基于GOCI影像的湖泊悬浮物浓度分类反演

悬浮物直接影响到光在水体中的传播,进而影响着水生生态环境,最终决定了湖泊的初级生产力。传统的遥感反演估算模型大多是针对某一湖区进行统一建模,忽视了不同区域水体光学性质的复杂差异性,并且传统的传感器时间分辨率和空间分辨率受到一定限制。针对太湖、巢湖、滇池、洞庭湖4个湖区利用两步聚类法将高光谱模拟到GOCI影像上的波段进行分类,将水体类型分为三类,第一类水体为悬浮物主导的水体,第二类水体为悬浮物和叶绿素a共同主导的水体,第三类水体为叶绿素a主导的水体。针对不同类型水体的光学特征,分别构建了悬浮物浓度反演模型,结果表明第一类水体可以利用B7/B4,第二和第三类水体可以利用B7/(B8+B4)作为波段组合因子对悬浮物浓度进行模型构建。精度验证结果表明,分类建模后第一类和第三类水体悬浮物浓度估算精度都得到了较明显提高,第一类水体RMSE降低了9.19mg/L,MAPE降低了3%,第三类水体RMSE降低了5.63 mg/L,MAPE降低了13.97%,第二类水体精度稍有降低。最后将反演模型应用于2013年5月13日的GOCI影像,可知整体而言太湖西南部地区悬浮物浓度较高,东北部地区悬浮物浓度较低,并且从9:00到15:00,太湖南部悬浮物浓度较高的区域在逐渐缩小。

基于GOCI影像的长江口及其邻近海域CDOM遥感反演及其日内变化研究

采用静止轨道海洋水色卫星(GOCI)数据对长江口及其邻近海域有色溶解有机物(CDOM)反演。以QAA-CDOM算法为基础,根据实测数据,利用BP神经网络模型来拟合QAA-CDOM算法中需要针对长江口水体进行优化的悬浮颗粒后向散射系数bbp与吸收系数ap的关系,从而准确估算CDOM的浓度。结果表明,反演结果准确度较高,平均相对误差为0.35。基于GOCI日内连续成像的优势,选取2014年3月15日8景GOCI影像,利用优化后的QAA-CDOM-BP算法,对长江口及其邻近海域CDOM的日内变化进行反演和分析,得到的变化规律如下:长江口及其邻近海域的CDOM日变化主要受潮流、长江径流等共同影响。长江口内CDOM浓度在涨潮期高于退潮期,由于受长江冲淡水的作用,CDOM从口外往外海区呈现逐渐递减趋势。

渤海浑浊水体GOCI影像神经网络大气校正研究

针对GOCI遥感数据的官方处理软件(GDPS(GOCI data processing system))中的标准大气校正算法在渤海近岸浑浊水体区域处理中存在的问题,以MODIS/Aqua数据NIR-SWIR波段联合大气校正处理所得的水色遥感反射率产品结果和GOCI的星上反射率数据为基础,基于神经网络模型进行浑浊水体GOCI影像的大气校正方法研究结果表明,神经网络方法能显著减少标准产品中大气校正失效区域,特别是在443、490、680、555、745nm波段改进效果非常明显;但412、660、865nm波段的紧邻近岸的浑浊水体部分区域存在遥感反射率空间分布不合理,这可能与MODIS对应波段产品本身的大气校正精度不高有关.由于缺乏对应的实测数据,后续验证工作还需要进一步开展.

基于GOCI影像反演湖泊悬浮物和叶绿素a含量的研究述评

悬浮颗粒物和叶绿素a是两个重要的湖泊水质参数,常用来衡量湖泊的富营养化程度。阐述了基于GOCI数据的湖泊悬浮颗粒物和叶绿素a浓度反演的研究现状,分析了几种大气校正方法对于GOCI数据的适宜性,发现基于6S模型的大气校正取得的效果最好。对比了GOCI的几种用于叶绿素a和悬浮颗粒物反演的模型,发现基于经验方法的反演虽然简单易行,但缺乏物理依据;基于分析方法的反演机制明确,但较难实现;基于半分析方法的反演是统计水质参数的光谱特征,建立遥感数据的波段组合与水质参数值之间的定量关系,进而估算水质参数含量,此方法较易实现且有一定物理意义。最后,通过总结现状,对利用GOCI反演水体指标的发展提出了一些自己的见解。

