CN103196838A - 一种海岸河口富营养化高光谱遥感监测方法 - Google Patents
一种海岸河口富营养化高光谱遥感监测方法 Download PDFInfo
- Publication number
- CN103196838A CN103196838A CN2013100826407A CN201310082640A CN103196838A CN 103196838 A CN103196838 A CN 103196838A CN 2013100826407 A CN2013100826407 A CN 2013100826407A CN 201310082640 A CN201310082640 A CN 201310082640A CN 103196838 A CN103196838 A CN 103196838A
- Authority
- CN
- China
- Prior art keywords
- vegetation
- spectral
- coastal
- eutrophication
- wetland
- 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.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 55
- 238000012851 eutrophication Methods 0.000 title claims abstract description 44
- 238000000034 method Methods 0.000 title claims abstract description 37
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims abstract description 131
- 229910052757 nitrogen Inorganic materials 0.000 claims abstract description 64
- 230000003595 spectral effect Effects 0.000 claims abstract description 64
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 55
- 238000002474 experimental method Methods 0.000 claims abstract description 14
- 238000011156 evaluation Methods 0.000 claims abstract description 7
- 238000005259 measurement Methods 0.000 claims description 29
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims description 12
- 238000010521 absorption reaction Methods 0.000 claims description 12
- 229930002868 chlorophyll a Natural products 0.000 claims description 12
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 claims description 12
- 229910052698 phosphorus Inorganic materials 0.000 claims description 12
- 239000011574 phosphorus Substances 0.000 claims description 12
- 239000002689 soil Substances 0.000 claims description 7
- 208000027066 STING-associated vasculopathy with onset in infancy Diseases 0.000 claims description 5
- 235000003715 nutritional status Nutrition 0.000 claims description 4
- 230000002596 correlated effect Effects 0.000 claims description 3
- 238000010219 correlation analysis Methods 0.000 claims description 3
- 238000000611 regression analysis Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000005070 sampling Methods 0.000 description 12
- 235000015097 nutrients Nutrition 0.000 description 10
- 230000008859 change Effects 0.000 description 6
