特征波长处，当波段宽度小于30nm时，波宽的变化对4个模型的精度不会产生较大的影响.2.4.2 波段位置的影响为了验证波段位置对叶绿素浓度反演模型精度的影响，以HJ-CCD、MODIS、MERIS、GOCI各波段中心波长作为中心波长，分别拟合出1、5、10、20、30、40、50、60、70、80nm波宽的各特征波段，构建叶绿素浓度反演差值模型、比值模型、三波段模型和APPEL模型，模型拟合结果和验证结果如图7、图8所示.从模型拟合结果与验证结果可以看出，对于不同的波段位置与波段宽度，APPEL模型的精度最高，其次是三波段模型，差值模型和比值模型反演精度相对较低.对于HJ-CCD传感器，波段宽度从1～60nm变化时，各模型的拟合结果决定系数呈现逐渐增大的趋势，并且模型验证结果相对误差逐渐减小.波宽为60nm处各模型的反演精度最好，差值模型、比值模型、三波段模型和APPEL模型拟合结果决定系数分别为0.6、0.58、0.66、0.77，验证结果相对误差分别为0.44、0.46、。
水体悬浮物浓度遥感反演经验模型
水体悬浮物浓度遥感反演经验模型摘要常规的悬浮物浓监测是通过对水体取样，进而再对水样进行实验室化学分析实现的，需要耗费大量的人力物力，而且所得到的仅是取样点的数据，对区域面状水域的评价只能是以点代面，因此，难以满足对大面积水环境质量监测的要求。
悬浮沉积物作为近海水体污染物的源和汇，是表征水环境质量的一个重要参数，同时又是水体的主要光学活性物质之一，与水体的光学性质密切相关，其浓度大小直接影响卫星遥感信号的强弱。
如叶绿素在440nm 附近有一吸收峰，在550nm附近有一反射峰，在可见光和近红外波段，悬浮物浓度的增加将导致水体反射率的增加等，正是由于这些光谱特性的存在，使得遥感监测水质参数成为可能。
从定量遥感的角度考虑，建立准确的遥感反演模型需要深入研究水体的光谱特征，国外对此研究较早，并且建立了完善的水体光学测量规范，为发展准确的遥感反演算法奠定了坚实的基础。
国内对此也开展了一些研究，尤其是在含沙水体光谱特征研究上，通过模拟实验和现场测量两种方式，获得了遥感反射率对应不同含沙量水体的变化规律。
但是，不同水域悬浮物的成分、粒径分布和浓度的不同，其相应的反射率光谱特性也有所差异，目前国内对不同区域水体光谱特征的把握上还不全面，所以遵循美国NASA的海洋光学测量规范，测量获取了实验海域混浊水体的水面反射率光谱和对应的水体悬浮泥沙浓度等数据，在分析实测光谱特征的基础上，研究了水体表层悬浮泥沙浓度与不同波段遥感反射率之间的相关性，从中选取敏感波段进行统计分析，采用回归方程建立悬浮泥沙浓度遥感反演经验模型。
另外，基于人工神经网络建立了悬浮物浓度遥感反演的经验模型。
