台湾海峡叶绿素浓度反演
基于环境一号卫星影像的内陆水体叶绿素a浓度遥感定量反演模型研究
发展和对水质参数光谱特征及算法研究的不断深 入， 水质遥感监测经历了分析方法 ２ ０ 世纪（ ８ ０年代
以前 ， 主要 针 对 开 阔海 洋 ） 一 经验方法 （ ８ ０ － 一 ９ ０年 代， 多光谱 遥感 技术 的应用 ） 一半 分析方 法 （ ９ ０年代 以后 ， 高 光 谱 遥 感 技 术 的应 用 ） 的发 展 过 程 ¨ Ｊ 。经 验 方法 与半 分 析 方 法 都 是 通 过 对 遥 感 数 据 和与 其 （ 准） 同步 的地 面 实 测 数 据进 行 适 当的 统计 分 析得 到水质 参数 的估测 算 法 ， 是 目前 水 质 遥感 监 测 最 常 用 的方 法 。根据研 究 对 象 的不 同 ， 水 质遥 感 可 分 为 大 洋开 阔水 体 遥 感 、 近 岸 水 体 遥 感 和 内 陆 水 体 遥 感 。内陆水 体 遥 感 监 测 的 主 要 水 质 参 数 包 括 叶 绿 素 ｄ、 悬 浮物 、 黄 色物质等 。其 中叶绿 素 Ｏ Ｌ 是 反 映 内陆水 体 富营养化 程 度 的一 个 重 要参 数 ， 通 过 遥 感
关键词
环境一号
叶绿素 ｄ
高光谱数据 文献标志码
三波段模 型
中图法分类号
Ｔ Ｐ ３ ９ １ ． ４ １ ；
Ａ
自２ ０世 纪 ７ ０年代 初 期 开始 ， 遥 感技 术 逐 渐应 用 到陆地 水体 的研 究 中 ， 从 单 纯 的 水域 识 别 发展 到 对水 质参 数 进 行 遥 感 定 量 监 测 。随 着遥 感 技 术 的
Ａ Ｖ Ｉ Ｒ Ｉ Ｓ 、 ＭＯ Ｄ Ｉ Ｓ和 Ｈ ｙ ｐ ｅ ｒ ｉ ｏ ｎ 、 欧空局 的 Ｅ ｎ ｖ ｉ ｓ ａ ｔ ＭＥ Ｒ —
Ｉ ｓ 、 加 拿大 的 Ｃ Ａ Ｓ Ｉ 、 芬兰 的 Ａ Ｉ Ｓ Ａ、 日本 的 Ａ Ｓ Ｔ Ｅ Ｒ和 Ｇ Ｌ Ｉ 以 及 中 国 上海 光 机 所 的 Ｏ ＭＩ Ｓ成 像 光 谱 数 据 』 。其 中 Ｍ Ｏ Ｄ Ｉ Ｓ数据 具有较 高 的时 间分辨率 ， 适 合大范 围 内陆水 体 的叶绿 素 动 态监 测 ， 但其 空 间分 辨率 较 低 。 闻建 光等 研 究 表 明 ， Ｈ ｙ ｐ ｅ ｒ ｉ ｏ ｎ数 据可 以满足 内陆水 体 叶绿 素 ｄ提取 的精 度 要求 ， 但 时 间分 辨 率 太 低 ， 不 便 于 叶 绿 素 仅 的 实 时 动 态 监 测 。环境一 号 卫 星 是 中 国 国务 院批 准 的专 用 于环 境 和灾 害 监 测 的对 地 观 测 系 统 ， 由两 颗 光 学 卫 星
遥感水质反演方法
遥感水质反演方法介绍遥感水质反演方法是利用遥感技术对水体中的水质参数进行估计和预测的方法。
通过获取水体的光谱信息和其他遥感数据，结合水质模型和算法，可以实现对水体中各种水质参数的反演。
这对于水环境监测、水资源管理和环境保护非常重要。
水质参数水质参数是指描述水体水质状况的各种指标和参数，包括浊度、叶绿素浓度、溶解氧、水温等。
这些参数反映了水体的透明度、富营养化程度、生态环境等关键信息。
通过准确反演水质参数，可以及时监测水体的变化和污染状况。
常用水质参数•浊度：反映水体中悬浮颗粒物的浓度和分布情况。