- 238000001228 spectrum Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000000875 corresponding effect Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000002123 temporal effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- QJGQUHMNIGDVPM-UHFFFAOYSA-N nitrogen group Chemical group [N] QJGQUHMNIGDVPM-UHFFFAOYSA-N 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000002798 spectrophotometry method Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 241000195493 Cryptophyta Species 0.000 description 1
- 238000007696 Kjeldahl method Methods 0.000 description 1
- APUPEJJSWDHEBO-UHFFFAOYSA-P ammonium molybdate Chemical compound [NH4+].[NH4+].[O-][Mo]([O-])(=O)=O APUPEJJSWDHEBO-UHFFFAOYSA-P 0.000 description 1
- 229940010552 ammonium molybdate Drugs 0.000 description 1
- 235000018660 ammonium molybdate Nutrition 0.000 description 1
- 239000011609 ammonium molybdate Substances 0.000 description 1
- 239000000090 biomarker Substances 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 235000015816 nutrient absorption Nutrition 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- USHAGKDGDHPEEY-UHFFFAOYSA-L potassium persulfate Chemical compound [K+].[K+].[O-]S(=O)(=O)OOS([O-])(=O)=O USHAGKDGDHPEEY-UHFFFAOYSA-L 0.000 description 1
- 230000025508 response to water Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000003911 water pollution Methods 0.000 description 1
Images
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种海岸河口富营养化高光谱遥感监测方法，该方法包括以下步骤：海岸河口监测区野外实验；采用WR方法消除反演湿地植被氮素浓度时植被所含水分的影响；改进湿地植被氮素浓度反演中所用的光谱植被指数；湿地植被叶片尺度和冠层尺度氮素浓度反演；海岸河口监测区水体富营养化状态评价。本发明的有益之处在于：有效定量对湿地生态系统功能的影响效应，准确监测海岸河口区水体富营养化等级状况和分布，制定相应的有效管理措施。
Description
技术领域
本发明涉及一种海岸河口富营养化高光谱遥感监测方法，属于遥感技术应用领域。
背景技术
传统的海岸河口地区水质监测，通常经过在该地区观测点的定期采样来进行水质分析，水质采样点主要布设在易接近地点，这常常限制了偏远及不易接近地区的水质采样，造成了水质采样空间覆盖不连续和时间覆盖不规律的问题。这种即时点采样的水质监测方法，所获取的数据经常存在测量的营养物质浓度和测量的富营养化等级状况之间较差相关性的问题，例如叶绿素a浓度低并不一定表示没有发生水体富营养化。特别是采样间隔太大，而无法捕捉低一级生态尺度上发生的重要变化，例如日季的营养物质输入变化等。因此在海岸河口地区，需要采用适当的时空分辨率来监测潮汐、昼夜洋流、阶段性径流等过程水中营养物质浓度的变化。如果满足此监测要求进行地面采样，需要花费大量的人力物力，而且也不可能长期运行。
发明内容
为解决上述问题，即如何利用高光谱遥感技术有效监测湿地植被氮素浓度，进而达到时空连续准确监测海岸河口区水体富营养化状况的目的，是本发明所要解决的技术问题。本发明提供一种海岸河口富营养化高光谱遥感监测方法，通过监测水体富营养化产生的后果来获知营养物质排入径流变化，即可以通过监测海岸河口地区湿地植被氮素浓度来获得该地区水体富营养化状况。