1水体遥感原理1.1 水色遥感原理水色遥感是通过卫星传感器接收的离水辐射信号，对水体中待定物质的浓度信息等进行反演，这些物质主要包括浮游植物等悬浮物。
水体中各种物质组成及其对应的浓度差异是造成水体光学性质差异的主要原因，主要表现为水体的吸收特性和散射特性的不同。
基于环境一号卫星高光谱遥感数据的巢湖水体叶绿素a浓度反演
Ａｂ ｔａ ｔ ｈ ｅ ・ ａ ｄ ｍｏ ｅ ｅ —ｎ ｌｔｃ ｌ ｄ ｌｂ ｓｄｏ ｏ ｓｕ ｔ ｎ ｆｂｏｏ ｔｃ ｌ ｄ ｌ ｒｐ ｒ ｅ ，ｗｈｃ ｓａ ｘ ｓ ｒｃ ：Ｔ ｒｅ ｂ ｎ ｄ ｌｓａｓ ｍｉａ ａｙｉａ ｉ ｍｏ ｅ ａｅ ｎｓｍｅａｓ ｍｐｉ ｓｏ ｉ—ｐｉａ ｏ ｍｏ ｅ ｏ ｅｔ ｓ ｐ ｉ ｉｈｉ ｎｅ —
． Ｌｋ ｃ （ ， ａｅＳｉ 湖泊科 学） ２ １ ，２ ４ ：９ —０ ． ． ，０ ０ ２ （ ）４ ５５ ３
ｈｔ： ｗ ．ａｅ．ｒ． — ａｌｊ ｋｓ ｉａ．ｃ ｎ ｔ ＃ｗ ｗｊ ｋｓｏｇＥ ｍ ｉ： ａｅ＠ｎｇ ｓａ ． ｐ ｌ ｌ ｌ ｃ
＠ ２ １ ｙＪｕｎ ｌｆＬ ｋ ｃ ｒｅ ０ ０ｂ ｏｒａ ａ ｅ ｉｗ ｓ ｏ Ｓｅ
ｔ ｎ ｆ ｔ ｅ ｆ ａｕ ｅ ｏ ｍｏｅ ｓ ｎ ｉｇ ｄ ｔ ｎ ｎ ｙ ｉ ｇ ｂ ｔ ｅ ｔ ｅ ｓｎ ｅ ｒ ｎ ｍａ ｅ，ｗｅ ｃ ｎ ｏ ｔｍｉｅ ｃ ｏ ｃ ｓｏ ｅ ｔｒ ｅ ｉ ｓｏ ｈ ｅ ｔ ｒ ｆｒ ｏ ｅ ｔ ｅ ｓｎ ａ ａａ ｄ ａ ａ ｚｎ ｏｈ ｒｍｏｅ ｓ ｎ ｉｇ ｔ ｏ ｙａ ｄ ｉ ｇ ｌ ｈ ａ ｐ ｉ ｚ ｈ ｉｅ ｆｔ ｈ ｅ ｈ ｂ ｎ ｓ ａ ｄ ａ ｃ ｉ ｅ ｔ ｅ ｔ ｒ ｅ ｆｑ ａ ｔｔｔ ｅ ｒ ｔｉｖ ｎ ｈ ｈ ｏ ｏ ｈ ｌ— ｙ ｒ ｍｏ ｅ ｓ ｎ ｉ ｇ ｉ ｇ ． ａ ｄ ｎ ｒ ｈ ｖ ｈ ａ ｇ ｔｏ ｕ ｎ ｉ ｉ ｅｒｅ ｉ ｇ ｔ ｅ ｃ ｌ ｒ ｐ ｙｌａ ｂ ｅ ｔ ｅ ｓｎ ｍａ ｅ ａｖ
环境减灾-1A卫星超光谱数据反演叶绿素a浓度的模型研究
环境减灾-1A卫星超光谱数据反演叶绿素a浓度的模型研究王桥;杨煜;吴传庆
【期刊名称】《航天器工程》
【年(卷),期】2009(018)006
【摘要】通过星地同步遥感实验,实测巢湖水体水质参数,运用相关分析探求环境减灾-1A卫星超光谱成像仪数据与实测叶绿素a浓度的关系,选择不同的函数曲线对一阶微分方法、波段比值方法和三波段方法进行拟合,建立相应的估测模型,实现对巢湖水体叶绿素a浓度的反演.并最终选取精度最优的模型模拟巢湖的叶绿素a含量.结果表明:三波段组合的线性模型反演精度最高,67%的检验数据误差小于30%,说明基于环境减灾-1A卫星数据的三波段模型能定量提取巢湖地区夏季水体叶绿素a浓度信息.