一种水质分析方法：基于GOCI影像的东平湖叶绿素a浓度估算

目前我国水环境质量差,水生态受损严重,约1/3的重点湖泊呈富营养状态,叶绿素a浓度直接反映水中藻类物质的含量,是衡量湖泊富营养化的重要参数。而常规的单点采集方式已无法满足快速大面积获取水质状况的需求,因此研究非接触式的遥感反演方法是十分必要的。本实验以东平湖为研究区,基于GOCI多光谱影像通过QAA反演算法实现叶绿素a浓度的估算及精度验证。实验结果表明:利用QAA算法反演的叶绿素a浓度精度优于传统的经验模型,同时该模型具有较好的移植性,其次由反演结果的分布情况可以看出居民生活区集中的湖区沿岸叶绿素a浓度较高,大量生活污染物的排放可能是造成叶绿素a浓度高的原因。

基于迁移学习的GOCI超分辨率重建与海洋漂浮藻类探测

遥感技术是进行海洋漂浮藻类目标识别与变化监测的重要手段。GOCI遥感卫星影像具有高时间分辨率、低空间分辨率的特点,其低空间分辨率影响了海洋漂浮藻类遥感探测的效果。本研究通过对具有较高空间分辨率的Sentinel-2遥感卫星影像结构特征的迁移学习,应用ESRGAN超分辨率重建技术,将GOCI影像的空间分辨率提升至125 m;在此基础上,构建了基于超分辨率重建GOCI遥感影像的U-Net深度学习语义分割网络,实现了海洋漂浮藻类的较高精度探测。实验结果表明:超分辨率重建的GOCI影像显著提升了影像的空间细节清晰度,基于此实现的海洋漂浮藻类探测结果取得了较高的精度,其中面积相对误差下降了51.87%,F1值提高了2.41%。本研究是应用GOCI遥感影像进行海洋漂浮藻类高精度探测的一次成功实践,为实现海洋目标的动态精细化监测提供有益的参考。

基于GOCI影像和水体光学分类的内陆湖泊叶绿素a浓度遥感估算

叶绿素a作为水质参数之一,常用来作为衡量水体富营养化程度的指示标准.利用从太湖及洞庭湖获取的326个实测数据,基于实测遥感反射率对水体光谱进行光学分类,结果表明所采集的样点可分为3种水体类型.结合GOCI的波段设置,建立了不同类型水体的叶绿素a浓度反演模型.水体类型一可以利用490 nm(3波段)和555 nm(4波段)来反演,水体类型二可利用660 nm(5波段)和443 nm(2波段),水体类型三利用745 nm(7波段)和680 nm(6波段).精度分析表明,分类后的平均相对误差明显下降,类型一为38.91%、类型二为24.19%、类型三为22.90%;类型一均方根误差为4.87μg·L-1、类型二为8.13μg·L-1、类型三为11.66μg·L-1;分类前后的总体平均相对误差由49.78%降低到29.59%,总体均方根误差由14.10μg·L-1降低到9.29μg·L-1,分类后反演精度得到了显著提高.利用2013年5月13日8景GOCI影像反演了太湖的叶绿素a浓度,结果表明,2013年5月13日太湖叶绿素a浓度日变化显著,高值区主要集中在竺山湾、梅梁湾、贡湖湾,低值区主要集中在湖心区以及南部区域,10:00以后太湖西南部沿岸的叶绿素a浓度显著降低.这种先分类后反演的方法对于二类水体的模型反演精度的提高具有重要作用.

基于GOCI影像的太湖水体漫衰减系数遥感反演

漫衰减系数是水体光学中的一个重要参数.采用2006~2009年的太湖野外实测数据,分析了太湖水体漫衰减系数光谱特性及其影响因子,在此基础上,结合GOCI传感器数据,分别构建漫衰减系数经验模型和半分析模型,寻找适合GOCI影像的太湖漫衰减系数反演模型,并分析太湖水体漫衰减系数的时空变化特征.结果表明:1太湖水体漫衰减系数主要受非色素颗粒物吸收主导,以GOCI第4、5、7波段构建的多元线性模型反演漫衰减系数,效果最好;2太湖水体漫衰减系数值域主要分布在0~15 m-1,大体可以分为3个等级,低值区:0~4 m-1,中值区:4~8 m-1,高值区:8~15 m-1,部分高值区高于15 m-1;3太湖水体漫衰减系数存在一定时空差异性,从空间上来说,太湖水体漫衰减系数呈现一定的梯度性,从东部到西部逐渐变高;从时间上来说,早上太湖漫衰减系数相对较高,从上午到下午,大体上呈现逐渐降低的趋势.

