CN101493409A - 一种自动提取水体污染信息的方法 - Google Patents

一种自动提取水体污染信息的方法 Download PDF

Info

Publication number
CN101493409A
CN101493409A CN 200810219844 CN200810219844A CN101493409A CN 101493409 A CN101493409 A CN 101493409A CN 200810219844 CN200810219844 CN 200810219844 CN 200810219844 A CN200810219844 A CN 200810219844A CN 101493409 A CN101493409 A CN 101493409A
Authority
CN
China
Prior art keywords
water
lambda
theta
pollution
reflectivity
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN 200810219844
Other languages
English (en)
Inventor
邓孺孺
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sun Yat Sen University
Original Assignee
Sun Yat Sen University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sun Yat Sen University filed Critical Sun Yat Sen University
Priority to CN 200810219844 priority Critical patent/CN101493409A/zh
Publication of CN101493409A publication Critical patent/CN101493409A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明公开了一种自动提取水体污染信息的方法,包括以下步骤:(1)计算获得被测水域的出水反射率;(2)建立水质遥感模型;(3)利用水体光谱曲线,根据上述水质遥感模型反演得到水质参数。通过对该方法进行大量应用试验,结果表明该方法具有较高的精度,基本达到实用化的要求。试验结果图像可以很好地反演区域水质的空间分布情况,水质污染的分布特征与所掌握的情况相符。可以很好的反映跨境污染的情况。可以较好地反映大、中型污染源情况,包括污染源位置、污染的规模及其影响范围,对污染的控制与治理可提供极有用的信息。