【总页数】5页(P133-137)
【作者】王桥;杨煜;吴传庆
【作者单位】环境保护部卫星环境应用中心,北京,100029;南京师范大学教育部虚拟地理环境重点实验室,南京,江苏,210046;环境保护部卫星环境应用中心,北
京,100029
【正文语种】中文
【中图分类】TP753
【相关文献】
1.环境减灾-1A卫星超光谱数据实时压缩编码器的设计 [J], 王菊花;吴增印
2.基于环境一号卫星超光谱数据的多元回归克里格模型反演湖泊总氮浓度的研究[J], 潘邦龙;易维宁;王先华;秦慧平;王家成;乔延利
3.基于环境一号HSI高光谱数据提取叶绿素a浓度的混合光谱分解模型研究 [J], 潘梅娥;杨昆
4.基于环境一号卫星影像的内陆水体叶绿素α浓度遥感定量反演模型研究 [J], 潘梅娥;杨昆;洪亮
5.基于穷举法的鄱阳湖叶绿素a浓度高光谱反演模型与应用研究——以GF-5卫星AHSI数据为例 [J], 韦安娜;田礼乔;陈晓玲;余永明
因版权原因，仅展示原文概要，查看原文内容请购买。
应用MODIS监测太湖水体叶绿素a浓度季节变化研究
应用M ODIS 监测太湖水体叶绿素a浓度季节变化研究王世新,焦云清,周艺,祝令亚,阎福礼(中国科学院遥感应用研究所,北京10010)摘要:以太湖作为实验区,利用波段比值、差值和组合算法讨论了非成像及成像高光谱数据和叶绿素浓度相关性差异和敏感波段分布,在此基础上将不同时段的M ODIS 影像,不同空间分辨率的波段反射率与叶绿素a 浓度实测值进行相关分析,通过回归拟合建立并验证了不同季节的叶绿素a 浓度遥感监测模型,并应用模型计算出太湖水体叶绿素a 浓度的分布情况,对太湖水质变化进行了评价。
研究结果表明,M ODIS 影像在太湖的水质动态变化监测中是可用的。
关键词:M ODIS 影像;叶绿素a;季节变化;模型;太湖中图分类号:T P79 文献标识码:A 文章编号:1000-3177(2008)95-0047-07收稿日期:2007-04-25修订日期:2007-05-23基金项目:国家自然科学基金(40671141)、国家863项目(2006AA 06Z419)共同资助作者简介:王世新(1965~),男,山东人,研究员,主要进行环境遥感和灾害遥感监测研究。
太湖位于长江三角洲地区。
近年来太湖的富营养化问题,已经严重影响了太湖的环境质量。
作为富营养化的关键指标,用来表征藻类爆发程度的叶绿素a 浓度是量化水质状况的重要参数之一。
因此,快速、准确、高频率地监测水环境质量,预警藻类爆发,迫切需要采用各种高新技术,尤其是遥感技术来检测和监测水体叶绿素浓度的时空变化。
对于叶绿素浓度的定量遥感反演,国内外众多学者开展了大量工作,并建立了不同的光学遥感模型,如Thiem ann S.等利用实测光谱和IRS -1c 卫星数据对M ecklenbur g 湖的叶绿素浓度进行了探测[1];P.A.Brivio 等应用TM 影像对Garda 湖的叶绿素浓度变化进行了评价[2];疏小舟等应用OM IS -II 航空成像光谱对太湖叶绿素a 的浓度分布进行了估算[3]。
湖泊水体叶绿素偏振高光谱反演模型研究
分参数的获取技术难度较大!客观上限制了模型的应用% 由于影响水体离水辐射提取的主要因素为天空光漫射( 太阳直射反射和水底反射!而利用偏振测量!可以降低天空 光漫射的影响!部分或全部#34; # 6 0 1 $ 4 A ",6 . %6 ) 当" , , , % b& *时 ! 6 6 6 b 6 * , hb" )g -# . 同样!对于圆偏振光!也可以将其沿 O 轴( > 轴方向分