•叶绿素浓度：反映水体中藻类的生物量和富营养化程度。
•溶解氧：反映水体中溶解氧气的含量和供氧能力。
•水温：反映水体的热力状态和季节变化。
遥感技术在水质反演中的应用遥感技术在水质反演中起到了至关重要的作用。
通过获取水体的遥感数据，可以实现对水质参数的间接估计和预测，从而实现对水体水质状况的监测。
遥感数据获取•遥感卫星：利用遥感卫星获取高分辨率的遥感影像数据。
•空中遥感：利用无人机等平台获取高空间分辨率的遥感影像数据。
•地基遥感：利用地面测量仪器获取地表光谱信息和水质参数。
遥感数据处理•大气校正：通过大气校正算法消除大气对遥感数据的干扰。
•水体提取：利用遥感影像数据进行水体提取，获取水体的空间分布信息。
•光谱分析：通过分析水体的光谱特征，获取水体中各种水质参数的估计值。
水质模型和算法•反演模型：建立水质参数与遥感数据之间的关系模型，实现水质参数的反演。
•机器学习算法：利用机器学习算法，通过训练样本建立水质模型，实现水质参数的预测。
•统计方法：通过统计分析水质参数与遥感数据之间的关系，实现水质参数的估计。
遥感水质反演方法的优势与挑战遥感水质反演方法具有许多优势，但也面临一些挑战。
优势•非接触性：遥感技术可以在不接触水体的情况下获取水质信息，避免了传统采样方法的局限性。
•高时空分辨率：遥感数据具有较高的时空分辨率，可以实现对大范围水体的快速监测和预测。
农作物生化参数反演基本知识
农作物生化参数反演基本知识
1.叶绿素含量：叶绿素是植物进行光合作用的主要色素，其含量与作物的生长状况和生产力密切相关。
2.水分状况：通过反演可以评估作物冠层的水分状态，对旱情监测和灌溉管理有重要意义。
3.叶面积指数：表示单位地表面积上植物叶片总面积，直接影响光能利用率和作物产量。
4.植被覆盖度：衡量地面被植被所覆盖的比例，对于土地利用变化和生态环境评价十分关键。
5.蛋白质、碳水化合物等营养物质含量：这些生化成分影响作物营养价值和品质。
实现生化参数反演的过程一般包括以下几个步骤：
1.数据获取：收集遥感影像数据，结合同步的地面实测数据作为验证和校正依据。
2.光谱预处理：辐射校正、大气校正、几何校正等，确保遥感数据准确反映地物实际反射率。
3.特征提取：选择对生化参数敏感的波段或者构建特征变量，如归一化差值植被指数（NDVI）、比值植被指数（RVI）等。
4.反演建模：运用统计学方法（如多元回归、主成分分析、人工神经网络等）或物理过程模型建立生化参数与遥感光谱之间的关系模型。
5.参数估计与验证：利用模型估算作物的生化参数，并通过实地采样测量结果验证模型精度和可靠性。
基于半分析模型的新庙泡叶绿素a浓度反演研究
关 键 词： 高光 谱 遥 感 ； 分 析 模 型 ； 绿 素 ａ 新 庙 泡 半 叶 ； 中图 分 类 号 ： ８ 文 献 标 识 码 ： Ｘ７ Ａ
ＥＳ Ｍ ＡＴＩ ＴＩ ｏＮ ｏＦ ＣＨ ＬｏＲｏ Ｐ＝ ＹＬＬ． Ｈ ａ ＣＯＮ ＣＥＮＴＲＡＴＩ ｏＮ Ｎ Ｉ
ＬＡＫＥ ＮＭ Ｉ ＸＩ ＡＯ ＢＡＳ ＥＤ ＯＮ Ｓ Ａ ＥＭ Ｉ ＡＮＡＬＹＴＩ ． ＣＡＬ ｏＤＥＬ Ｍ