Description

一种自动提取水体污染信息的方法
技术领域
本发明属于水质遥感技术领域,特别涉及一种通过遥感反演自动提取水体污染信息的方法。
背景技术
遥感技术可以很好反映大范围内的水体水质状况,在区域水环境监测方面具有极大的潜力,而遥感反演的定量化程度直接决定了水环境遥感监测的效能。故水质遥感的定量极为重要。早期水污染遥感是根据污染水域色调变化的程度来对污染情况进行定性调查。
现阶段主要采用两类方法。一类是采用经验模型方法,即测量各种水体的光谱特征,并用回归分析等方法建立遥感数据的某个可见光波段或波段的比值与污染浓度之间经验公式,以此来对水污染信息进行定量提取。这种方法简单易行,物理意义不清楚,对水面实测数据及其与遥感数据的同步性依赖较大。此外,该方法假定海水其它性质基本不变。该假设在河口地区显然很难得到满足,当海水含沙量变化时,该方法的精度会受到显著影响。另一类是采用Dekker A G.1993提出的半经验公式 R ( 0 ) ( λ ) = f * b b ( λ ) a ( λ ) + b b ( λ ) 来进行计算,该方法虽在一定程度上反映了物理学规律,但物理意义并不会完清晰,公式内的f参数需要用经验公式确定,故实适性仍受局限,实际应用中通常效果并不好。解决此问题的最好方法是建立反射光谱与污染浓度之间的物理模型并将混浊度列为变量。
本申请的发明人曾经根据水体反射光谱产生的物理过程,建立污染浓度与水体反射光谱之间的物理模型,并应用于珠江中水域的污染信息提取,取得了较好的效果,但是该模型没有考虑黄色物质的作用,对悬浮的散射与反射特征的考虑也不够全面,在水混浊度较高的情况下,水质参数计算的精度仍受较大影响。
发明内容
本发明的目的在于提供一种具有更高的精度和稳定性的水体污染信息提取方法,用于水体混浊度、COD和叶绿素浓度和水深的定量遥感反演。
本发明所采用的技术方案:一种自动提取水体污染信息的方法,包括以下步骤:
(1)计算获得被测水域的出水反射率;
(2)建立水质遥感模型;
(3)利用水体光谱曲线,根据上述水质遥感模型反演得到水质参数。
上述水质参数包括清洁水、悬浮泥沙、综合污染物和叶绿素的散射率和吸收系数。为便于反演计算,在测量时分别选取深度较大的清洁水、混浊水、重污染水和高叶绿素含量水体进行测量,然后消除水面镜面反射的影响,计算出水反射率,再进行散射率和吸收系数的反演。
上述步骤(1)中的出水反射率Rwo(λ)的计算公式为:
R wo ( λ ) = R ( λ ) - ρ ra [ T a ( θ , λ ) + ω ad ′ ( θ , λ ) / cos θ ] T a ( 0 , λ ) T ws - R TM 5
式中:R(λ)为遥感数据转换得以到的行星反射率,ρra为大气上行散射反射率,Ta(θ,λ)为大气在入射方向上的透过率,ω′ad(θ,λ)为下行散射光的半球散射系数,θ为太阳天顶角,Tws为水面透过率,RTM5为TM5计算的反射率。
上述步骤(2)中的水质遥感模型为:
R wo ( λ ) = ω ( Θ ) 4 μ ( α + β ) ( 1 - e - μ ( α + β ) H ) + 1 cos θ R b e - μ ( α + β ) H
式中:Rwo(λ)为出水反射率,ω(Θ)为水层垂向上的散射比,Θ为水层垂向上的散射角,θ为水体中的光入射角,α为水体吸收系数,β为水体散射系数,Rb为水底底质反射率,H为水深, μ = 1 + 1 cos θ .
上述步骤(3)中的水体光谱曲线是用ASD连续光谱仪在水面测量获得。
本发明所述水体污染信息的提取方法,通过对该方法进行大量应用试验,包括对珠江三角洲进行多时相水污染遥感监测和广东省全省大中型水库的水质遥感监测。结果表明该方法具有较高的精度,基本达到实用化的要求。试验结果图像可以很好地反演区域水质的空间分布情况,水质污染的分布特征与所掌握的情况相符。可以很好的反映跨境污染的情况。可以较好地反映大、中型污染源情况,包括污染源位置、污染的规模及其影响范围,对污染的控制与治理可提供极有用的信息。
附图说明
图1是清洁水体散射系数与反射率的曲线图;
图2是清洁水体散射系数的曲线图;
图3是黄色物质吸收、散射系数的曲线图;
图4是叶绿素、悬浮泥沙吸收、散射系数的曲线图;
图5是耗氧性有机物吸收系数的曲线图;
图6是1998年12月22日珠江三角洲水污染(COD)分布遥感图(卫星遥感数据:TM);
图7是2002年11月7日珠江三角洲水网悬浮物混浊度分布遥感图(卫星遥感数据:TM);
图8是2001年11月20日珠江三角洲水污染(COD)遥感分布图(卫星遥感数据:TM);
图9是2006年11月10日珠江三角洲水污染(COD)遥感分布图(卫星遥感数据:TM);
图10是2001年11月20日珠江三角洲主要水污染参数遥感反演结果验证——COD遥感反演值与测量值相关性分析;
图11是2001年11月20日珠江三角洲主要水污染参数遥感反演结果验证——综合污染浓度遥感结果与测量值相关分析;
图12是2006年11月10日珠江三角洲主要水污染参数遥感反演结果验证——COD计算值与测量值对比;
图13是2006年11月10日珠江三角洲主要水污染参数遥感反演结果验证——遥感反演综合浓度与测量浓度对比。
具体实施方式
下面结合附图对本发明的具体结构作进一步的描述。
1.技术原理
1.1水域出水反射率的遥感计算
首先对卫星遥感数据进行辐射定标。水域之上卫星遥感仪器接收到的短波辐射由水面辐射和大气散射辐射组成,可表示为:
L ( λ ) = 1 π [ F s ( λ ) + E d ( λ ) ] R w ( λ ) T ar ( 0 , λ ) T ws + L ar ( λ ) - - - ( 1 )
其中,λ为波长,Fs为水面上太阳直射光的辐照度、Ed为由水面上天空散射光辐照度,Rw水综合反射(包括水面反射和水体散射)率,Tar(0)为垂向上的大气透过率,Tws为水面透过率,是表征水面镜面反射对入射光的削弱的一个参数。Lar为整层大气上行散射辐亮度。
水面太阳直射光辐照度为:
E s ( λ ) = T ar ( θ , λ ) F 0 ( λ ) r 0 2 r cos θ - - - ( 2 )
Ta(θ,λ)大气在入射方向上的透过率,θ为太阳天顶角;E0为大气层外太阳平均辐照度;r0、r分别及平均及成像时的日地距离,二者之比可从天文年历中查到。一般情况下r0/r≈1。
整层大气上行散射辐亮度为:
Lar(λ)=Lr(λ)+La(λ)
Lr、La大气层瑞利散射和气溶胶散射上行辐射,由下式计算(Gordon,1989):
Lx=F0τxωxPx/(4πcosθv)
下标x为r时表示瑞散射,为a时表示气溶胶散射;τx,ωx,Px分别为大气分子或气溶胶散射的光学厚度、单次散射比和散射相函数。整层大气上行散射为:
L ar ( λ ) = F 0 ( λ ) ω a ( λ ) τ a P a ( Θ ) + ω r ( λ ) τ r P r ( Θ ) 4 π
Θ为散射角。令: ρ ra = ω a ( λ ) τ a P a ( Θ ) + ω r ( λ ) τ r P r ( Θ ) 4 , 为大气上行散射反射率。
入射天空光是天空散射光的半球积分,可表示为:
Figure A20081021984400064
ωa为整层大气的散射系数,Pa(Θ)为大气散射相函数;Θ为散射角,是θ,α的函数。令:
Figure A20081021984400066
为下行散射光的半球散射系数,有:
E d ( λ ) = F 0 π ( λ ) ω ad ′ ( θ , λ ) - - - ( 3 )
Tws为水面透过率,表征水面镜面反射对入射光的削减,由下式计算:
Tws=(1-ρws)cosθ             (4)
式中:ρws为水面各方向太阳镜面反射率的平均值,通常取ρws=0.06。
水面向上的辐射由两部分组成:一部分为出自水中的辐射,包括水体散射和水底反射,相应的反射率为出水反射率,记为Rwo;另一部分为水面的镜面反射,相应的反射率记为Rm,故水综合反射率为:
Rw=Rwo+Rm            (5)
将(2)~(5)式代入(1)式得:
L ( λ ) = F 0 ( λ ) π { [ T a ( θ , λ ) cos θ + ω ad ′ ( θ , λ ) ] ( R wo ( λ ) + R m ) T a ( 0 , λ ) T ws + ρ ra ( λ ) } - - - ( 6 )
行星反射率: R ( λ ) = πL ( λ ) F 0 ( λ ) cos θ , 将(6)代入得:
Figure A20081021984400073
入射方向、观测方向和波长一定时,Ta、ω′ad和ρra取决于大气分子和大气中的气溶胶的性质及浓度。大气分子浓度和性质恒定且已知,气溶胶的性质(粒度和吸收率等)则变化较大。但其类型与所在地区的地理位置、地貌类型和季节密切相关。目前国际上已将全球气溶胶按地域分成海洋型、大陆型、城市型、郊区型等十多种类型,对每种气溶胶的性质均作了测定,并有相应的程序进行计算。进行大气纠正后得到的反射率图像象元值为:
R wo ( λ ) = R ( λ ) - ρ ra [ T a ( θ , λ ) cos + ω ad ′ ( θ , λ ) / cos θ ] T a ( 0 , λ ) T ws - R m
R(λ)为遥感数据转换得以到的行星反射率。水面镜面反射比Rm与波长无关。对红外波段的TM5和TM7,水为强吸收,Rwo基本为零,故 R T M 5 ≈ R m , 因此每个波段减去TM5计算的反射率RTM5,可得到出水反射率Rwo(λ),即:
R wo ( λ ) = R ( λ ) - ρ ra [ T a ( θ , λ ) + ω ad ′ ( θ , λ ) / cos θ ] T a ( 0 , λ ) T ws - R TM 5 - - - ( 8 )
1.2水质遥感模型
水的反射光谱来自水分子和水中悬浮颗粒物的散射光Rws(λ)和水底反射光Rg(λ)。即:
Rwo(λ)=Rws(λ)+Rg(λ)          (9)
二者传播到水面过程中受水的吸收、散射而削减。纯水的反射率和吸收率是恒定的,受污染或含其它杂质后水体的散射和吸收性质发生变化,且不同的波段变化不同。例如,珠江河口水域对水反射率产生重要影响的主要是水中悬浮泥沙和污染物,叶绿素等其它物质因含量有限而影响不大。污染物主要来自工业污染和生活污水,污染源众多,并经充分混合,导致污染物光谱特征较为均一。如只考虑一次散射和污染物与悬浮泥沙的影响,水深为h处的薄层水的一散射对水面出射光的贡献为:
dL ( λ ) = F 0 cos θω ( Θ ) 4 π e - ( α + β ) ( 1 + 1 cos θ ) h
其中:F0-入射光强;h-水深;β=βw+Dyβy+Dsβs+Duβu,为水体散射系数,是水分子散射、悬浮泥沙散射和污染物散射率之和。βw、βy、βs、βu分别为水分子、黄色物质、中以泥沙为主的悬浮颗粒和水中污染物的散射系数,Dy、Du和Ds分别为黄色物质、污染物综合浓度和泥沙浑浊度;