, 解为振幅不等(相差等于 a& - 的两个振动分量 $ O 和$ >! 则圆偏振光总光强6 . 有
利用水面实测的偏振度与悬浮颗粒物浓度之间的统计关系! 拟合出悬浮物浓度与偏振度的定量关系模型'" # 辐射传输 ) * 模型%如 > 等 开发了 " 6 % : T@ [ 6 I : D 9 / D$ 1 0 6 7 + 6 2 I $ 4 [ 0 3 0 ( # 偏振辐射传输模型!通过对海洋和大气的矢 4 < 1 1 0 4 4 : d 0 $ 3 8 0 3 量辐射传输进行耦合!进而从水体的偏振信息中提取出悬浮 物等水质参数浓度的变化信息%从以上模型来看!半经验统 计模型!由于模型的时空区域性强!模型在异质水体的反演
便携式野外光谱仪改造的偏正光谱仪!仪器波长范围 ! , .! -, . .7 I%测量包括水面辐射强度和偏振光谱测量!具体测 )* 布儒斯特角 1 测量法!分别 量方法采用 > 6 % : T@ [ 6 I :等 * 的0 设定观测天顶角为, (观测方位角为 . 和) 的多角度测 ! h h V . h 湖泊和水库采样技术指 导 . " 量%水质采样是根据 X Y2C2 # 规范要求进行提取!取样后的水质指标数据由相 ) * , V ) + G ! 关资质单位化验给出%具体采样点的空间分布图!如图 ) 所 示%
应用MODIS数据监测湖泊叶绿素a空间分布
中图分类号 P237；P342
文献标识码 A 文章编号 1007-7731（2020）24-0150-02
Using MODIS Data to Monitor the Spatial Distribution of Lake Chlorophyll-a
DONG Dandan et al. （Anhui & Huaihe River Institute of Hydraulic Research，Hefei 230088，China；Anhui Key Laboratory of Water Re⁃ sources，Hefei 230088，China） Abstract：Taking Chaohu Lake as an experimental site，using MODIS image data combined with orbit water quality monitoring data，the chlorophyll-a information of the water is inverted. Firstly，the MODIS data is preprocessed to ob⁃ tain the pixel gray value，and then the chlorophyll-a concentration value of the corresponding position measured in the field is used for correlation fitting，and finally a chlorophyll remote sensing extraction model based on MODIS da⁃ ta is constructed. The research results show that the method in this paper is feasible to use MODIS data to monitor blue-green algal bloom. It is suitable to retrieve the concentration of chlorophyll-a and can provide data support for the treatment of blue-green algal blooms in lakes. Key words：MODIS data；Chlorophyll-a concentration；Model；Inversion
