CN103760112A - 基于遥感的湖泊水体蓝藻丰度的估算方法 - Google Patents
基于遥感的湖泊水体蓝藻丰度的估算方法 Download PDFInfo
- Publication number
- CN103760112A CN103760112A CN201410031687.5A CN201410031687A CN103760112A CN 103760112 A CN103760112 A CN 103760112A CN 201410031687 A CN201410031687 A CN 201410031687A CN 103760112 A CN103760112 A CN 103760112A
- Authority
- CN
- China
- Prior art keywords
- blue
- water body
- remote sensing
- green algae
- lake
- 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
Images
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于遥感的湖泊水体中蓝藻丰度的估算方法。本方法以藻青蛋白与叶绿素浓度的比值表征蓝藻的丰度,对湖泊水体进行高光谱遥感测量,选取两个特定波长的遥感反射率的比值及其函数作为确定蓝藻丰度的特征,建立了湖泊水体蓝藻丰度的估算模型,基于遥感对湖泊水体蓝藻丰度进行估算。本发明方法可以采用地物光谱仪或机载高光谱成像仪对湖泊水体进行高光谱遥感,航空卫星高光谱数据经辐射校正和大气校正后可得到估算所需的遥感反射率。本发明方法精度较高,模型简单,仅仅选取两个波长的遥感反射率,不仅实现了由地物光谱仪测量的水体蓝藻丰度的估算,也实现了由航空高光谱遥感影像估算蓝藻丰度。
Description
技术领域
本发明属于遥感技术领域,涉及一种湖泊水体中蓝藻的遥感监测方法,具体涉及一种基于遥感的湖泊水体中蓝藻丰度的估算方法。
背景技术
湖泊富营养化和蓝藻水华暴发是当前全球范围内湖泊面临的最重要的环境问题之一,特别是蓝藻水华已成为全世界关注的湖泊富营养化控制的焦点。国家重点治理的“三湖”-太湖、巢湖及滇池水华暴发时常发生,对当地的工农业生产和居民的生活产生极大的影响,并造成重大经济损失。太湖几乎每年都发生水华,1990年太湖梅梁湾蓝藻水华大暴发,造成无锡市116家工厂停产、半停产,直接经济损失达1.3亿;2006年6月太湖南岸及竺山湖沿线,都出现了严重的水华,给当地的渔民造成了重大损失,并使得湖州市自来水厂不得不启动紧急预案。2003年8月巢湖因蓝藻暴发几乎成为“冻湖”。2006年6月巢湖中庙风景区水域再次出现大面积蓝藻水华。滇池自1992年首次蓝藻水华大面积暴发以来,水质日益恶化,蓝藻水华问题日益严重。研究表明,这三大湖泊的蓝藻水华主要是微囊藻(Microcystis)水华。这是一种有毒水华,能引起家畜和家禽中毒死亡,并能损害人类肝脏及具有促癌效应。
随着高光谱、高时间/空间分辨率遥感传感器的出现,使得利用遥感技术进行蓝藻水华暴发的预警成为可能。利用遥感技术监测蓝藻水华具有其他方法无可比拟的优势,常规的蓝藻水华监测是人工实时实地监测,耗时耗力,且这种方法只能了解监测断面上的状况,并不能反映湖泊的整体发生状况。而利用遥感技术不仅可以快速、及时地提供整个湖泊或整个区域的水华分布状况,还可通过对蓝藻浓度的连续监测,实现蓝藻水华的预警,同时还可以利用高时间分辨率的遥感卫星影像研究蓝藻水华的漂移规律,这对于评估水华所造成的损失,研究蓝藻水华的形成机制及微囊藻水华所产生的生物地球化学影响具有重要的意义,并可为控制蓝藻水华提供科学依据。
现有技术中利用遥感监测蓝藻水华暴发主要通过监测水体中的叶绿素a浓度来实现,这里的叶绿素a浓度是水体中所有藻类叶绿素a浓度的总和,并不能准确的反映其中蓝藻的含量。因此,目前迫切需要构建一种能够准确的估算湖泊水体中蓝藻含量或者丰度的遥感估算方法。
发明内容
本发明的目的在于提供一种基于遥感的湖泊水体蓝藻丰度的估算方法。
本发明中,定义湖泊水体中蓝藻丰度为特定水域藻青蛋白与叶绿素浓度的比值,在本技术领域内,该比值常用以表征湖泊水体所有藻类中蓝藻的含量或比例。
申请人经过研究发现,特定波长的遥感反射率的比值及其函数,即:
Rrs(λ1)/Rrs(λ2)
具有识别蓝藻丰度(藻青蛋白与叶绿素浓度的比值)特征,其中,Rrs为遥感反射率,λ为波长。测定特定波长遥感反射率的比值及其函数与蓝藻丰度,分析它们之间的相关性,申请人进一步发现:
Rrs(550)/Rrs(620)
与蓝藻丰度的相关性很强(相关系数为0.92)。由此建立蓝藻丰度的估算模型(即公式),并实现基于遥感技术的湖泊水体蓝藻丰度的估算。
本发明提出的基于遥感的湖泊水体蓝藻丰度的估算方法,采用以下技术方案:
