基于ZY-102D影像的白洋淀水域叶绿素a浓度遥感反演

白洋淀位于雄安新区的核心区域,是当前社会关注的焦点,对白洋淀水域进行水质监测是水污染防治的重要依据,对周边居民生活和当地经济发展具有重要意义。将ZY-102D AHSI(advanced hyperspectral imager)高光谱影像与ZY-102D VNIC(visible near-infrared camera)多光谱影像作为遥感数据源,分别进行了基于单一影像数据的单独反演与基于两种影像的联合反演,研究结果表明联合反演模型相较于基于AHSI的反演模型可以有效提高叶绿素a浓度的反演精度,三种反演模型中基于VNIC的反演模型精度最高,相较于以往学者的研究结果高光谱数据的优势未充分体现,说明对于白洋淀淀区的叶绿素a浓度反演空间分辨率有更大的影响,从而进一步将ZY-102D AHSI的36波段与ZY-102D VNIC融合,将空间分辨率提高至10 m,优化后的模型平均无偏相对误差(average unbiased relative error,AURE)与均方根误差(root mean square error,RMSE)别降低到13.62%、0.52μg/L,进一步提高了叶绿素a浓度的反演精度。研究表明,ZY-102D影像数据在内陆水体水质监测中具有较好的适用性,利用模型算法提升高光谱数据的空间分辨率将是提高叶绿素a浓度反演精度的重要途经,研究成果对ZY-102D影像在白洋淀水域的水质监测与应用具有重要的意义。

GF-1与Landsat8水体叶绿素a浓度协同反演——以太湖为例

不同空间分辨率、光谱分辨率和辐射分辨率传感器数据的协同反演,对于提高水体叶绿素a浓度反演精度具有重要作用。以GF-1 WFV和Landsat8 OLI数据为对象,分别以单波段替代、单波段融合和三波段融合的协同方法,分析空间分辨率和光谱分辨率在多源遥感数据协同反演过程中对于提高水体叶绿素a反演精度的主导特征;在此基础之上,进一步探索GF-1 WFV和Landsat8 OLI数据协同反演的最优组合方式,以提高叶绿素a浓度的反演精度。结果表明,在GF-1 WFV和Landsat8 OLI协同反演过程中,近红外波段光谱分辨率和辐射分辨率对精度的影响占据主导,近红外波段光谱分辨率的提高更有利于提高叶绿素a浓度的反演精度;在蓝光波段与红光波段,则是空间分辨率越高叶绿素a浓度反演精度越高;GF-1 WFV和Landsat8 OLI最优叶绿素a协同反演光谱指数组合因子为:Landsat8 OLI近红外波段、GF-1 WFV和Landsat8 OLI融合红光波段、GF-1 WFV和Landsat8 OLI融合蓝光波段。通过实测数据验证表明,协同前GF-1 WFV和Landsat8 OLI单独反演结果的平均相对误差分别为41.93%和38.37%,优化协同反演后平均相对误差降低到17.35%。

白洋淀淀区水质遥感监测可行性研究

基于ZY01-02D卫星影像,针对白洋淀淀区的叶绿素a、化学需氧量、总磷、总氮、悬浮物和透明度6个水质要素建立了反演的半经验模型,并分析了其在白洋淀淀区应用的可行性。结果表明,所建立的方法,算法简便,成本低廉,建模平均相对误差为6.33%~25.42%,验证数据集平均相对误差为19.4%~35.51%,为实现白洋淀水质快速、准确、大面积监测业务化应用提供了新的思路。但该方法仍存在改进空间,可通过提高遥感数据空间分辨率,并结合地面监测数据进行优化,不断提高水质遥感监测精度。

国家城镇生态环境综合监测技术体系构建

近年来,我国城镇突出的生态环境问题受到社会广泛关注,作为生态环境保护工作的重要组成部分,随着城镇化的快速发展,城镇生态环境监测任务也越来越重、要求越来越高,对结合空间信息的天地一体综合监测的需求非常迫切,急需建立其技术体系,以指导城镇生态环境综合监测工作的开展。本文面向城镇生态环境综合监测的需求,从城镇污染气体、水体水质、生态资源3个方面出发,通过梳理城镇生态环境综合监测中的关键科学技术问题,结合开展的关键技术攻关研究,经过分析论证,构建了城镇生态环境综合监测技术体系框架、指标体系框架以及标准体系框架。在此基础上,根据遥感数据特点及国家生态环境监测需求,提出城镇生态环境综合监测业务应用方案,为国家和省市地方下一步有效开展城镇生态环境监测、管理等工作提供重要指导和支撑。