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。
- 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)。
图 １ 巢 湖 采 样 点 分 布
Ｆｉ ｇ． １ Ｓａ ｍｐ ｌ ｉ ｎｇ ｌ ｏ ｃ ａ ｔ ｉ ｏｎ ｉ ｎ Ｃｈ ａ ｏｈｕ Ｉ ａ ｋ ｅ
水 体光 谱 由下 式计算 ：
Ｒ（ ， ； ， ） 一 是 （ ， ， ）（ １ ）
ｌ Ｏ ： ５ ９过 境 的 Ｅ ０Ｓ — Ｔ ｅ ｒ ｒ ａ ， 巢 湖 上空 晴 朗无 云 。 自 主接 收 的 ＭＯ Ｄ Ｉ Ｓ Ｉ ０级 Ｐ Ｄ Ｓ资 料经 过 解 包 、 辐射 、 几何 校正 和地理 定 位 后 ， 得到 Ｌ １ Ｂ级 ＨＤ Ｆ格 式 数
光谱 仪在 巢湖进 行 了反射 光谱测 量 和 同步水 质 采样
分析， 利 用反射 率 比值 法 和一 阶微 分 法分 别建 立 了 叶绿 素 ａ的遥 感 定 量 模 型 ， 结 果 表 明 反 射 率 比值 Ｒ 。 ／Ｒ 。 。 和 ６ ９ Ｏ ｎ ｍ 反射 率 的一 阶微 分均 与 叶 绿素 ａ浓 度有 较 好 的相 关 性 ， 且 用 反射 率 比值 法 估 算叶绿 素 ａ效果 较好 。以上研究 或未 针对 富 营养 化
２ ０ Ｏ ７ １ １ １ ４收 到 ， ２ ０ Ｏ ８ Ｏ ８ ２ ２收 到再 改稿 。
２ Ｏ ０ ３年 １月 １ Ｏ日在 巢 湖水 面 进行 星地 同步观
测。 观 测 时间 为０ ｇ ： ０ Ｏ 一１ ５ ： ３ Ｏ （ 北京时， 下 同） ， 主 要
应
用
气
象
学
报
２ Ｏ卷
数 据分 析 包含 以下几 个 方 面 ： ① 实 测水 体 光谱 与实测 叶绿素 ａ 浓度 之 间的关系 ； ②ＭＯ ＤＩ Ｓ Ｌ １ Ｂ通
道数据 与实测 叶绿 素 ａ浓 度之 间 的关 系 ； ③ ＭＯＤ Ｉ Ｓ 大气校 正后地 表反射 率与 实测 叶绿素 ａ 浓 度之 间 的 关系 。选取 与卫 星过 境 时间 相 近 的采 样 时 间 ， 依据
地 区生产 、 生 活用 水 的主 要 来 源 。巢 湖 西 半 湖 水 质 为 劣 Ｖ类 ， 东半 湖水 质 为 Ｖ类 ， 全 湖 平 均 为 劣 Ｖ类 。
西半 湖为 中度 富营养 ， 东半 湖为 轻度 富 营养 ， 全 湖平 均 为 中度 富 营 养 ｌ １ ］ ， 并 且污染有持续加 重的趋势 。 水 质 富营 养 化 的一 个 重 要 特 征 是 藻 类 物 质 大 量 繁 殖， 而 叶绿 素 ａ在 藻类 物质 中所 占的 比例 比较稳 定 ， 并且 易于在 实验 室 测 量 ， 因此 叶 绿 素 ａ浓 度 常 作 为 反 映湖水 营养 化程 度 的一个重 要 参数 。内陆 水体 由 于浮游植 物 、 黄色物 质和 颗粒悬 浮 物相 互 混合 ， 光 学 特 征复杂 ， 所 以选 择 受 其他 物 质 光 学 干 扰 小 的 波 段 组 合算法 是 叶绿 素遥 感 的关 键 。
地 面光 学观 测仪 器 包括 ： ① Ｆ ｉ ｅ ｌ ｄ Ｓ ｐ ｅ ｃ Ｔ Ｍ ＵＶ／