在海岸河口地区，湿地植被可以看作是一个缓冲区，吸收并降低了水体中氮磷等营养物质的浓度。随着湿地植被吸收随径流排入的营养物质量的差异变化，湿地植被中氮素浓度的响应变化也不同。另外，与即时水质采样获取的总氮（TN）浓度数据不同，湿地植被器官组织内的氮素浓度是经历一段时期的累积结果，氮素浓度累积量与滞留时间和养份的延迟使用相关，这包括易被不连续水质采样所忽视的随径流排入的营养物质脉冲效应。因此，一些研究认为海岸河口湿地植被可以被作为表征水体富营养化时相变化的生物指示剂。
高光谱遥感可以提取湿地植被细微变化的生物物理特性。相比多光谱遥感，高光谱遥感器可以获取湿地水体、植被和土壤较为真实的连续光谱，其精细的光谱分辨率可以反映出湿地植被光谱丰富细微的特征并反映光谱间的细微差别。高光谱遥感在湿地植被识别、将植被的光谱特性与环境影响因素相关联、探测营养物质吸收与储存的时空变化等方面具有较大的潜力。因此高光谱遥感影像可以用于探测海岸河口水体的富营养化状况，并能够提供湿地植被的养份状况信息、湿地植被吸收水体中的营养物质后产生的波谱响应信息、湿地植被细微的光谱偏移对比信息、高光谱数据获取前对过去一段时间水质变化的综合响应等信息。
技术内容
一种海岸河口富营养化高光谱遥感监测方法，其步骤包括：
步骤一、海岸河口监测区野外实验，采集监测方法中需要使用的地面实测数据；
步骤二、采用WR方法消除反演湿地植被氮素浓度时植被所含水分的影响；
步骤三、改进湿地植被氮素浓度反演中所用的光谱植被指数；
步骤四、湿地植被叶片尺度和冠层尺度氮素浓度反演；
步骤五、海岸河口监测区水体富营养化状态评价。
一种海岸河口富营养化高光谱遥感监测方法，在海岸河口监测区进行野外实验，采集监测方法中需要使用的地面实测数据的步骤中，测量内容主要包括：湿地植被叶片尺度和冠层尺度光谱测量；湿地植被氮素浓度测量；湿地植被干物质和含水量测量；海岸河口监测区水质叶绿素a、总氮、总磷浓度测量。
一种海岸河口富营养化高光谱遥感监测方法，在采用WR方法消除反演湿地植被氮素浓度时植被所含水分的影响的步骤中，主要采用非线性最小二乘光谱匹配方法，根据叶片水分光谱曲线和干物质光谱曲线的非线性组合来获取鲜叶片光谱曲线。计算测量的反射率和模拟的反射率的误差曲线，即为消除湿地植被所含水分影响的光谱曲线。
一种海岸河口富营养化高光谱遥感监测方法，改进湿地植被氮素浓度反演中所用的光谱植被指数的步骤中，通过引入θSAVI指数和NDWI指数，以降低来自背景土壤及水体反射光的影响，构建湿地植被氮浓度反演模型所用的改进光谱指数ACCCI。
一种海岸河口富营养化高光谱遥感监测方法，在湿地植被叶片尺度和冠层尺度氮素浓度反演步骤中，基于野外实验获取的叶片尺度和冠层尺度的两类波谱库，对所选用叶片尺度光谱植被指数的参考波段位置和氮吸收核心波段位置进行改进，确定冠层尺度光谱植被指数的参考波段位置和氮吸收中心波段位置相对于叶片尺度的偏移值，对冠层尺度光谱植被指数与实验量测的湿地植被氮素浓度进行相关分析，选择与湿地植被氮素浓度显著相关的光谱植被指数，通过回归分析建立湿地植被氮素浓度监测模型。
一种海岸河口富营养化高光谱遥感监测方法，在海岸河口监测区水体富营养化状态评价的步骤中，选取叶绿素a（Chla）、总氮（TN）、总磷（TP）作为水体富营养化状态评价因子，根据实验数据，分别建立湿地植被氮素浓度与叶绿素a浓度、总氮浓度、总磷浓度的一元回归方程。采用修正营养状态指数，计算TSIM(chla)指数、TSIM(TN)指数和TSIM(TP)指数。计算海岸河口监测区的富营养状态值TSIM(AVE)。绘制海岸河口监测区富营养化状态等级分布图。
发明有益效果：1、节省人力物力；2、通过湿地植被氮素浓度的高光谱响应特性来有效指示湿地所在海岸河口区水体的富营养化变化状况，以此解决海岸河口区短时间或局部营养物质的脉冲变化导致的水体富营养化的短暂变化，避免由此得出错误的海岸河口区水体富营养化评估结论；3、有效定量对湿地生态系统功能的影响效应，准确监测海岸河口区水体富营养化等级状况和分布，制定相应的有效管理措施。
附图说明
图1是本发明的技术路线流程图。
具体实施方式
实施例1
一种海岸河口富营养化高光谱遥感监测方法，其步骤包括，如图1所示，
1、监测区野外实验测量内容和测量方法
在监测区进行野外实验，采集监测方法中需要使用的地面实测数据。选取监测区主要湿地植被类型为实验对象，进行叶片和冠层两个尺度的光谱测量，并同步测量氮素浓度。根据海岸河口监测区地形特点、湿地植被分布等选取30个采样点。
（1）湿地植被光谱测量。叶片和冠层光谱反射率数据获取使用的是ASD便携式光谱仪，波长范围从350-2500nm。使用ASD光谱仪在晴空正午条件下，测量湿地植被的下行和上行光辐照度。实验中使用的参考板为99%的朗伯体白板，测量视场角为25°。在所测植被冠层上方不同的高度进行两次光谱反射率测量：第一次是湿地植被叶片光谱反射率测量，在湿地植被叶片上方1cm距离处，以45°角朝向地面，面向太阳照射光一方；第二次是湿地植被冠层光谱反射率测量，尽量选取只包含单一湿地植被的地块观测冠层光谱反射率，在所测植被顶上方1m处，垂直向下观测。在叶片和冠层尺度光谱仪所观测到的半径距离，可以根据视场角（FOV）和测量高度（D）计算得出（R=D×tan(FOV/2)）。因此，叶片尺度观测的面积为0.1548cm2（半径为0.22cm），冠层尺度观测的面积为1548cm2（半径为22.2cm）。湿地植被光谱测量时，除了进行叶片尺度和冠层尺度的光谱测量外，还要利用量角器进行观测天顶角多角度光谱测量。为了配合监测所使用的多角度高光谱影像，测量角度应按照所使用的多角度高光谱影像的成像角度进行多角度光谱测量，每个角度重复测定10次，取平均值作为该角度对应的光谱反射率计算以消除偶然误差。将测量得到的光谱反射率数据导入ENVI软件中，分别建立不同尺度的波谱库。去除强水汽吸收对应的3个区域（924-986nm、1350-1428nm、1756-1978nm）包含的波段，计算每个波谱库剩余波段的平均值和标准差。