ｆ ｕ ａｉ ｎ ａ ｄ ｉ ｈ ｐｒｃ ｓｏ ｗｉ ｈ ｇ ｄ ｔｒ ｉａ ｉｎ ｃ ｅｆｃ ｅ ８ ８ ｎ ｄ ｌ ｗ ｏ ｔｍｅａ ｓ ａ ｅ ｒｏ ９８｝ｇ 。 Ｌ～ ． ｏ ｎｄ ｔｏ ｎ ｈ ｇ ｅ ｉｉｎ ｔ ｉｈ ｅｅ ｍ ｎ ｔｏ ｏ ｆｉｉｎｔ０． ７５ ａ ｏ ｒ ｏ— ｈ ｎ—ｑｕ ｅｒ ｒ４． ｘ ｒ Ｔｈｅ ｍｏ ｅ ａ ｅ ｎ ｐｒ ｖ ｏ ｂ ｅｕｌｔ ｏ ｏ ａ ｓ ｓ ｌａ ｌｖｅｓ ｉ ｎ ａ ｄ ｗａ ｅｓ ｄ ｌｈ ｓ ｂ ｅ ｏ ｅｄ ｔ ｅ ａ ｕｓ ｆ ｏ ｌｔ ｓ ｅ ｓ Ｃｈ — ｅ ｌ ｎ ｉｌ ｔｒ ． ｎ Ｋ ｅ ｏ ｄｓ：ｈ ｐｅ ｓ ｅ ｔａ ｅ ｔ ｅ ｓｎ ｙｗ ｒ ｙ ｒ ｐ ｃｒ ｒ ｍｏ ｅ ｓ ｎ ｉｇ；ｓ ｍｉａ ｌｙ ｉａ ｏ ｅ ；ｃ ｌ ｒ ｐ ｙ ｌａ；Ｌａ ｅ Ｘｉ ｍｉ ｏ ｌ ｅ —ｎａ ｔｃ ｌｍ ｄ ｌ ｈ ｏ ｏ ｈ ｌ— ｋ ｎ ａ
太阳诱导叶绿素荧光的卫星遥感反演方法
太阳诱导叶绿素荧光的卫星遥感反演方法太阳诱导叶绿素荧光是一种植物光合作用的特征，它可以用于研究植物的生长、光合作用效率和应对环境变化的能力。
卫星遥感是获取大范围植被信息的重要手段，因此开发太阳诱导叶绿素荧光的卫星遥感反演方法对于监测植被生态系统具有重要意义。
本文综述了目前常用的太阳诱导叶绿素荧光反演方法，包括基于能量平衡原理、多源数据融合、机器学习等方法，并探讨了各种方法的优缺点和适用范围。
最后，展望了未来太阳诱导叶绿素荧光反演方法的发展方向，并提出了一些问题和挑战，如如何在不同环境下建立有效的反演模型、如何解决遥感数据与地面观测数据之间存在的不一致性等。
- 1 -。
基于ENVI即环境小卫星影像太湖区叶绿素反演
地理与生物信息学院20 / 20 学年第学期实验报告课程名称：遥感实习实验名称：太湖区叶绿素反演班级学号学生姓名指导教师日期：20 年月一、实验题目：基于遥感的自然环境监测二、实验内容：专题应用 10 米的 spot 和 TM 融合影像，提取相关生态因子，应用较成熟的自然生态环境评价模型完成整个自然生态环境评价流程。
专题涉及植被覆盖度计算、地形因子提取等内容；所用功能模块，除了使用 ENVI 主模块功能外；还需要用到大气校正扩展模块中的快速大气校正工具（QUAC）。
三、实验要求：应用pot 和 TM 融合影像，提取相关生态因子，应用较成熟的自然生态环境评价模型完成整个自然生态环境评价流程。
四、实验过程：1.将安装环境小卫星数据读取和定标补丁： ENVI_HJ1A1B_Tools.sav 文件放在home\ITT\IDL\IDL80\products\envi48\save_add 目录下。
数据读取和定标：主菜单->File->Open External File->HJ-1A/1B Tools2.以TM 作为基准影像对环境小卫星图像进行图像配准。
添加控制点生成几何校正后的文件。
将BSQ文件转换为BIL文件，准备进行大气校正。
3.利用FLAASH进行大气校正，利用templete修改参数信息。
点击apply进行校正。
4.太湖区剪裁，利用基本工具中的数据重采样进行剪裁。
5.建立掩膜文件。
先打开矢量文件，然后BUILDMASK，建立好的掩膜保存并应用到剪切后的太湖区。
6.叶绿素反演本环节最重要的是地面实测点与星上点的反演模型建立，涉及到定量遥感的知识。