Ｔｌ １ ８ ９ ４ — ８ ９和 Ｉ Ｓ Ｏ １ Ｏ ２ ６ Ｏ 一 １ ９ ９ ２ ， 样 品 采 用 聚 乙 烯 桶
ＶＮＩ Ｒ Ａｓ Ｄ光 谱辐 射计 ， 测量 巢 湖水 体 光谱 ； ② 烯 聚 四氟 乙烯 反射参 考板 ， 反 射率 为 ２ ５ 的灰 板用 于 水体 光谱 测量 ， 白板用 于大气 特性测 量 ； ③ 法国 ｃ Ｉ —
的 内陆二 类 水 体 进 行 ， 或 未 使 用 ＭＯ Ｄ Ｉ ｓ数 据 进 行 水 体 叶绿素 ａ反演 。
本 研究利 用地 物光谱 仪测 定 了巢 湖水 面 的光谱 反 射率 ， 并在分 析光 谱 反 射 率 与 同步 水 质 检 验 叶绿 素 ａ浓 度 之 间 关 系 的 基 础 上 ， 利 用 大 气 校 正 后 的 Ｅ ＯＳ ／ ＭＯＤ Ｉ Ｓ数 据 ， 选择最佳波段组合， 建立 了 ＭＯＤ Ｉ Ｓ巢湖 叶绿素 ａ浓 度 的反演模 型 。
叶绿 素 ａ ， 使用仪 器为 ７ ５ １型分 光光 度 计 ， 工作 于 紫
外、 可见 、 近红 外光 谱 区， 波长范围 ２ Ｏ Ｏ ～ｌ ０ Ｏ Ｏ ｎ ｍ， 采用 ３ ０ 。 角 的利特 罗石英 棱镜作 色散元 件 ， 光程 １ ｍ 长， 其狭缝 ０ ～２ ｍｍ 连续可 调 。 巢 湖水 体 采样 和水 面测 量站点示 意 图如 图 １ 。
该采样 时 间的站 点经纬度 从 ＭＯＤ Ｉ Ｓ数 据 中提 取 反
与水 面或反 射参考 板距 离＞ １ ｍ。
１ ． ２ 卫 星 数 据 获 取
射率 。表 １为 ２ Ｏ ０ ３年 １月 １ ０日巢 湖水 质 实 测 数
据。
与试验 同 日 ＭＯ ＤＩ Ｓ资 料 为 ２ Ｏ Ｏ ３年 １ 月 １ Ｏ日
式（ １ ） 中， 忌 （ ， ． ； ， ） 是 反 射 参 考 板 的标 准 光 谱 反射 比吲 ， （ ， ） 是测 量 反射参 考板 时仪器输 出 的信 号值 ， （ ， ） 是测 量 水体 时 仪器 输 出的信 号
值， Ｖ （ ， ） 和 Ｖ （ ， ） 须 在 相 同测 量 条 件 下 获 取， 先对着 反射 参考板 测量 ， 获取 （ห้องสมุดไป่ตู้ ， ） 值， 然后 对 着水体 测量 ， 获得 （ ， ） 值 。测量 时 注意 避开
１ 数 据 获 取 与 分 析
１ ． １ 实 测 数 据 获 取
０ ． ５ ｍｇ ／ ｍ。的 浓 度 变 化 。Ａｎ ｕ Ｒ ｅ ｉ ｎ ａ ｒ ｔ等 利 用
ＭＥ Ｒ Ｉ Ｓ ， Ｓ ｅ ａ ｗｉ Ｆ Ｓ ， ＭＯ Ｄ Ｉ Ｓ数 据 对 欧 洲 ３个 最 大 湖 泊（ Ｖａ ｔ ｔ ｅ ｒ ｎ ， Ｖ ａ ｎ ｅ ｒ ｎ ， Ｐ ｅ ｉ ｐ ｓ ｉ ） 不 同水 质水 体 中的几 类 参 数进行 反 演 ， 给 出 了 利 用 ＭＥ Ｒ Ｉ Ｓ反 演 叶绿 素 ａ 、
是 江 淮 地 区 重 要 的 粮 食 产 地 和 水 产 品 基 地 以 及 周 边
相关 系数及误 差 （ 仅 限用 于 这 ３个 湖 泊 水 质 参 数反 演） ， 同时指 出 ＭＥ Ｒ Ｉ Ｓ较 高 的大 气 校 正成 功 率 是反 演 水体 参 数 的重 要 保 证 。Ｍａ ｒ ｔ ｉ ｎ ｅ ｚ等 ］ 利 用 ＭＯ— ＤＩ Ｓ和 ＭＥ ＲＩ Ｓ对 Ａｍａ ｚ ｏ ｎ河 丰水 和枯 水 期 的 叶绿 素和悬 浮物进 行监 测 。李 素 菊等 利用 高光 谱 地物
序 踟］ 。
１ ． ３ 数 据 匹 配 与 分 析
强 反射 体和 阴影 的影 响 ， 选 择 自然状态 的水 面 ， 同时