（2）湿地植被氮素浓度测量。采用凯氏定氮法测定。
（3）湿地植被干物质和含水量测量。叶片含水量与氮素浓度测量为同一样本进行。取样后用l mg感量天平速称鲜重，然后用烘干箱105℃杀青15分钟，80℃下烘至恒重，再称干重，计算含水量。
（4）水质测量。各采样点采集水样，测定叶绿素a、总氮、总磷浓度。总氮（TN）采用碱性过硫酸钾消解紫外分光光度法，总磷（TP）采用钼酸铵分光光度法，叶绿素a（Chla）采用Manta2多参数水质监测仪测定。
2、采用WR方法消除反演湿地植被氮素浓度时植被所含水分的影响
高光谱数据在反演叶片氮素浓度时，为了减小水分吸收对相对弱的氮吸收特征的影响，采用减小植被所含水分影响方法（WR）。WR方法主要采用非线性最小二乘光谱匹配方法，根据叶片水分光谱曲线和干物质光谱曲线的非线性组合来获取鲜叶片光谱曲线：
式中，Rmod(λ)为λ波长位置模拟的反射率；Cw为湿地植被含水量；Kw为水分的吸收系数；Cdm为湿地植被干物质含量；Kdm为干物质的吸收系数；A和B为背景相关的模拟系数。采用最优化算法——Nelder–Mead简化算法Matlab编程来确定未知参数A、B和Cw的取值。算法在N维方向产生一个广义三角形，并通过非导出数方法找出包含未知变量函数的局部最小值。水分吸收系数和干物质吸收系数从PROSPECT模型获取。确定A、B和Cw的取值后，设定Cdm值为0，根据上式得出叶片水分对鲜叶总反射率的贡献。最后，计算测量的反射率Rmes(λ)和模拟的反射率Rmod(λ)的误差曲线，即为消除湿地植被所含水分影响的光谱曲线WR(λ)：
3、湿地植被氮素浓度反演中所用光谱植被指数的改进
根据湿地环境的典型特性，对CCCI指数进行改进，以此能准确定量监测区湿地植被氮素浓度的分布状态。考虑到湿地生态系统地表状态复杂，存在干燥、湿润或过湿状态的空间和时间分布差异，因而需要降低来自背景土壤及水体反射光的影响。基于此，选择能有效去除土壤背景影响的θSAVI和水体背景影响的NDWI。θSAVI指数通过在红光-近红外光谱平面上的三角分析，降低了土壤背景对角度型指数的影响，是一个基于SAVI的角度型指数：
式中，
，RNIR、RRED分别是近红外波段、可见光红波段的反射率数值，L为土壤调节系数。归一化水体指数计算公式为：
式中，Green为绿光波段。由此改进的ACCCI指数为：
4、湿地植被叶片和冠层氮素浓度反演
基于野外实验获取的叶片和冠层尺度的两类波谱库，并根据湿地环境的典型特征，对选用的光谱植被指数进行改进，尤其针对冠层尺度的光谱植被指数。具体步骤是：首先，对比叶片尺度的波谱库，与野外量测的氮浓度进行相关性统计分析，对表1中所选用叶片尺度光谱植被指数的参考波段位置和氮吸收核心波段位置进行改进；其次，在确定叶片尺度光谱植被指数的参考波段位置和氮吸收中心波段位置后，再对比冠层尺度的波谱库，对选用的叶片尺度光谱植被指数的参考波段位置和氮吸收中心波段位置的偏移值Δ和λ进行确定，进行相关性统计分析，以获得最有利于估测冠层尺度湿地植被氮素浓度的入选波长；最后，将已确定的冠层尺度光谱植被指数应用于高光谱遥感影像。对冠层尺度光谱植被指数与实验量测的湿地植被氮素浓度进行相关分析，选择与湿地植被氮素浓度显著相关的光谱植被指数，通过回归分析建立湿地植被氮素浓度监测模型，利用估计标准误差（SE）和拟合决定系数（R2）优化方程。然后利用实验数据测试和检验所筛选或建立模型，采用通用的均方根差（RMSE）、平均相对误差（RE）、精度（R2）和准确度（斜率）四个指标综合评定，并绘制观测值与预测值之间1:1关系图。
表1 选用及改进的光谱植被指数
5、海岸河口水体富营养化状态评价
海岸河口水体富营养化的发生，主要是水体中的氮、磷等营养物质的增加和藻类过量繁殖所致。因此，选取叶绿素a（Chla）、总氮（TN）、总磷（TP）作为水体富营养化状态评价因子。根据实验数据，分别建立湿地植被氮素浓度与叶绿素a浓度、总氮浓度、总磷浓度的一元回归方程，作为各水质参数浓度估算模型。采用修正营养状态指数，计算TSIM(chla)指数。根据各水质参数浓度的一元回归估算方程分别得到叶绿素a浓度与TN、TP浓度的关系算式，进而计算TSIM(TN)指数和TSIM(TP)指数。然后，对这3项指数求均值得出海岸河口监测区的富营养状态值
。根据水体富营养化状态分级指标，对海岸河口监测区的富营养化程度进行评价，绘制海岸河口监测区富营养化状态等级分布图。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (6)
1.一种海岸河口富营养化高光谱遥感监测方法，其特征在于，其步骤包括：
步骤一、海岸河口监测区野外实验，采集监测方法中需要使用的地面实测数据；
步骤二、采用WR方法消除反演湿地植被氮素浓度时植被所含水分的影响；
步骤三、改进湿地植被氮素浓度反演中所用的光谱植被指数；
