基于TM影像的太湖夏季悬浮物和叶绿素浓度反演
基于TM影像的长江口悬沙浓度遥感反演定量模式研究
２ ０ １ ３年 ８月
基于 Ｔ Ｍ 影 像 的长江 口悬 沙 浓 度遥 感反 演 定 量模 式 研 究
曹 通 郝 嘉 凌
京 ２ １ ０ ０ ９ ８ ）
高 晨 隋倜倜
（ １ ．河 海大 学 港 口海 岸与近 海工程 学 院 ， 南京 ２ １ ０ ０ ９ ８ ；２ ．河海 大 学 海岸 灾害及 防护教 育部 重 点 实验 室 ， 南
进 行 回 归分析 ， 得 到低浓 度悬 沙水体 运 用 多 项 式模 式 反 演效 果 较 好 ， 高 浓度 表 层 悬 沙水 体 运 用 乘 幂模 式反演效 果较 好 ， 同 时应用 Ａｒ ｃ ｇ ｉ ｓ 软 件绘 制 成 悬 浮泥 沙 空 间分布 图 ， 并 归纳 出长 江 口悬沙 分
布 和输 移 的基 本规律 ．
摘要 ： 近 年来 ， 由于 水 利 工程 等 因素 ， 长 江 入 海径 流 量 变 化较 大 并 导 致入 海 泥 沙 量 明 显呈 下 降 趋 势， 必会 影 响海岸 带环境． 利用遥 感技 术研 究泥 沙含 量 不仅速 度 快 ， 效率 高 ， 周 期短 ， 而且对 分 析 河
口海岸 带冲 淤变化 ， 研 究流域入 海 物质通 量 、 物 质循 环 、 河 口沙 洲 变化 ， 港 口建设 ， 航 道 治理 以及 海 岸带环境 管理 都有 十分 重要韵 意义． 利用 长江 口 ＴＭ 影像 数据 以及 现 场 采集 的 多个 长江 口表 层 悬 沙浓度 数据 ， 建 立 悬沙浓 度遥感 定量 反演模 式． 通过 对遥 感 数据 预处 理 ， 运用 不 同的 悬沙 反演 模 式
Ｃａ ｏ Ｔｏ ｎ ｇ Ｈａ ｏ Ｊ ｉ ａ ｌ ｉ ｎ ｇ ＇ Ｇａ ｏ Ｃｈ ｅ ｎ Ｓ ｕ ｉ Ｔｉ ｆ
一种水质分析方法：基于GOCI影像的东平湖叶绿素a浓度估算.docx
一种水质分析方法：基于GOCI影像的东平湖叶绿素a浓度估算引言湖泊是重要的淡水资源存储地，在生态系统中起着至关重要的作用[1]，与经济、社会可持续发展以及人们的生活休戚相关[2]。
近年来，随着大量不合理的开发与污染物排放，湖泊水体水质受到严重污染，生态环境逐步恶化[3]。
叶绿素a浓度是反映水质状况的重要参数之一，与水体中藻类物质含量直接相关，对分析水体富营养化状况具有重要的参考意义。
目前叶绿素a浓度的获取手段包括采集水样室内化学分析、自动监测设备直接获取和遥感反演。
采集水样室内化学分析和自动监测设备直接获取水质浓度值，精度较高，应用较多，但是费用较高，而且监测站点数量有限，缺乏空间连续性，无法满足快速灵活、大面域监测的需求。
基于遥感手段的叶绿素a浓度监测由于不受地理位置和人为条件的限制，具有影像覆盖面积大，获取方便，费用低等优点，在一定程度上弥补了传统监测方法的不足[4]。
当水华爆发时，水质状况在短时间内急剧变化，而高时间分辨率的GOCI影像为水质动态监测研究提供了支撑[5]。
20世纪70年代末，航空遥感被广泛应用在浮游藻类的色素浓度研究中。
80年代中期，卫星遥感逐步应用到水质遥感监测中，主要的卫星数据有Landsat MSS、TM、ETM+、Landsat8、SPOT、Quickbird、MODIS、MERIS、SeaWIFS、GOCI等[4].目前水质遥感监测模型主要分为三类，分别是机理分析模型、半分析模型和经验模型。
机理分析模型是通过模拟辐射传输过程进行水质参数的提取，精度较高，但是涉及参数较多并且不易获取，应用较少；半分析模型是基于机理模型的基础上，对不易获取的参数进行经验或半经验化，使模型参数较易获取同时保持机理特性[6]；经验模型主要是利用统计分析方法建立实测值与反射率的经验关系模型，实现研究区叶绿素a浓度反演，模型简单，但不具有机理特性，移植性较差。
本文基于高时间频次的GOCI影像，研究半分析模型的叶绿素a浓度反演，对湖泊水质的动态监测和蓝藻水华的预报预警具有一定的应用价值。
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浓度是湖泊水质的重要指标，对于湖泊的生态环境和水体健康状态评估具有重要意义。