对湖泊水体进行高光谱遥感测量,对于取得的湖泊水体遥感反射率,选取波长为550nm和620nm处的遥感反射率,采用以下公式计算得到蓝藻丰度,
PC:Chl-a=0.027*EXP[2.89* Rrs(550)/Rrs(620)]
其中,PC:Chl-a为蓝藻丰度,即藻青蛋白与叶绿素浓度的比值PC/Chl-a,PC为藻青蛋白浓度,Chl-a为叶绿素浓度;Rrs为遥感反射率。
本发明的一个具体实现方法是采用地物光谱仪实测得到估算蓝藻丰度所需的遥感反射率,并直接代入上述蓝藻丰度计算公式,实现对蓝藻丰度的估算。
本发明还可以用于机载高光谱成像仪得到的航空影像数据。对于采用机载高光谱成像仪得到的航空高光谱影像,首先按照常规方法对航空高光谱数据进行辐射校正和大气校正,将高光谱影像的数字量化值转换成每个像元的高光谱遥感反射率,最后将对应湖泊水体的高光谱遥感反射率代入下述蓝藻丰度计算公式中,可以实现对蓝藻丰度的计算,
PC:Chl-a=0.027*EXP[2.89* Rrs(550)/Rrs(620)]
其中的Rrs为遥感反射率,即航空高光谱数据经辐射定标和大气校正后取得的遥感反射率数值。
本发明方法用于机载高光谱仪得到的航空影像数据,对于某一湖泊水体可以得到水域蓝藻丰度的分布,并以适当的形式,如蓝藻丰度的彩色分布图等形式输出。
本发明的基于遥感的湖泊水体蓝藻丰度的估算方法精度较高,方法简单,仅仅通过选取有限的特定波长的遥感反射率Rrs,即可根据遥感反射率的比值识别蓝藻丰度特征,从而实现利用遥感技术对湖泊水体蓝藻丰度进行估算。本发明的方法不但可以现场实测湖泊水体遥感反射率并进行蓝藻丰度估算,而且还可以实现由航空光谱遥感影像计算蓝藻丰度。本发明丰富了湖泊遥感监测技术的内容,不仅可以监测水体中藻类总量,而且基于遥感技术实现湖泊水体中蓝藻含量的准确估算,从而为利用遥感监测蓝藻水华暴发以及蓝藻控制提供更为科学的依据。
下面结合具体实施例对本发明进行详细描述。本发明的保护范围并不以具体实施方式为限,而是由权利要求加以限定。
附图说明
图1 为本发明的现场地物光谱仪测得的蓝藻丰度不同的湖泊水体对应的遥感反射率光谱曲线图,其中PC:Chl-a的实测值分别为:0.19,0.25,0.46,0.50,1.05,1.21,1.96,2.02,2.63和3.45。
图2 为本发明的由机载高光谱成像仪数据经过辐射定标和大气校正处理后所得蓝藻丰度不同的湖泊水体所对应的遥感反射率曲线图,其中PC:Chl-a的实测值分别为:0.19,0.60,0.74,0.89,1.00,1.29,1.68,1.98,2.16和2.87。
图3 为航空光谱影像数据估算得到的蓝藻丰度分布图。
具体实施方式
本发明可根据现场地物光谱仪实测得到湖泊水体遥感反射率光谱,直接选取波长为550 nm和620nm的遥感反射率,代入蓝藻丰度计算公式中,计算得到湖泊水体的蓝藻丰度估算值。
本发明的另一个实现方式是用于机载高光谱仪,对于机载高光谱成像仪得到的航空高光谱影像,首先对航空高光谱数据的数字化值进行辐射定标和大气校正,得到高光谱遥感反射率;选取550nm和620nm的遥感反射率,代入蓝藻丰度的计算公式,计算得到蓝藻丰度估算值,从而得到对应湖泊水体蓝藻丰度的分布。
实施例1
根据本发明方法,利用地物光谱仪现场实测湖泊水体得到水体的遥感反射率,估算水体的蓝藻丰度,并与实测的PC:Chl-a值比较。实测PC:Chl-a的值见下表1。
从水体的遥感反射率光谱中(图1),选取波长为550nm和620nm的遥感反射率,根据本发明方法计算得到的水体蓝藻丰度,估算值和对应误差如下表1所示:
表1
实测值PC:Chl-a | 估算值PC:Chl-a | 相对误差 | 绝对误差 |
0.187087 | 0.248376 | 0.327595 | 0.061289 |
0.246314 | 0.265974 | 0.079816 | 0.01966 |
0.302637 | 0.269286 | 0.1102 | 0.033351 |
0.362848 | 0.302774 | 0.165563 | 0.060074 |
0.409698 | 0.302521 | 0.261599 | 0.107177 |
0.455838 | 0.333503 | 0.268375 | 0.122335 |
0.501884 | 0.570003 | 0.135729 | 0.06812 |
0.879211 | 0.756056 | 0.140074 | 0.123155 |
0.973561 | 0.630552 | 0.352324 | 0.343009 |
1.047071 | 1.315111 | 0.25599 | 0.26804 |
1.055678 | 0.986405 | 0.06562 | 0.069273 |
1.210932 | 0.858538 | 0.29101 | 0.352394 |
1.354356 | 1.263925 | 0.06677 | 0.090431 |