α=αw+Dyαy+Dsαs+Duαu,为水体吸收系数。αw、αy、αs、αu分别为水、黄色物质、水中泥沙和污染物质的吸收系数。θ为水体中的光入射角;Θ为水层垂向上的散射角,对TM数据其值为ω(Θ)为水层垂向上的散射比。
ω(Θ)=βwPw(Θ)+DyβyPy(Θ)+DsβsPs(Θ)+DuβuPu(Θ)         (10)
Pw(θ)、Pu(θ)、Ps(θ)和Pu(θ)分别为水分子、悬浮泥沙和污染物质的散射相函数。整层水体散射在垂向上对应的反射率R(λ)为:
R ws ( λ ) = π F 0 ( λ ) cos θ ∫ 0 h dL ( λ ) dh = ω ( Θ ) 4 ( 1 + 1 cos θ ) ( α + β ) ( 1 - e ( 1 + 1 cos θ ) ( α + β ) H ) - - - ( 11 )
根据水底反射的物理机制可求出水底反射光的辐亮度方程为:
L g = E 0 cos θ · R b π e - μ ( α + β ) H
Rb为水底反射率。由 R g ( λ ) = π L g E 0 cos θ 得到水底反射光的出水反射率:
R g ( λ ) = 1 cos θ R b e - μ ( α + β ) H - - - ( 12 )
Rb为水底底质反射率。将(11)式代入(9)式得:
R wo ( λ ) = ω ( Θ ) 4 μ ( α + β ) ( 1 - e - μ ( α + β ) H ) + 1 cos θ R b e - μ ( α + β ) H - - - ( 13 )
其中 μ = 1 + 1 cos θ . 该式即为水质遥感模型。
2.水质参数的测量
2.1测量方法
水质参数包括清洁水、悬浮泥沙、综合污染物和叶绿素的散射率和吸收系数。这些参数是用水体光谱曲线,根据上述水质遥感模型反演得到。水体光谱曲线是用ASD连续光谱仪在水面测量获得。为便于反演计算,测量时分别选取深度较大的清洁水、混浊水、重污染水和高叶绿素含量水体进行测量,然后消除水面镜面反射的影响,计算出水反射率,再进行散射率和吸收系数的反演。
3.2测量得到的典型水体光谱测量与散射、吸收系数
测量得到的清洁水体及主要杂质的散射、吸收系数如图1至图5所示。
3.基于多波段遥感数据的模型求解
3.1主要污染物浓渡的计算
对于有一定水浑浊度或一定程度污染的水体,当水深>3m时,到达水面的水底反射光极其微弱,可以忽略,其效果等同过水深极大。即对式(13),H→∞,上式右边指数部分趋于0,将(5)式带入,上式简化为:
R wo ( λ ) ≈ β w P w ( Θ ) + D y β y P y ( Θ ) + D s β s P s ( Θ ) + D u β u P u ( Θ ) + D c β c P c ( Θ ) 4 μ ( α w + D y α y + D s α s + D u α u + D c α c + β w + D y β y + D s β s + D c β c ) - - - ( 13 )
通常水中污染物以化学污染物质为主,对水光谱的影响以吸收为主,对水体散射性质影响不大;忽略污染物的散射作用,则上式可以进一步简化为:
R wo ( λ ) ≈ β w P w ( Θ ) + D y β y P y ( Θ ) + D s β s P s ( Θ ) + D c β c P c ( Θ ) 4 μ ( α w + D y α y + D s α s + D u α u + D c α c + β w + D y β y + D s β s + D c β c )
式中:R(λ)为遥感数据计算出的出水反射率。天顶角θ已知,所有的吸收率和散射率均可通过测试获得,黄色物质浓度Dy具有区域稳定性可通过测量得到;未知数只有污染浓度\泥沙浑浊度和叶绿素浓度Du、Ds和Dc,将三个波段的遥感数据代入,即可得到一个三元一次方程组,解之可求污染物综合浓度Du、Ds和Dc
3.2水深的计算
对于清洁水体,或和杂质含量已知,可根据(13)式计算水深H:
H = 1 μ ( α + β ) ln [ R wo ( λ ) - ω ( Θ ) 4 μ ( α + β ) ( 1 cos θ R b - ω ( Θ ) 4 μ ( α + β ) ) ]
4.应用实例
通过对该方法进行大量应用试验,包括对珠江三角洲进行多时相水污染遥感监测和广东省全省大中型水库的水质遥感监测。结果表明该方法具有较高的精度,基本达到实用化的要求。以下是利用该方法在珠江三角洲进行多时相水污染遥感监测应用示范的部分结果。
采用1998、2000、2002、2005、2006和2007六个时相的TM(或中巴)数据进行主要水质参数的遥感监测。用地面同步实地水样分析数据对反演结果进行对比,检验模型的精度;对于污染源的遥感,进行了实地考查和取样分析。
遥感结果图如图6至图9所示,卫星同步监测结果验证结果如图10至图13所示。应用结果表明,混浊度和COD的遥感反演结果与水面同步测量数据的相关系数均在0.7以上,具有较高的精度,基本达到实用化的要求。结果图像可以很好地反演区域水质的空间分布情况,水质污染的分布特征与所掌握的情况相符。可以很好的反映跨境污染的情况。可以较好地反映大、中型污染源情况,包括污染源位置、污染的规模及其影响范围。对污染的控制与治理可提供极有用的信息。