基于GOCI数据的胶州湾水体透明度遥感反演及日变化研究

透明度是描述海洋和湖泊水体光学性质的一个重要参数。利用2017年5月16日胶州湾航次的现场实测数据和GOCI卫星影像,采用2种半分析算法Doron11和Lee15对水体透明度进行反演。研究表明,Lee15算法在胶州湾海域表现较好,透明度反演值与实测值之间的决定系数为0.98,均方根误差为0.02 m。选择当日8幅GOCI影像,利用Lee15算法反演获得胶州湾水体透明度日变化的时空分布特征。空间分布上,海域整体透明度较低(0~4 m),从湾内到湾外透明度呈现出逐渐增大的趋势。时间变化上,湾内水体透明度的变化受潮汐影响明显,湾外和湾口的变化由太阳天顶角主导,海域平均水体透明度的变化由太阳天顶角和潮汐共同作用。根据各采样点实测水体透明度与现场同步测量的其他环境因子的统计分析,胶州湾水体透明度的变化是多个环境因子共同作用的结果,与水深存在较强的正相关,相关系数达0.84,与其他环境因子均呈负相关关系。

辽东半岛东岸近海泥区悬沙浓度的时空分布及控制因素分析

鸭绿江作为典型的中小型河流,细颗粒沉积物从鸭绿江流域到辽东半岛东岸近海泥区的源汇过程有着独特的机制,而遥感解译是了解入海沉积物在河口-陆架输运过程和机制的有效手段之一。因此,本文通过在辽东半岛东岸海域进行了现场悬沙浓度测量,并与GOCI影像建立关系,反演了该地区2011年4月至2017年3月间的表层悬沙浓度,从而揭示了该海域表层悬沙浓度的时空特征,分析了潮流、大风天气和洪水对悬沙浓度变化的影响,在此基础上探讨了研究区的悬沙浓度输运格局。结果显示,研究区表层悬沙浓度空间差异大,河口附近是悬沙浓度高值区,可达500 g/m^3以上,其他区域则悬沙浓度多小于20 g/m^3。另外,研究区表层悬沙浓度枯季高,洪季低,有着显著的季节性变化。进一步分析表明,枯季大风天气引起的风浪作用增强,是导致表层悬沙浓度增高的主要原因;洪季虽然悬沙浓度较低,但流域洪水期间的悬沙浓度显著增加。此外,作为典型的中小型源-汇传输体系,沉积物从鸭绿江到辽东半岛东岸近海泥区总体上仍遵循"夏储冬输"的输运机制。

面向GOCI数据的太湖总磷浓度反演及其日内变化研究

总磷浓度是水质评价的一个重要指标,是水体富营养化、蓝藻水华暴发的重要影响因素,遥感技术具有范围广、时效高的优势,利用卫星遥感监测总磷浓度,对于水质和富营养化的研究有着重要意义.利用2013~2014年3次地面实验数据,构建了基于GOCI影像的总磷反演模型,为了检验模型的适用性,选取2014年春、夏、秋、冬各1日GOCI影像,对太湖总磷浓度的日内变化进行分析.结果表明,利用GOCI数据8个波段的波段组合作为变量,进行逐步回归分析所建立的模型具有较高的反演精度,模型的决定系数为0.898,平均绝对误差百分比为14.296%,均方根误差为0.026 mg·L^(-1).同时,利用地面实测样点与同步卫星影像对模型进行了精度分析,2014年8月5日和2014年10月24日同步影像的验证精度分别为:平均绝对误差百分比为33.642%和22.551%,均方根误差为0.076 mg·L^(-1)和0.028 mg·L^(-1).对4个季节中4 d的30幅影像对比分析表明,不同季节总磷浓度的绝对含量存在差异,但是,总磷浓度的时空分布及从早晨到下午的差异性存在相似性.从空间分布上看,梅梁湾、竺山湾、贡湖湾及西南部沿岸小梅港、长兜港总磷浓度长期偏高,各个区域的总磷浓度变化受到风向、风速等因素的影响;从时间变化上看,早上总磷浓度最高,随后逐渐降低,反映了总磷浓度受到温度和光照影响的效果.