1.564713 | 1.298301 | 0.170263 | 0.266413 |
1.7517 | 1.665862 | 0.049003 | 0.085838 |
1.967328 | 1.461362 | 0.257184 | 0.505965 |
2.02139 | 1.600148 | 0.208392 | 0.421242 |
2.054382 | 1.41818 | 0.309681 | 0.636203 |
2.637716 | 3.261185 | 0.236367 | 0.623469 |
3.453774 | 3.168221 | 0.082679 | 0.285553 |
分析蓝藻丰度计算精度的参数为PC:Chl-a实测值与模型计算值的相关系数R2、平均相对误差APD和均方根误差RMS,计算公式如下:
其中,n为水体样本个数,Hi为第i个水体样本的模型计算值,Hmi为第i个水体样本PC:Chl-a的实测值,Hm和Hmm分为蓝藻丰度模型计算值和实测值的平均值。
经检验,蓝藻丰度的实测值与模型计算值的相关系数为R2=0.90;平均相对误差APD=19%;均方根误RMS=0.29,模型的精度较高。
实施例2
采用本发明方法,对某水库利用航空高光谱影像数据进行蓝藻丰度估算。首先对影像数据进行辐射定标和大气校正,获得遥感反射率数据;选取波长为550nm和620nm的遥感反射率(图2),代入蓝藻丰度计算模型中,计算得到水体的蓝藻丰度,并输出蓝藻丰度的空间分布图(图3),估算值与实测的PC:Chl-a值比较,结果合理。估算得到的水体蓝藻丰度和对应误差如下表2所示:
表2
实测值PC:Chl-a | 计算值PC:Chl-a | 相对误差 | 绝对误差 |
0.155388 | 0.182984 | 0.177591 | 0.027596 |
0.160087 | 0.264456 | 0.651956 | 0.104369 |
0.24109 | 0.356432 | 0.47842 | 0.115342 |
0.251212 | 0.4 | 0.59228 | 0.148788 |
0.736614 | 0.589176 | 0.200156 | 0.147438 |
0.740769 | 0.89445 | 0.207462 | 0.153681 |
0.78263 | 0.78234 | 0.00037 | 0.00029 |
0.816097 | 1.049985 | 0.286593 | 0.233888 |
1.02661 | 0.859288 | 0.162986 | 0.167323 |
1.03601 | 1.166835 | 0.126278 | 0.130826 |
1.136039 | 1.35676 | 0.19429 | 0.220721 |
1.168007 | 1.19234 | 0.020833 | 0.024333 |
1.292266 | 1.607088 | 0.24362 | 0.314822 |
1.308304 | 2.005145 | 0.532629 | 0.696841 |
1.440175 | 1.262641 | 0.123272 | 0.177534 |
1.548598 | 1.510143 | 0.024832 | 0.038455 |
1.645216 | 1.833997 | 0.114745 | 0.188781 |
1.684071 | 1.460129 | 0.132977 | 0.223942 |
2.332082 | 2.157605 | 0.074816 | 0.174477 |
2.865038 | 2.234343 | 0.220135 | 0.630695 |
经检验,蓝藻丰度的实测值与模型计算值的相关系数为R2=0.86;平均相对误差APD=20%;均方根误RMS=0.31,模型的精度较高。
综上所述,本发明采用的现场测量的水体高光谱数据,进行水体蓝藻丰度计算,均方根误差控制在0.30以内;利用航空高光谱影像数据计算水体蓝藻丰度,得到的均方根误差在0.32以内,得到的计算结果合理。
Claims (3)
1.一种基于遥感的湖泊水体蓝藻丰度的估算方法,其特征在于,对湖泊水体进行高光谱遥感测量,对于取得的湖泊水体遥感反射率,选取波长为550nm和620nm处的遥感反射率,采用以下公式计算得到蓝藻丰度,
PC:Chl-a=0.027*EXP[2.89* Rrs(550)/Rrs(620)]
其中,PC:Chl-a为蓝藻丰度,即藻青蛋白与叶绿素浓度的比值PC/Chl-a,PC为藻青蛋白浓度,Chl-a为叶绿素浓度;Rrs为遥感反射率。
2.根据权利要求1所述的湖泊水体蓝藻丰度的估算方法,其特征在于,所述的遥感反射率采用地物光谱仪对湖泊水体进行高光谱遥感测量实测得到。