步骤四、湿地植被叶片尺度和冠层尺度氮素浓度反演；
步骤五、海岸河口监测区水体富营养化状态评价。
2.根据权利要求1所述的一种海岸河口富营养化高光谱遥感监测方法，其特征在于，在海岸河口监测区进行野外实验，采集监测方法中需要使用的地面实测数据的步骤中，测量内容主要包括：湿地植被叶片尺度和冠层尺度光谱测量；湿地植被氮素浓度测量；湿地植被干物质和含水量测量；海岸河口监测区水质叶绿素a、总氮、总磷浓度测量。
3.根据权利要求1所述的一种海岸河口富营养化高光谱遥感监测方法，其特征在于，在采用WR方法消除反演湿地植被氮素浓度时植被所含水分的影响的步骤中，主要采用非线性最小二乘光谱匹配方法，根据叶片水分光谱曲线和干物质光谱曲线的非线性组合来获取鲜叶片光谱曲线，计算测量的反射率和模拟的反射率的误差曲线，即为消除湿地植被所含水分影响的光谱曲线。
4.根据权利要求1所述的一种海岸河口富营养化高光谱遥感监测方法，其特征在于，改进湿地植被氮素浓度反演中所用的光谱植被指数的步骤中，通过引入θSAVI指数和NDWI指数，以降低来自背景土壤及水体反射光的影响，构建湿地植被氮浓度反演模型所用的改进光谱指数ACCCI。
5.根据权利要求1所述的一种海岸河口富营养化高光谱遥感监测方法，其特征在于，在湿地植被叶片尺度和冠层尺度氮素浓度反演步骤中，基于野外实验获取的叶片尺度和冠层尺度的两类波谱库，对所选用叶片尺度光谱植被指数的参考波段位置和氮吸收核心波段位置进行改进，确定冠层尺度光谱植被指数的参考波段位置和氮吸收中心波段位置相对于叶片尺度的偏移值，对冠层尺度光谱植被指数与实验量测的湿地植被氮素浓度进行相关分析，选择与湿地植被氮素浓度显著相关的光谱植被指数，通过回归分析建立湿地植被氮素浓度监测模型。
6.根据权利要求1所述的一种海岸河口富营养化高光谱遥感监测方法，其特征在于，在海岸河口监测区水体富营养化状态评价的步骤中，选取叶绿素a（Chla）、总氮（TN）、总磷（TP）作为水体富营养化状态评价因子，根据实验数据，分别建立湿地植被氮素浓度与叶绿素a浓度、总氮浓度、总磷浓度的一元回归方程，采用修正营养状态指数，计算TSIM(chla)指数、TSIM(TN)指数和TSIM(TP)指数，计算海岸河口监测区的富营养状态值TSIM(AVE)，绘制海岸河口监测区富营养化状态等级分布图。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310082640.7A CN103196838B (zh) | 2013-03-15 | 2013-03-15 | 一种海岸河口富营养化高光谱遥感监测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310082640.7A CN103196838B (zh) | 2013-03-15 | 2013-03-15 | 一种海岸河口富营养化高光谱遥感监测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103196838A true CN103196838A (zh) | 2013-07-10 |
| CN103196838B CN103196838B (zh) | 2014-11-26 |
Family
ID=48719530
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310082640.7A Expired - Fee Related CN103196838B (zh) | 2013-03-15 | 2013-03-15 | 一种海岸河口富营养化高光谱遥感监测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103196838B (zh) |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103868860A (zh) * | 2014-03-25 | 2014-06-18 | 辽宁师范大学 | 一种基于高光谱植被指数监测湿地植被冠层氮浓度的方法 |
| CN105043992A (zh) * | 2015-07-17 | 2015-11-11 | 辽宁师范大学 | 一种湿地土壤硝化微生物群落高光谱遥感监测方法 |
| CN106855502A (zh) * | 2015-12-09 | 2017-06-16 | 深圳先进技术研究院 | 一种陆源入海排污口的遥感监测方法与系统 |
| CN107576618A (zh) * | 2017-07-20 | 2018-01-12 | 华南理工大学 | 基于深度卷积神经网络的水稻穗瘟检测方法及系统 |
| CN108357669A (zh) * | 2018-01-03 | 2018-08-03 | 华南农业大学 | 一种基于无人机的河湖排污遥感智能监测系统 |
| US10109299B2 (en) | 2015-09-24 | 2018-10-23 | Canon Kabushiki Kaisha | Sound processing apparatus, sound processing method, and storage medium |
| 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 |