传统的湖泊叶绿素a浓度测定方法需要采集水样进行实验室分析，费时费力，且无法实时监测。
而遥感技术能够通过卫星遥感数据获取湖泊叶绿素a浓度分布情况，具有快速、准确、全面的优势。
HJ-1A星和HJ-1B星是我国自主研发的一对小型环境遥感卫星，搭载了多种传感器，包括HJ-1A星携带的环境监测成像仪（CCD）传感器。
该传感器工作在可见光波段，具有较高的空间分辨率和时间分辨率，适合用于湖泊叶绿素a浓度的反演。
湖泊叶绿素a浓度反演的基本原理是利用湖泊水体对太阳辐射的吸收和散射特性，推算出水体中叶绿素a的浓度。
HJ-1ACCD数据可以提供湖泊水体的表观反射率，进而反演出叶绿素a浓度的空间分布。
具体而言，湖泊叶绿素a浓度反演主要包括以下几个步骤：1. 数据预处理：包括大气校正、水体辐射校正等。
大气校正是将HJ-1ACCD数据中的大气影响去除，获得水体的表观反射率。
水体辐射校正是排除湖泊水体中各种非叶绿素色素的干扰，提取出叶绿素a对辐射的贡献。
2. 模型建立：根据已有的湖泊叶绿素a浓度测量数据和HJ-1ACCD数据，建立叶绿素a 浓度与表观反射率之间的关系模型。
常用的模型有线性回归模型、非线性回归模型等。
3. 反演计算：利用建立的模型，将水体的表观反射率代入模型进行计算，得到湖泊叶绿素a浓度的估计值。
根据需要可以进行插值和平滑处理，得到叶绿素a浓度的空间分布图像。
4. 验证和误差分析：将反演结果与实测数据进行对比，评估反演方法的准确性和可靠性。
分析误差来源，进一步优化反演方法和模型。
湖泊叶绿素a浓度反演基于HJ-1ACCD数据可提供湖泊水体叶绿素a浓度的空间分布情况，帮助提前发现和监测水体富营养化、蓝藻水华等问题，为湖泊水质管理和保护提供科学依据。
该方法还能够实现湖泊水质的实时监测和预警，为及时采取应对措施提供技术支持。
应用Landsat TM影像估算渤海叶绿素a和总悬浮物浓度
作者 简介 ： 明权 （ ９ ３ ） 男 ， 士 ， 邬 １８ ￣ ， 博 助理研 究员 ， 研究 方 向 ： 农业 遥感 与海 洋 遥感 。
Ｅ ｍａｌ ｗｕ ＠ ｉ ａ ａ ． ｎ － ｉ： ｍｑ ｒ ． ｃ ｃ ｓ词 ： ａ ｄ ａ ； 绿 素 ａ 总 悬 浮 物 ； 感 ； 海 Ｌ ｎ ｓｔ叶 ； 遥 渤
ｄ ｉ１ ． ９ ９ ｊ ｉ ｎ １ ０ — ３ ７ ． ０ ２ ０ ． １ ｏ ：０ ３ ６ ／．ｓ ． ０ ０ １ ７ ２ １ ． ４ ０ ６ ｓ
中 图分 类 号 ： ７ ＴＰ ９
文献标识码 ： Ａ
（ Ｔ ｅ ｔｔ Ｋｅ ａ ｏ ａｏ ｙ ｏ ｍｏｅＳ ｎ ｉｇ Ｓ ｉ ｃ ，ｎ ｔ ｕ ｅ ｆ Ｒｅ ｔ Ｓ ｎ ｉｇ Ａｐ ｌ ａｉｎ ， ｈｎ ｓ Ａｃ ｄ ｍｙ ① ｈ ａｅ ｙ Ｌ ｂ ｒ ｔｒ ｆ Ｒｅ ｔ ｅ ｓ ｃ ｎ ｅ Ｉ ｓ ｔ ｔ ｏ ｍｏｅ ｅ ｓ ｐ ｉ ｔ ｓ Ｃ ｉｅｅ ａ ｅ Ｓ ｎ ｅ ｉ ｎ ｃ ｏ ｏ ｃ ｎ ｅ ， ｅ ｉｇ １ ０ ０ ； Ｃ ｐ ｔｌ ｎ ｉｅ ｒ ｇ ＆ Ｒｅ ａ ｃ ｎ ｏ ｐ ｒ ｔ ｎＬｉ ｔｄ Ｅ ｏｏ ｙ Ｔ ｃ ｎ ｌｇ ｆＳ ｉ ｃ ｓ Ｂ ｉ ｎ ０ １ １ ② ａ ｉ ｇ ｎ ｅｉ ｅ ｊ ａＥ ｎ ｓ ｒｈ Ｉ ｃ ｒ ｏａ ｉ ｍｉ ｃ ｌｇ ｅｈ ｏｏ ｙ ｅ ｏ ｅ Ｃ ｍｐ ｎ Ｂ ｉｉｇ １ ０ ５ ； Ｓ ａ ｘ ｏ ｌ ｎ ｎ ｍ ｎ ｓ ａ ｏｓＣ ｌ ｇ ， ａｙ ａ ３ ０ ６ ｏ ａ ｙ， ｅ ｎ ０ ０ ３ ③ ｈ ｎ ｉ ａ ｉｇ Ａｄ ｉ ｉ ｒ ｔｒ ｏ ｌ ｅ Ｔ ｉ ｕ ｎ ０ ０ ０ ） ｊ Ｃ Ｍｉ ｔ ｅ
基于Landsat8影像反演洪湖叶绿素a浓度