3.根据权利要求1所述的湖泊水体蓝藻丰度的估算方法,其特征在于,所述的遥感反射率采用机载高光谱成像仪对湖泊水体进行高光谱遥感测量,按照航空高光谱影像数据的处理方法,将湖泊水体航空高光谱影像数值量化值进行辐射定标和大气校正,得到湖泊水体的遥感反射率数据,再利用以下公式计算得到蓝藻丰度,
PC:Chl-a=0.027*EXP[2.89* Rrs(550)/Rrs(620)]
其中Rrs为遥感反射率,即航空高光谱数据经辐射定标和大气校正后得到的遥感反射率数值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410031687.5A CN103760112B (zh) | 2014-01-23 | 2014-01-23 | 基于遥感的湖泊水体蓝藻丰度的估算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410031687.5A CN103760112B (zh) | 2014-01-23 | 2014-01-23 | 基于遥感的湖泊水体蓝藻丰度的估算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103760112A true CN103760112A (zh) | 2014-04-30 |
CN103760112B CN103760112B (zh) | 2016-02-24 |
Family
ID=50527387
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410031687.5A Expired - Fee Related CN103760112B (zh) | 2014-01-23 | 2014-01-23 | 基于遥感的湖泊水体蓝藻丰度的估算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103760112B (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106092951A (zh) * | 2016-05-27 | 2016-11-09 | 南京吉泽信息科技有限公司 | 一种藻蓝蛋白浓度遥感估算的四波段模型方法 |
CN106315856A (zh) * | 2016-09-07 | 2017-01-11 | 中国科学院南京地理与湖泊研究所 | 富营养化湖泊蓝藻水华和水生植被的modis卫星同步监测方法 |
CN106814035A (zh) * | 2017-01-12 | 2017-06-09 | 中国科学院烟台海岸带研究所 | 漂浮海表的大型藻类覆盖度估算方法 |
CN107014779A (zh) * | 2017-03-23 | 2017-08-04 | 中国科学院南京地理与湖泊研究所 | 一种藻类垂向非均匀水体的遥感反射比校正方法 |
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 |
CN110082349A (zh) * | 2019-02-01 | 2019-08-02 | 南京师范大学 | 一种基于olci的内陆富营养化湖泊水体蓝藻生物量比例遥感估算方法 |
CN111795941A (zh) * | 2020-08-06 | 2020-10-20 | 中国科学院重庆绿色智能技术研究院 | 一种水华期藻类群落结构高光谱识别方法 |
CN111879709A (zh) * | 2020-07-15 | 2020-11-03 | 中国科学院空天信息创新研究院 | 湖泊水体光谱反射率检验方法及装置 |
CN112033907A (zh) * | 2020-07-28 | 2020-12-04 | 中国科学院南海海洋研究所 | 一种利用海洋水色遥感数据估算海洋细菌丰度的方法 |
CN112070234A (zh) * | 2020-09-04 | 2020-12-11 | 中国科学院南京地理与湖泊研究所 | 复杂场景下水体叶绿素和藻蓝素陆基遥感机器学习算法 |
CN112816423A (zh) * | 2021-02-06 | 2021-05-18 | 岳阳市洞庭水环境研究所 | 一种蓝藻爆发分析方法及系统 |
CN112989281A (zh) * | 2021-02-20 | 2021-06-18 | 中国科学院南京地理与湖泊研究所 | 一种基于遥感藻总量的藻华预测方法 |
CN113673737A (zh) * | 2020-05-14 | 2021-11-19 | 中国科学院南京地理与湖泊研究所 | 基于卫星遥感影像的藻型湖泊水体溶解二氧化碳估算方法 |
CN114018338A (zh) * | 2021-11-17 | 2022-02-08 | 天津市水利科学研究院 | 基于光谱指数模型的水体识别系统 |
