NDCI法Ⅱ类水体叶绿素a浓度高光谱遥感数据估算

以太湖、巢湖为研究区,以Hyperion和HJ-1A卫星HSI高光谱数据以及实测水质浓度数据为实验数据,引入归一化叶绿素指数(NDCI),对Ⅱ类水体的高光谱叶绿素a浓度估算进行分析研究.首先对高光谱数据的光谱通道设置以及水体光谱特征进行分析,研究确定模型的最优波段.然后,将确定最优波段后的NDCI反射率因子作为变量与实测样本点数据进行回归分析,得到NDCI与叶绿素a浓度之间的回归关系,进行叶绿素a浓度的估算.与常用的比值法、一阶微分法和三波段法相比,NDCI的性能优于这3种方法,表明NDCI是一种计算简单、估算精度高、实用性强的Ⅱ类水体叶绿素a浓度估算方法.

柘林湾近岸水产养殖区水域叶绿素α浓度反演

海水养殖已成为近海水体环境的重要污染源,叶绿素α作为水体浮游植物生物量的一个重要参数,是水质评价的重要指标。本文以广东省柘林湾为研究区域,采用2018年9月4日的哨兵2号(Sentinel-2)影像与海水养殖区水体中实测的叶绿素α浓度数据构建了叶绿素α浓度的单波段模型、比值模型、三波段模型与归一化叶绿素α指数模型(Normalized Difference Chlortophyll Index,NDCI)等估算模型;通过对比评价,以反演精度高的模型估算了2018年多个月份的叶绿素α浓度,并分析其分布特征。结果显示:1)NDCI模型的反演精度明显高于其他模型,其可决系数R2为0.8,均方根误差(Root Mean Square Error,RMSE)为9.7,平均绝对百分比误差(Mean Absolute Percentage Error,MAPE)为0.99;利用实测数据对NDCI模型的时间适用性进行检验,表明NDCI模型能有效地估算出叶绿素α浓度的空间分布特征。2)叶绿素α浓度呈现出从近岸向湾外逐步降低的趋势,养殖区中叶绿素α浓度的总体趋势为池塘养殖区>滩涂插养区>网箱养殖区>浮筏养殖区;受到水体交换、降雨及养殖活动的影响,池塘养殖区中的叶绿素α浓度在投放幼苗期的2月最低,其变化趋势为2月<4月<6月<12月。本文的研究结果可为相关部门对柘林湾养殖水体的环境监测提供参考。

基于最小二乘原理的太湖叶绿素a反演

针对太湖水质富营养化、水华现象时常发生且难以实时快速监测等问题,文中基于最小二乘原理的6种函数拟合模型(linear、quadratic、exponential、geometric、hyperbolic、logsquare),应用Landsat卫星影像的波段比值和归一化差值叶绿素a指数,结合同时期太湖实测叶绿素a浓度进行反演和验证,通过精度对比,筛选最佳拟合模型,并将模型应用于同季度2009年、2010年、2015年、2020年的4幅影像中进行太湖叶绿素a反演,对比分析太湖富营养化水域的时空变化特征。结果表明:应用最小二乘原理的quadratic函数模型,拟合遥感影像第4波段与第2波段反射率归一化差值和实测值的效果最佳,反演和验证的均定系数分别为0.883 3、0.827 9。2019年太湖水域严重富营养区域占比5.30%,所占面积为123.92 km^(2),其余均为富营养区域。模型应用于2010年、2015年、2020年进行反演可得严重富营养区域占比分别为6.38%、2.49%、4.60%,所占面积分别为149.16 km^(2)、58.19 km^(2)、107.49 km^(2),其余均为富营养区域。

基于MERIS遥感图像的太湖叶绿素浓度反演

以太湖为试验区,基于MERIS遥感图像数据以及同步实测的太湖水质参数数据,应用归一化叶绿素指数算法(NDCI),对太湖水体叶绿素a浓度进行反演,得到了太湖区域的水体叶绿素a反演结果,并对反演结果进行了验证和分析。结果表明:归一化叶绿素指数反演算法能够精确地反演太湖区域的叶绿素a浓度值,模型的决定系数(R2)为0.881 2,反演精度优于传统经验统计模型,可为今后更精确地反演内陆水体的叶绿素a浓度提供参考依据。