Claims (6)

1.一种自动提取水体污染信息的方法,其特征在于,包括以下步骤:
(1)计算获得被测水域的出水反射率;
(2)建立水质遥感模型;
(3)利用水体光谱曲线,根据上述水质遥感模型反演得到水质参数。
2.根据权利要求1所述自动提取水体污染信息的方法,其特征在于,所述水质参数包括清洁水、悬浮泥沙、综合污染物和叶绿素的散射率和吸收系数。
3.根据权利要求2所述自动提取水体污染信息的方法,其特征在于,在测量时分别选取深度较大的清洁水、混浊水、重污染水和高叶绿素含量水体进行测量,然后消除水面镜面反射的影响,计算出水反射率,再进行散射率和吸收系数的反演。
4.根据权利要求1所述自动提取水体污染信息的方法,其特征在于,所述步骤(1)中的出水反射率Rwo(λ)的计算公式为:
R wo ( λ ) = R ( λ ) - ρ ra [ T a ( θ , λ ) + ω ad ′ ( θ , λ ) / cos θ ] T a ( 0 , λ ) T ws - R TM 5
式中:R(λ)为遥感数据转换得以到的行星反射率,ρra为大气上行散射反射率,Ta(θ,λ)为大气在入射方向上的透过率,ω′ad(θ,λ)为下行散射光的半球散射系数,θ为太阳天顶角,Tws为水面透过率,RTM5为TM5计算的反射率。
5.根据权利要求1所述自动提取水体污染信息的方法,其特征在于,所述步骤(2)中的水质遥感模型为:
R wo ( λ ) = ω ( Θ ) 4 μ ( α + β ) ( 1 - e - μ ( α + β ) H ) + 1 cos θ R b e - μ ( α + β ) H
式中:Rwo(λ)为出水反射率,ω(Θ)为水层垂向上的散射比,Θ为水层垂向上的散射角,θ为水体中的光入射角,α为水体吸收系数,β为水体散射系数,Rb为水底底质反射率,H为水深, μ = 1 + 1 cos θ .
6.根据权利要求1所述自动提取水体污染信息的方法,其特征在于,所述步骤(3)中的水体光谱曲线是用ASD连续光谱仪在水面测量获得。
CN 200810219844 2008-12-11 2008-12-11 一种自动提取水体污染信息的方法 Pending CN101493409A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN 200810219844 CN101493409A (zh) 2008-12-11 2008-12-11 一种自动提取水体污染信息的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN 200810219844 CN101493409A (zh) 2008-12-11 2008-12-11 一种自动提取水体污染信息的方法