水 平放置 反射 参考 板 ， 反 射参 考 板 与水 平 面 夹 角应 小于 １ Ｏ 。 。对 每一测 量 目标 测量 ３ ～５个 测 点 ， 并 根 据 天气 情况 采用先测 参考 板或前 后测 量参考 板 巾间 测 量水 面的 方 法 ， 观测角 ０ 。 （ 垂 直 向下 观测 ） ， 探 头
试验 站点 主要选 择巢 湖支 流 的人 湖 口处 ，以及 其他 有代表 性 的点 ， 共计 １ ６个 。 水 体采样 和水 面测 量顺 序为 ： 忠庙 一南淝 河入 湖 区一 十五里 河 入湖 区
一塘 西一 西半 湖 一姥 山东 ３ ｋ ｍ一 马尾 河 口一 湖 心
测定 》 ，以丙 酮萃 取及 分 光 光 度 计分 析 的方 法 测定
点一 中旱 乡一造船 厂一 巢湖 坝 口。水质样 本分 析依
据： ＧＢ ／ Ｔ６ ９ ２ Ｏ 一 ８ ６ ， ＧＢ ／ Ｔ１ １ ９ Ｏ １ — ８ ９ ，Ｇ Ｂ ／ Ｔ７ ４ ８ ４ — ８ ７ ，
ＧＢ ／ Ｔ７ ４ ８ ８ — ８ ７， ＧＢ／ Ｔ７ ４ ７ ９ — ８ ７ ， ＧＢ／ Ｔ１ １ ８ ９ ３ — ８ ９， ＧＢ ／
ＭＥ Ｉ 『 ３ １ ８自动 太 阳光 度计 ， 用于 太 阳辐射 度测 量 。
和玻 璃瓶 密闭封装 ，巢湖市 环境 监测 站负 责水 质 采 样 和处理 。由于 目前 国家标准 中没有水 质 叶绿素 测
量标 准 ， 所 以 采 用 国 际标 准 组 织 的 （ Ｉ Ｓ Ｏ １ Ｏ ２ ６ Ｏ — ｌ ９ ９ ２ ） 《 水质； 生化 参 数测 量 ；叶绿 素 ａ浓度 的 光谱
度 的 反 演模 型 ， 检验得到相关系数为 Ｏ ． ５ Ｏ ７ ９ 。
关键词 ： 反演 ； 叶绿 素 ａ ； Ｍ０ ＤＩ ｓ数 据 ； 巢 湖
悬浮物 浓度 和无 机物 的最优 化通 道组 合 、 拟合 公式 、
引 言
巢湖地处 江淮 之 间 ， 是 我 国五 大淡 水 湖 之一 ， 面 积约 ７ ６ Ｏ ｋ ， 全 流域 ３ ３条河 ， 流域 面积 １ ３ ３ ５ Ｏ ｋ ，
第 ２ ０卷 １期 ２ Ｏ Ｏ ９年 ２月
应 用 气 象 学 报
Ｊ ０ＵＲＮＡＬ ０Ｆ ＡＰＰ ＬＩ ＥＤ Ｍ ＥＴＥ ０Ｒ０Ｌ０ＧＩ ＣＡＬ Ｓ ＣＩ Ｅ ＮＣＥ
Ｖｏ １ ． ２ Ｏ，Ｎ ｏ． １ Ｆｅ ｂｒ ｕａ ｒ ｙ ２ ＯＯ ９
ＭｏＤ Ｉ Ｓ巢 湖水 体 叶绿 素 ａ浓 度 反 演模 型
荀 尚培Ｄ 翟 武 全。 范 伟
”（ 安徽省气象科学研究所 ， 合肥 ２ ３ ０ Ｏ ３ １ ） （ 安徽省大气科学与卫星遥感重点实验室 ， 合肥 ２ ３ ０ Ｏ ３ １ ） ”（ 安徽省气象局 ， 合肥 ２ ３ 。 ０ ３ １ ）
摘
要
对 大 面 积 水体 进 行 水 质 遥感 监 测 是 比 较典 型 的 水 体 环 境 监 测 手 段 。该 文 利 用 地 物 光 谱 仪 测 定 了 巢 湖 水 面 的 光谱 反射 率 ， 收 集 了 相 应 时 间 的 ＭＯＤ Ｉ ｓ数 据 ， 经 过 预 处理 之后 ， 首 先 分 析 了巢 湖 水 面 光谱 特 征 ， 并 对 实 测 水 体 反 射 率 与 实测 叶绿 素 ａ之 间 的关 系 进 行 统 计 拟 合 计 算 。在 经 过 Ｍ（ ） Ｄ Ｉ ｓ大 气 校 正 后 ， 得到 １ ～ ７通 道 的 地 表 反 射 率 。 利 用 大 气校 正 后 的 Ｅ ０ ｓ ／ Ｍ０ Ｄ Ｉ ｓ数 据 ， 选择最佳通道组合 ， 定 义 了 叶绿 素 ａ 指数 Ｉ ｃ ｍ， 建 立 了 Ｍ（ ） ＤＩ ｓ巢 湖 叶 绿 素 ａ 浓