基于Landsat8影像反演洪湖叶绿素a浓度周志立;田文俊;梅新【期刊名称】《湖北大学学报（自然科学版）》【年(卷),期】2017(039)002【摘要】利用已有水质采样数据和相应的Landsat8影像数据,以洪湖为例,对洪湖叶绿素a(Chl-a)浓度进行反演研究,建立线性反演模型和支持向量回归机反演模型,为快速获取洪湖水体叶绿素a浓度提供新的技术方案.结果表明支持向量回归机反演模型在样本数较少的情况下也能得到较高的反演精度,并且具有结构风险较小的优点,拟合函数的判定系数达0.918,能有效评估湖泊水质,为洪湖水环境监测保护提供有力支持.%In order to provide a new technology that make fast acquisition of chlorophyll-a, two models: linear regression model and a support vector regression (SVR) model were established on the basis of the analysis of correlation between water quality sampling data and Landsat8 image.The results show that the support vector regression model can have high precision even with less samples,and has the advantage of minimum structure risk too.The SVR model coefficient of determination reaches 0.918,it can be used to evaluate lake water quality and represent powerful support for Honghu Lake water environmental protection.【总页数】5页(P212-216)【作者】周志立;田文俊;梅新【作者单位】湖北大学资源环境学院,湖北武汉 430062;湖北大学资源环境学院,湖北武汉 430062;湖北大学资源环境学院,湖北武汉 430062【正文语种】中文【中图分类】X832【相关文献】1.基于 ETM＋影像的千岛湖叶绿素a浓度卫星遥感反演研究 [J], 王莹;刘其根;冯权泷;龚建华;胡忠军;胡梦红2.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3.基于高分六号卫星遥感影像的太湖叶绿素a质量浓度反演 [J], 潘鑫;杨子;杨英宝;孙怡璇;孙浦韬;李藤藤4.基于TM影像的博斯腾湖叶绿素a浓度反演研究 [J], 牛婷;文方;常梦迪;高洁;李蕴辉;程帆;杜姿影;陈晓斐5.基于OLI遥感影像的叶绿素a质量浓度反演研究 [J], 郑震因版权原因，仅展示原文概要，查看原文内容请购买。
基于GOCI数据的黄河口高悬浮物浓度海域的叶绿素a提取指数构建与浓度反演
基于GOCI数据的黄河口高悬浮物浓度海域的叶绿素a提取指数构建与浓度反演张曦元;万剑华;刘善伟;宋冬梅【期刊名称】《海洋技术学报》【年(卷),期】2022(41)1【摘要】高浓度悬浮物(TSM)的不透光性干扰了叶绿素(Chl-a)浓度的光谱量测,影响了Chl-a浓度的反演精度。
本文以黄河口近岸海域为研究对象,根据最大叶绿素指数(MCI)原理,针对GOCI数据构建叶绿素敏感指数(S_(chl))和悬浮物敏感指数(S_(TSM)),进一步构建了Chl-a提取指数(CEI)以削弱TSM对S_(chl)的影响。
采用2011-2018年采集的619组实测Chl-a浓度及同期的GOCI遥感反射率,基于随机森林算法对比多种指数构建的Chl-a浓度反演模型,结果显示:在不分区的情况下,采用CEI构建的Chl-a浓度反演模型的平均相对误差(MRE)为45.9%,其精度结果优于S_(chl)(MRE=49.76%)。
为进一步验证CEI在高TSM浓度海域的精度,本文根据波谱斜率(R_(6)-R_(4))/(λ_(6)-λ_(4))将研究区分为Chl-a和TSM主导型水体后,分别构建Chl-a浓度反演模型,研究结果显示:Chl-a主导型水体采用S_(chl)构建的反演模型的MRE为35.81%,TSM主导型水体采用S_(chl)与CEI构建的反演模型的MRE分别为60.39%与36.74%,这也证实了在高TSM浓度海域,采用CEI能够有效削弱TSM对S_(chl)的干扰。