在前人研究了大量的算法和模型的基础上，本专题选择经验模型之一波段值模型（BNIR/BRED）来进行叶绿素的反演。
波段比值模型：Chla=a*（BNIR/BRED）+b首先运用bandmath，计算float(b4)/b3生成单波段的文件，再添加反演点。
浑浊Ⅱ类水体叶绿素a浓度遥感反演(Ⅰ)：模型的选择
第３ ０卷第 ６期 ２１ ０ １年 １ ２月
文章 编 号 ：０ １ ９ １ （０ １ ０ ０ ３ — ６ １０ — ０ ４ ２ １ ）４— ５ １ ０
红 外 与 毫 米 波 学 报
Ｊ ｎｒｒｄ Ｍｉ ｉ ．Ｉ ｆ ｅ ｌｍ．Ｗ ａ ｅ ａ ｌ ｖｓ
Ｖｏ ． ３ １ ０，Ｎｏ ６ ．
Ｌｍ ｏ ｇ ，Ｃ ｉｅｅＡ ａ ｅ ｆ ｃ ｎｅ ， ａｊ ｇ １０ ８ ｈｎ ； ｉｎ ｌ ｙ ｈｎｓ ｃｄｍｙｏ ｉ ｃｓ Ｎ ｎｉ ２ ０ ０ ，Ｃ ｉａ ｏ Ｓｅ ｎ ２ Ｇ ａｕｔ Ｓｈｏ ｏ ｈｎｓ ｃｄ ｍ ｆ ｃ ｎｅ ，Ｂ ｉｎ １０ ４ ，ｈｎ ） ． ｒｄａｅ ｃ ｏｌ ｆ ｉｅｅＡ ａ ｅ ｙｏ ｉ ｃｓ ｅｉｇ ０ ０ ９ Ｃ ｉａ Ｃ Ｓｅ ｊ Ａ ｓｒｃ ： ｈｒ ｉ ａ ｉｌ ｔ ｕｌ ｔ ｔｅｅｃｌ ｏ ｈｌａｃｎｅｔ ｔ ｎ（ ｈ—）ｔｒｕｈｒｍ ｔ ｙｓｎｅ ａｅ ｅ ｉ ｔｒ ｂ ｔａｔ Ｔ ｅｅ ｓ ｔｅ ｒ ｂｅ ｏｒ ｒ ｖ ｈｏ ｐ ｙ － ｏｃｎｒ ｉ Ｃ ｌ ｌｔ ｏ ｅ ｉ ｒ ｌ ａｏ ａ ｈｏｇ ｏｅ — ｓｄｉ ｇｒ ｓ ｎ ｕ－ ｅ ｌ ｅ ｍ ｉ
遥感数据误差对地表参数定量反演可靠性的影响——以太湖叶绿素a反演为例
太湖实测数据为例进行 了论证 。研究表 明，虽然 Ｔ ／ Ｍ２ ＴＭ３算法 比 ＴＭ２ＴＭ１ 法 的回归系数 高 ， 其对 ／ 算 但
数据误差的放大效果是 ＴＭ２ Ｔ 算 法的 ２ ２ ， 导致 了反演结果 的均方根误 差 比 ＴＭ２ ＴＭ１ 法大 了 ／Ｍ ． ８倍 这 ／ 算
分布与水 体反射光谱 曲线分别如 图 １ 图 ２所示 。 与
Ｎ
第３ Ｏ卷
理后 ， 形成 了最 终 的数据 误差 为 ＆，反演 产 品 的总误 差 为
关键词 数据误差 ； 定量遥感 ；代价 函数 ； 太湖
文献标识码 ： Ａ Ｄ ： ０ ３ ６ ／．ｓｎ １ ０—５ ３ ２ １ ）５１ ４—５ ＯＩ １ ． ９ ４ｊｉ ． ０ ００ ９ （０ ００ —３ ７０ ｓ
中 图分 类 号 ：Ｘ ７ ８
致两种结果 ： 数据误差被弱化 或被扩大 。
— —
以太湖 叶绿素 ａ 反演为例
陈 军 ， 周冠 华 ，温珍 河 ， 付 军
１ ．国土资源部海洋油气资源与环境地质重点实验室 ，山东 青 岛 ２ ６ ７ ６０ １ ２ ．青 岛海洋地质研究所 ，山东 青 岛 ２ ６ ７ ６０ １ ３ ．北京航空航天大学仪器科学与光电工程学院 ， 北京 １０ ９ ０ １１
量反演结果 的误差可划分 为来 自影 像数据的误差和来 自定量 模型的误差 。 自影像 数据的误差不是简单 地“ 来 加减” 运算融 入到定量结果中 ，它是 经过定革参数 和定 量模型 的改造 ，和 模型误差纠缠到一起 ，最后 共川成为 定量误 差 。 这个 过程 中 ，当来 自影像数据 的误差 大小一定 时 ，定 纳 果总 误差 中