Publications (1)

Publication Number Publication Date
CN101493409A true CN101493409A (zh) 2009-07-29

Family

ID=40924112

Family Applications (1)

Application Number Title Priority Date Filing Date
CN 200810219844 Pending CN101493409A (zh) 2008-12-11 2008-12-11 一种自动提取水体污染信息的方法

Country Status (1)

Country Link
CN (1) CN101493409A (zh)

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101655462B (zh) * 2009-09-11 2011-08-10 中国科学院地理科学与资源研究所 水质信息获取装置、水体富营养化程度识别方法及系统
CN104155247A (zh) * 2013-11-27 2014-11-19 中国农业大学 水体叶绿素和浊度原位测定方法及测定装置
CN104181515A (zh) * 2013-05-21 2014-12-03 时春雨 一种基于蓝-黄波段高光谱数据的浅海水深反演方法
CN105004846A (zh) * 2015-07-02 2015-10-28 南京信息工程大学 一种监测高浑浊海水浊度的卫星遥感方法
CN105043994A (zh) * 2015-07-21 2015-11-11 青岛市光电工程技术研究院 一种非接触式地表水水质检测装置
CN105092476A (zh) * 2015-08-20 2015-11-25 中山大学 同时反演内陆水体混浊度、cod和叶绿素浓度的方法
CN105136693A (zh) * 2015-08-11 2015-12-09 中山大学 一种水质成份吸收系数和散射系数的测量方法
CN105259145A (zh) * 2015-08-20 2016-01-20 中山大学 一种同时遥感岛礁水下地形和地物的方法
CN105891124A (zh) * 2016-04-12 2016-08-24 山东理工大学 近岸河口水色参数反演装置及方法
CN105987879A (zh) * 2016-04-12 2016-10-05 山东理工大学 近岸河口水色参数反演装置
CN106932551A (zh) * 2017-02-20 2017-07-07 山东师范大学 环境压力下的鱼类响应模型生成方法及水体质量评估方法
CN108507949A (zh) * 2018-02-07 2018-09-07 浙大正呈科技有限公司 一种基于高分遥感卫星的河道水质监测方法
CN109540845A (zh) * 2018-12-24 2019-03-29 河海大学 一种利用无人机搭载光谱仪的水质监测方法
CN109581372A (zh) * 2018-12-10 2019-04-05 北京航天泰坦科技股份有限公司 一种生态环境遥感监测方法
CN109635249A (zh) * 2019-01-09 2019-04-16 中国科学院遥感与数字地球研究所 水体浊度反演模型建立方法、水体浊度检测方法及装置
CN109709061A (zh) * 2019-01-11 2019-05-03 中国科学院烟台海岸带研究所 一种太阳耀光非敏感水体指数的去耀光方法
CN110849334A (zh) * 2019-09-30 2020-02-28 广州地理研究所 基于分类与回归树的岛礁浅海水深预测方法