| CN111289441A (zh) * | 2020-02-21 | 2020-06-16 | 中国农业大学 | 多光谱下的大田作物含水量确定方法、系统及设备 |
| CN112014324A (zh) * | 2020-09-04 | 2020-12-01 | 中国水利水电科学研究院 | 一种基于多源监测数据的水体营养状态评价方法 |
| CN112414373A (zh) * | 2020-11-24 | 2021-02-26 | 中国电建集团昆明勘测设计研究院有限公司 | 一种基于无人机、vr技术的自动解译方法 |
| CN113049499A (zh) * | 2021-03-16 | 2021-06-29 | 深圳大学 | 水体总氮浓度间接遥感反演方法、存储介质和终端设备 |
| CN113109281A (zh) * | 2021-04-13 | 2021-07-13 | 中国科学院成都生物研究所 | 一种基于高光谱遥感的水质参数定量反演模型及其构建方法 |
| CN113959989A (zh) * | 2021-09-27 | 2022-01-21 | 浙江科技学院 | 一种平原湖库富营养化高光谱遥感监测方法 |
| CN114758737A (zh) * | 2022-04-08 | 2022-07-15 | 安徽大学 | 一种基于河岸带景观分区的河流氮磷浓度遥感反演方法 |
| CN116399820A (zh) * | 2023-06-07 | 2023-07-07 | 中国科学院空天信息创新研究院 | 植被遥感产品真实性校验方法、装置、设备及介质 |
| CN118243642A (zh) * | 2024-03-06 | 2024-06-25 | 南京大学 | 一种判断污水厂出水富营养化风险的方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2294447A1 (en) * | 2008-05-08 | 2011-03-16 | The University Court Of The University of Edinburgh | Remote sensing system |
| CN101986139A (zh) * | 2010-08-25 | 2011-03-16 | 浙江大学 | 一种基于反射光谱小波变换的植被参数遥感反演方法 |
| WO2012063241A1 (en) * | 2010-11-11 | 2012-05-18 | Avi Buzaglo Yoresh | System and method for detection of minefields |
| CN102829739A (zh) * | 2012-08-21 | 2012-12-19 | 北京农业信息技术研究中心 | 一种面向对象的作物叶面积指数遥感反演方法 |
-
2013
- 2013-03-15 CN CN201310082640.7A patent/CN103196838B/zh not_active Expired - Fee Related
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2294447A1 (en) * | 2008-05-08 | 2011-03-16 | The University Court Of The University of Edinburgh | Remote sensing system |
| CN101986139A (zh) * | 2010-08-25 | 2011-03-16 | 浙江大学 | 一种基于反射光谱小波变换的植被参数遥感反演方法 |
| WO2012063241A1 (en) * | 2010-11-11 | 2012-05-18 | Avi Buzaglo Yoresh | System and method for detection of minefields |
| CN102829739A (zh) * | 2012-08-21 | 2012-12-19 | 北京农业信息技术研究中心 | 一种面向对象的作物叶面积指数遥感反演方法 |
Non-Patent Citations (3)
| Title |
|---|
| ADAM K.TILLING等: "remote sensing of nitrogen and water stress in wheat", 《FIELD CROPS RESEARCH》 * |
| DARIA SICILIANO等: "Evaluating hyperspectral imaging of wetland vegetation as a tool for detecting estuarine nutrient enrichment", 《REMOTE SENSING OF ENVIRONMENT》 * |
| MARTIN SCHLERF等: "retrieval of chlorophyll and nitrogen in Norway spruce(Picea abies L.Karst.) using imaging spectroscopy", 《INTERNATIONAL JOURNAL OF APPLIED EARTH OBSERVATION AND GEOINFOEMATION》 * |
