基于哨兵-3A卫星OLCI数据的最大叶绿素指数在太湖蓝藻水华监测中的应用

欧洲航天局于2016年2月16日成功发射哨兵-3A卫星,搭载的水色遥感仪器(OLCI)提供了很好的海洋和内陆水体生态指标观测反演能力。基于OLCI获取的太湖L1b级遥感数据产品,利用OLCI Oa10、Oa11、Oa12波段计算了重要的水色/水生态遥感指标,即最大叶绿素指数(MCI),在此基础上初步分析了MCI在太湖蓝藻水华监测预警中应用效果。研究表明:(1)哨兵-3A卫星OLCI影像质量清晰,构建的MCI能够反映太湖水体叶绿素信号强度;(2)与常用的归一化植被指数相比,在蓝藻没有明显积聚的藻-水混悬水域,MCI与叶绿素浓度有很好的关联,可更灵敏地反映叶绿素浓度的空间分布特征。MCI将在蓝藻监测上具有更好的适用性,可有效提高富营养湖泊蓝藻水华的预警预报精度。

基于“哨兵-3A”OLCI影像的太湖蓝藻水华荧光基线高度指数信号特征分析

利用新型遥感数据"哨兵-3A"卫星OLCI影像数据,基于其665,681和708 nm波段构建的"荧光基线高度"指数算法,采用SNAP 6.0遥感专业软件,计算了2017年不同季节4个典型日期太湖FLH的全湖分布及蓝藻水华区信号强度特征。以完成了瑞利散射及气体吸收订正的3个波段的遥感反射率数据计算FLH图像,结果表明,FLH数值的"负偏"程度与蓝藻水华强度有很好的对应关系,FLH值"负偏"越大,蓝藻水华越严重,可以作为比较不同季节水华强度的有效遥感指标;富营养化较严重、较为浑浊、以蓝藻为优势种的内陆水体与大洋清洁、非蓝藻优势浮游植物水体的FLH"正偏"信号特征迥异。

“哨兵-3”卫星OLCI影像MPH算法反演太湖叶绿素a及藻草区分的研究

利用“哨兵-3”卫星OLCI影像数据,基于其619,665,681,709,753和885 nm中心波长对应的6个波段构建的最大特征峰高度(MPH)算法,采用SNAP7.0遥感专业软件,计算了典型日期太湖MPH算法得到的叶绿素a浓度、浮藻区、藻水混悬区、水草区的分布。结果表明:(1)MPH算法能够精确地识别太湖水草和蓝藻;(2)MPH算法能够提取稠密铺集水表层的“浮藻区”,并区分出藻密度较小、水华现象轻微~轻度、蓝藻主要浸没在水面以下的“藻水混悬区”。与MODIS、VIIRS等常用的蓝藻水华遥感传感器相比,OLCI展现了更出色、更精细化的水生态遥感监测能力,可提高蓝藻水华预警预报水平。

基于随机森林的内陆湖泊水体有色可溶性有机物(CDOM)浓度遥感估算

水体中的有色可溶性有机物(CDOM)是湖泊生态系统中氮、磷等有机营养物质的重要来源,利用卫星遥感数据反演内陆水体中CDOM浓度一直是个挑战.因此本文基于滇池2009年9月、2017年4月以及太湖2016年7月的现场原位观测和室内实验,在分析水体固有光学特性的基础上,引入机器学习算法,建立了基于哨兵-3A OLCI传感器的我国内陆湖泊水体CDOM浓度随机森林反演模型.利用独立的验证数据集对所构建的随机森林模型及常用的波段比值模型、一阶微分模型、半分析模型、BP神经网络模型等的反演精度进行评价.结果表明:随机森林模型的均方根误差为0.14 m-1,平均相对误差为21%,与反演效果相对较好的BP神经网络模型相比,均方根误差降低了50%,平均相对误差降低了38%,反演精度得到了显著的提高.根据随机森林算法的特征重要性参数提供的各自变量影响力结果,发现B11(709 nm)和B6(560 nm)波段贡献率最大,是反演CDOM的敏感波段.最后将随机森林模型应用到滇池2017年4月12日、太湖2017年5月18日的哨兵-3A OLCI影像上,得到滇池、太湖水体CDOM浓度分布图.滇池CDOM浓度的分布特征大致符合东北、西南高,中西部低的趋势,且河口处的CDOM浓度高于湖泊水体,表明径流的输入给滇池水体带来了大量的CDOM.太湖CDOM浓度的分布特征大致符合西部高,湖心区和东部低的趋势.太湖西部以及北部梅梁湾受入湖河流影响较大,CDOM浓度较高,太湖开敞区远离河口处,受外源河流的影响逐渐减小,且由于湖水的不断稀释,CDOM浓度不断降低.太湖东部水生植物很多,湖水较为清澈,CDOM浓度较低.