Cited By (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101655462B (zh) * 2009-09-11 2011-08-10 中国科学院地理科学与资源研究所 水质信息获取装置、水体富营养化程度识别方法及系统
CN104181515A (zh) * 2013-05-21 2014-12-03 时春雨 一种基于蓝-黄波段高光谱数据的浅海水深反演方法
CN104181515B (zh) * 2013-05-21 2016-03-09 时春雨 一种基于蓝-黄波段高光谱数据的浅海水深反演方法
CN104155247A (zh) * 2013-11-27 2014-11-19 中国农业大学 水体叶绿素和浊度原位测定方法及测定装置
CN105004846A (zh) * 2015-07-02 2015-10-28 南京信息工程大学 一种监测高浑浊海水浊度的卫星遥感方法
CN105004846B (zh) * 2015-07-02 2016-08-31 南京信息工程大学 一种监测高浑浊海水浊度的卫星遥感方法
CN105043994A (zh) * 2015-07-21 2015-11-11 青岛市光电工程技术研究院 一种非接触式地表水水质检测装置
CN105136693A (zh) * 2015-08-11 2015-12-09 中山大学 一种水质成份吸收系数和散射系数的测量方法
CN105136693B (zh) * 2015-08-11 2018-10-23 中山大学 一种水质成分吸收系数和散射系数的测量方法
CN105259145B (zh) * 2015-08-20 2018-06-12 中山大学 一种同时遥感岛礁水下地形和地物的方法
CN105092476A (zh) * 2015-08-20 2015-11-25 中山大学 同时反演内陆水体混浊度、cod和叶绿素浓度的方法
CN105259145A (zh) * 2015-08-20 2016-01-20 中山大学 一种同时遥感岛礁水下地形和地物的方法
CN105891124B (zh) * 2016-04-12 2019-04-16 山东理工大学 近岸河口水色参数反演装置及方法
CN105987879A (zh) * 2016-04-12 2016-10-05 山东理工大学 近岸河口水色参数反演装置
CN105891124A (zh) * 2016-04-12 2016-08-24 山东理工大学 近岸河口水色参数反演装置及方法
CN105987879B (zh) * 2016-04-12 2019-04-16 山东理工大学 近岸河口水色参数反演装置
CN106932551A (zh) * 2017-02-20 2017-07-07 山东师范大学 环境压力下的鱼类响应模型生成方法及水体质量评估方法
CN108507949B (zh) * 2018-02-07 2020-11-13 浙大正呈科技有限公司 一种基于高分遥感卫星的河道水质监测方法
CN108507949A (zh) * 2018-02-07 2018-09-07 浙大正呈科技有限公司 一种基于高分遥感卫星的河道水质监测方法
CN109581372A (zh) * 2018-12-10 2019-04-05 北京航天泰坦科技股份有限公司 一种生态环境遥感监测方法
CN109540845A (zh) * 2018-12-24 2019-03-29 河海大学 一种利用无人机搭载光谱仪的水质监测方法
CN109635249A (zh) * 2019-01-09 2019-04-16 中国科学院遥感与数字地球研究所 水体浊度反演模型建立方法、水体浊度检测方法及装置
CN109709061A (zh) * 2019-01-11 2019-05-03 中国科学院烟台海岸带研究所 一种太阳耀光非敏感水体指数的去耀光方法
CN109709061B (zh) * 2019-01-11 2021-03-16 中国科学院烟台海岸带研究所 一种太阳耀光非敏感水体指数的去耀光方法
CN110849334A (zh) * 2019-09-30 2020-02-28 广州地理研究所 基于分类与回归树的岛礁浅海水深预测方法
CN110849334B (zh) * 2019-09-30 2020-12-08 广州地理研究所 基于分类与回归树的岛礁浅海水深预测方法