【总页数】10页(P20-29)【作者】张曦元;万剑华;刘善伟;宋冬梅【作者单位】中国石油大学(华东)海洋与空间信息学院【正文语种】中文【中图分类】P229;P753【相关文献】1.黄河口海域悬浮物浓度Landsat8 OLI分段线性反演2.黄河口海域水体光学特征与悬浮物浓度反演模型研究3.基于GOCI数据渤海湾叶绿素浓度反演算法的比较4.基于GOCI数据的暴雨后太湖水体叶绿素a浓度遥感反演研究5.基于GOCI数据的太湖叶绿素a浓度反演和蓝藻水华遥感监测因版权原因，仅展示原文概要，查看原文内容请购买。
基于反射率的太湖典型湖区溶解性有机碳的反演
幂函数回归均采用 SPSS11.0 软件进行统计分析。
2 结 果
2.1 主要生物光学参数 表 1 给出了与湖泊水体生物光学特性相关的部
分理化参数。由表 1 可知，观测期间 DOC 浓度在 6.60 ～17.17 m g/L（9.99 ±2.48 m g/L）变化，其中 位于东太湖的 D1 ～D4 ＃点 DOC 浓度均低于 8.0 m g/L，相反位于梅梁湾各点值均高于 8.0 m g/L，反 映了梅梁湾水体 DOC 浓度明显高于东太湖。水体 中总悬浮物浓度变化较大，为 5.00 ～86.20 m g/L， 这主要与采 样期 间以 及采样 前 几天 的风 浪情 况 有 关。而叶绿素 a 浓度则与藻华生长以及风向有关， 在迎风面往往可能 会堆积大 量的藻类，致使叶绿 素 a 浓度较高。东太湖和梅梁湾水体的光学状况也差 异显著，其中梅梁湾水体 P AR 的衰减系数明显要高 于东太湖。 2.2 水体反射率光谱特征
表 1 太湖典型湖区 水体生物光学 参数 Table 1 Bio-optical param e ter s of typ ic al lake zon es of lake Taihu
采样点
D1 ＃ D2 ＃ D3 ＃ D4 ＃ 0＃ 6＃ 12 ＃ 0＃ 1＃ 2＃ 3＃ 4＃ 5＃ 6＃ 7＃ 8＃ 9＃ 10 ＃ 11 ＃
F 滤膜过滤水样，将过滤清液在 UV2401 分光光度
计下测定吸光 度，然后 根据（2）式计算 得到 各波 长 的吸收系数［14］ 。
a（λ′） ＝2.303D λ/r
（2）
式中：a（λ′）为波长 λ未校正的吸收系数（m －1），D λ
为吸光度，r 为光程路径（m）。
由于过滤清液还有可能残留细小颗粒会引起散
8-专题：基于环境小卫星的湖泊水质遥感监测
制图输出
启动32位envi，选择菜单File→Print，调用ArcGIS的制图工具。 如果没有安装ArcGIS，可以使用ENVI Classic的QuickMap。
专题总结
该专题从原始的 HJ1B-CCD 数据开始，在 ENVI 下经过一系列 数据预处理，得到具有正确地理坐标和真实光谱信息的太湖水 面数据，结合数学模型和定量遥感技术，反演太湖叶绿素浓度 。得到太湖叶绿素浓度成果图。 掌握知识：
2.3 大气校正（二、制作波谱响应曲线）
环境小卫星提供了波谱响应函数，以文本形式提供，第一列表 示波长（ nm ），后面四列分别表示 4 个波段对应波长的波谱 响应值。需要制作波谱曲线来描述波谱响应函数，用于大气校 正
2.3 大气校正——（三、FLAASH大气校正）
数据准备 FLAASH对图像文件有以下几个要求：
专题：基于环境小卫星的湖泊 水质遥感监测
技术支持邮箱：ENVI-IDL@ 技术支持热线：400-819-2881-7 官方技术博客：/enviidl 官方技术qq群：148564800
1、专题背景
专题背景
太湖是中国第三大淡水湖， 也是富营养化比较严重的湖 泊之一。悬浮物、叶绿素 a 、有色可溶性有机物等是水 质监测的重要参数。
2.4 裁剪太湖区
利 用 ENVI FX 提 供 的 面 向 对 象 图 像 分 割 工 具 ， 首 先 获 得 Shapefile，然后利用ENVI的矢量编辑功能获取太湖矢量文件。 保存在 “4-专题：基于环境小卫星的湖泊水质遥感监测\3-大气 校正\太湖矢量数据”
2.4 裁剪太湖区
利用获得的Shapefile进行图像裁剪 太湖矢量数据：
国产卫星数据的处理 预处理流程的安排 数据处理各个环节在ENVI下的操作及参数选择 定量遥感技术实现