基于实测光谱的白洋淀叶绿素a浓度反演

内陆水体叶绿素a浓度决定其浮游生物含量,是衡量水体富营养化程度的主要指标,更是影响水体表观反射率光谱的重要因素之一。三波段生物光学模型能有效避免二类水体中悬浮物与化学物质等因素的影响,准确估算叶绿素a浓度。以雄安新区白洋淀为研究区域,利用实测水体光谱及水体叶绿素a浓度,分析水体光谱特征,利用穷举法确定三波段因子位置,建立三波段反演模型及精度验证,最后对结果进行分析评价。结果表明,在λ_(1)=673 nm,λ_(2)=729 nm,λ_(3)=782 nm处,三波段模型反演因子[R_(rs)^(-1)(673)-R_(rs)^(-1)(729)]R_(rs)(782)与叶绿素a浓度的相关系数最高为0.82。该模型的决定系数、均方根误差、平均绝对误差、平均相对误差分别为0.67、3.61μg/L、2.86μg/L、26.06%,表明对于悬浮物以及化学物质较高的水体,三波段模型相较于波段比值与单波段模型具有很好的反演精度。该研究为白洋淀叶绿素a浓度反演提供了一定的理论依据和技术支持,有助于白洋淀水质持续监测,也为后续使用三波段模型反演二类水体叶绿素a浓度提供了算法支持。

基于高光谱数据藻类水华重要参数——叶绿素a的定量反演模型研究

水库富营养化导致的水华问题严重影响了饮用水的利用和保护,而水体叶绿素a在营养化水体中比例稳定,可以在很大程度上反映水体的营养状况,是水华监测的重要参数。目前,大多数研究集中在较为典型的富营养化水体,对中/贫营养化水体的研究较少。以莆田东圳水库为研究区,随机选取112组叶绿素a浓度数据和高光谱数据中的72组数据进行模型构建,剩余40组数据用于模型验证。在对叶绿素a浓度和光谱反射率曲线进行相关分析的基础上,通过对水体光学特性的分析和统计分析,筛选出单波段、波段比值、三波段、四波段、荧光峰高度、荧光峰位置、峰谷距离等特征参数建立反演模型。通过模型精度验证的对比分析,确定了最优叶绿素a浓度的反模型。结果表明,经过900 nm处归零化预处理的单波段模型和四波段模型对东圳水库水体叶绿素a浓度的反演效果最佳,其决定系数R 2均为0.91,平均绝对误差MAE分别为1.82μg/L和2.81μg/L,MAPE分别为22.53%和21.53%。对于叶绿素a浓度较低、跨度较小的库区水域,波段算法类模型建模精度优于荧光算法类模型。该研究结果可以为后续东圳水库的常规水质监测和水华预警提供一定的理论依据和技术参考。

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

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。

湛江港海域叶绿素a浓度的高光谱遥感反演

基于表观光学法研究冬季湛江港海域高光谱遥感叶绿素a浓度的反演模型构建,结果表明,该海域单波段遥感反射率与叶绿素a浓度相关性低,波段比值和遥感反射率的一阶微分法可提高叶绿素a浓度反演精度。665nm处的遥感反射率一阶微分值与叶绿素a浓度相关性良好,相关系数可达0.84。一阶微分相关系数大于0.8的波段大部分处于叶绿素a红光强烈吸收区域,对于富营养化的湛江港海域采用一阶微分方法构建叶绿素a浓度的遥感反演模型具有合理性。