Similar Documents

Publication Publication Date Title
CN101493409A (zh) 一种自动提取水体污染信息的方法
He et al. Using geostationary satellite ocean color data to map the diurnal dynamics of suspended particulate matter in coastal waters
Brewin et al. Regional ocean-colour chlorophyll algorithms for the Red Sea
Choi et al. GOCI, the world's first geostationary ocean color observation satellite, for the monitoring of temporal variability in coastal water turbidity
Petus et al. Estimating turbidity and total suspended matter in the Adour River plume (South Bay of Biscay) using MODIS 250-m imagery
CN105092476B (zh) 同时反演内陆水体混浊度、cod和叶绿素浓度的方法
Zhu et al. Inversion of chromophoric dissolved organic matter from EO-1 Hyperion imagery for turbid estuarine and coastal waters
Twardowski et al. Optical backscattering properties of the" clearest" natural waters
Eleveld et al. Estuarine suspended particulate matter concentrations from sun-synchronous satellite remote sensing: Tidal and meteorological effects and biases
Maul et al. On the use of the Earth Resources Technology Satellite (LANDSAT-1) in optical oceanography
Dekker et al. The relation between inherent optical properties and reflectance spectra in turbid inland waters
Bagnato et al. The sea–air exchange of mercury (Hg) in the marine boundary layer of the Augusta basin (southern Italy): Concentrations and evasion flux
Deng et al. Pure water absorption coefficient measurement after eliminating the impact of suspended substance in spectrum from 400 nm to 900 nm
Drozdowska et al. Study on organic matter fractions in the surface microlayer in the Baltic Sea by spectrophotometric and spectrofluorometric methods
Xia A united model for quantitative remote sensing of suspended sediment concentration
Gin et al. Application of spectral signatures and colour ratios to estimate chlorophyll in Singapore's coastal waters
Glukhovets et al. Biooptical characteristics of the surface layer of the Baltic, Norwegian, and Barents seas in summer 2014–2016 from shipboard and satellite data
Herlevi Inherent and apparent optical properties in relation to water quality in Nordic waters
Leifer et al. In situ sensing of methane emissions from natural marine hydrocarbon seeps: A potential remote sensing technology
Gons et al. Optical teledetection of the vertical attenuation coefficient for downward quantum irradiance of photosynthetically available radiation in turbid inland waters
Liu et al. The dynamic observation of dissolved organic matter in the Zhujiang (Pearl River) Estuary in China from space
Wang et al. Remote sensing approach for the estimation of particulate organic carbon in coastal waters based on suspended particulate concentration and particle median size
Mouw et al. Expanding understanding of optical variability in Lake Superior with a 4-year dataset
Pelevin et al. Measurements with high spatial resolution of chlorophyll-a, CDOM and total suspended matter in coastal zones and inland water bodies by the portable UFL lidar
Albanakis Testing of a model for the simulation of the volume reflectance of water due to suspended sediment under controlled conditions, for various sediment types

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication

Open date: 20090729