Cited By (26)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103868860B (zh) * | 2014-03-25 | 2016-04-13 | 辽宁师范大学 | 一种基于高光谱植被指数监测湿地植被冠层氮浓度的方法 |
| CN103868860A (zh) * | 2014-03-25 | 2014-06-18 | 辽宁师范大学 | 一种基于高光谱植被指数监测湿地植被冠层氮浓度的方法 |
| CN105043992A (zh) * | 2015-07-17 | 2015-11-11 | 辽宁师范大学 | 一种湿地土壤硝化微生物群落高光谱遥感监测方法 |
| CN105043992B (zh) * | 2015-07-17 | 2018-01-09 | 辽宁师范大学 | 一种湿地土壤硝化微生物群落高光谱遥感监测方法 |
| US10109299B2 (en) | 2015-09-24 | 2018-10-23 | Canon Kabushiki Kaisha | Sound processing apparatus, sound processing method, and storage medium |
| CN106855502A (zh) * | 2015-12-09 | 2017-06-16 | 深圳先进技术研究院 | 一种陆源入海排污口的遥感监测方法与系统 |
| CN107576618B (zh) * | 2017-07-20 | 2020-04-28 | 华南理工大学 | 基于深度卷积神经网络的水稻穗瘟检测方法及系统 |
| CN107576618A (zh) * | 2017-07-20 | 2018-01-12 | 华南理工大学 | 基于深度卷积神经网络的水稻穗瘟检测方法及系统 |
| CN108357669B (zh) * | 2018-01-03 | 2022-04-12 | 华南农业大学 | 一种基于无人机的河湖排污遥感智能监测系统 |
| CN108357669A (zh) * | 2018-01-03 | 2018-08-03 | 华南农业大学 | 一种基于无人机的河湖排污遥感智能监测系统 |
| 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 |
| 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 |
| CN111289441A (zh) * | 2020-02-21 | 2020-06-16 | 中国农业大学 | 多光谱下的大田作物含水量确定方法、系统及设备 |
| CN111289441B (zh) * | 2020-02-21 | 2021-02-26 | 中国农业大学 | 多光谱下的大田作物含水量确定方法、系统及设备 |
| CN112014324A (zh) * | 2020-09-04 | 2020-12-01 | 中国水利水电科学研究院 | 一种基于多源监测数据的水体营养状态评价方法 |
| CN112414373A (zh) * | 2020-11-24 | 2021-02-26 | 中国电建集团昆明勘测设计研究院有限公司 | 一种基于无人机、vr技术的自动解译方法 |
| CN113049499A (zh) * | 2021-03-16 | 2021-06-29 | 深圳大学 | 水体总氮浓度间接遥感反演方法、存储介质和终端设备 |
| CN113109281B (zh) * | 2021-04-13 | 2022-11-29 | 中国科学院成都生物研究所 | 一种基于高光谱遥感的水质参数定量反演模型及其构建方法 |
| CN113109281A (zh) * | 2021-04-13 | 2021-07-13 | 中国科学院成都生物研究所 | 一种基于高光谱遥感的水质参数定量反演模型及其构建方法 |
| CN113959989A (zh) * | 2021-09-27 | 2022-01-21 | 浙江科技学院 | 一种平原湖库富营养化高光谱遥感监测方法 |
| CN113959989B (zh) * | 2021-09-27 | 2023-09-29 | 浙江科技学院 | 一种平原湖库富营养化高光谱遥感监测方法 |
| CN114758737A (zh) * | 2022-04-08 | 2022-07-15 | 安徽大学 | 一种基于河岸带景观分区的河流氮磷浓度遥感反演方法 |
| CN116399820A (zh) * | 2023-06-07 | 2023-07-07 | 中国科学院空天信息创新研究院 | 植被遥感产品真实性校验方法、装置、设备及介质 |
| CN116399820B (zh) * | 2023-06-07 | 2023-08-04 | 中国科学院空天信息创新研究院 | 植被遥感产品真实性校验方法、装置、设备及介质 |
| CN118243642A (zh) * | 2024-03-06 | 2024-06-25 | 南京大学 | 一种判断污水厂出水富营养化风险的方法 |
| CN118243642B (zh) * | 2024-03-06 | 2024-11-19 | 南京大学 | 一种判断污水厂出水富营养化风险的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103196838B (zh) | 2014-11-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103196838B (zh) | 一种海岸河口富营养化高光谱遥感监测方法 | |
| Wang et al. | Estimating leaf nitrogen concentration with three-band vegetation indices in rice and wheat | |
| CN101382488B (zh) | 利用可见-近红外漫反射光谱技术检测茶鲜叶氮含量的方法 | |
| CN108593569B (zh) | 基于光谱形态特征的高光谱水质参数定量反演方法 | |
| CN104897592B (zh) | 基于高光谱技术的盐渍化土壤盐分离子含量监测方法 | |
| Askari et al. | Evaluation of soil structural quality using VIS–NIR spectra | |
| Wei et al. | Common spectral bands and optimum vegetation indices for monitoring leaf nitrogen accumulation in rice and wheat | |
| Liu et al. | Novel hyperspectral reflectance models for estimating black-soil organic matter in Northeast China | |
| CN110160967A (zh) | 一种作物冠层叶片的全氮含量估算方法 | |
| Ren et al. | Estimating green biomass ratio with remote sensing in arid grasslands | |
| CN103234922A (zh) | 一种基于大样本土壤可见-近红外光谱分类的土壤有机质快速检测方法 | |
| CN108520127A (zh) | 一种树种叶面积指数的高光谱反演方法 | |
| CN108169141A (zh) | 一种基于高光谱图像的茶树lai及氮含量估算方法 | |
| CN103592255A (zh) | 一种基于近红外光谱技术的阿胶化皮液中总蛋白含量的软测量方法 | |
| Duan et al. | Comparison of different semi-empirical algorithms to estimate chlorophyll-a concentration in inland lake water | |
| CN104778349B (zh) | 一种用于水稻表土氮肥施用等级评定方法 | |
| Gholizadeh et al. | Models for estimating the physical properties of paddy soil using visible and near infrared reflectance spectroscopy | |
| CN106990056A (zh) | 一种土壤全氮光谱估算模型校正样本集构建方法 | |
| Ren et al. | Evaluating cellulose absorption index (CAI) for non-photosynthetic biomass estimation in the desert steppe of Inner Mongolia | |
| Nagy et al. | Spectral estimation of soil water content in visible and near infra-red range | |
| CN110779875A (zh) | 一种基于高光谱技术检测冬小麦麦穗水分含量的方法 | |
| Onoyama et al. | Potential of hyperspectral imaging for constructing a year-invariant model to estimate the nitrogen content of rice plants at the panicle initiation stage | |
| CN106018321A (zh) | 玉米单粒种子蛋白质检测模型的构建方法及其应用 | |
| CN106770054A (zh) | 基于光谱吸收特征的黑土含水量速测方法 | |
| CN117269106A (zh) | 快速预测辣椒蛋白质含量的高光谱模型 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20141126 Termination date: 20150315 |
|
| EXPY | Termination of patent right or utility model |