CN114235748A (zh) * | 2021-12-06 | 2022-03-25 | 南宁师范大学 | 一种基于长江平原湖泊富营养化的卫星遥感监测方法 |
CN114913439A (zh) * | 2022-05-24 | 2022-08-16 | 江南大学 | 一种基于无人机遥感影像的湖面蓝藻浓度检测的补偿方法 |
CN115984715A (zh) * | 2023-03-22 | 2023-04-18 | 武汉大学 | 基于先验地物光谱匹配的高光谱卫星自适应大气校正方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI585694B (zh) * | 2016-07-19 | 2017-06-01 | 國立臺東大學 | 藻類細胞數偵測方法及其設備 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040130713A1 (en) * | 2000-05-16 | 2004-07-08 | O'mongain Eon | Photometric analysis of natural waters |
CN101477036A (zh) * | 2009-01-13 | 2009-07-08 | 中国科学院遥感应用研究所 | 基于分段协同模型的内陆水体叶绿素a浓度遥感监测方法 |
CN101655462A (zh) * | 2009-09-11 | 2010-02-24 | 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 |
CN102721655A (zh) * | 2012-06-01 | 2012-10-10 | 天津科技大学 | 一种赤潮水体及其优势藻的光学判别方法 |
CN102914505A (zh) * | 2012-09-27 | 2013-02-06 | 国家海洋局第二海洋研究所 | 利用modis水色遥感数据的海洋赤潮藻种判别方法 |
-
2014
- 2014-01-23 CN CN201410031687.5A patent/CN103760112B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040130713A1 (en) * | 2000-05-16 | 2004-07-08 | O'mongain Eon | Photometric analysis of natural waters |
CN101477036A (zh) * | 2009-01-13 | 2009-07-08 | 中国科学院遥感应用研究所 | 基于分段协同模型的内陆水体叶绿素a浓度遥感监测方法 |
CN101655462A (zh) * | 2009-09-11 | 2010-02-24 | 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 |
CN102721655A (zh) * | 2012-06-01 | 2012-10-10 | 天津科技大学 | 一种赤潮水体及其优势藻的光学判别方法 |
CN102914505A (zh) * | 2012-09-27 | 2013-02-06 | 国家海洋局第二海洋研究所 | 利用modis水色遥感数据的海洋赤潮藻种判别方法 |
Non-Patent Citations (1)
Title |
---|
李旭文等: "太湖湖泛现象的卫星遥感监测", 《环境监测管理与技术》 * |
Cited By (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106092951A (zh) * | 2016-05-27 | 2016-11-09 | 南京吉泽信息科技有限公司 | 一种藻蓝蛋白浓度遥感估算的四波段模型方法 |
CN106092951B (zh) * | 2016-05-27 | 2019-03-26 | 南京吉泽信息科技有限公司 | 一种藻蓝蛋白浓度遥感估算的四波段模型方法 |
CN106315856A (zh) * | 2016-09-07 | 2017-01-11 | 中国科学院南京地理与湖泊研究所 | 富营养化湖泊蓝藻水华和水生植被的modis卫星同步监测方法 |
CN106315856B (zh) * | 2016-09-07 | 2019-02-26 | 中国科学院南京地理与湖泊研究所 | 富营养化湖泊蓝藻水华和水生植被的modis卫星同步监测方法 |
CN106814035A (zh) * | 2017-01-12 | 2017-06-09 | 中国科学院烟台海岸带研究所 | 漂浮海表的大型藻类覆盖度估算方法 |
CN106814035B (zh) * | 2017-01-12 | 2019-04-09 | 中国科学院烟台海岸带研究所 | 海表漂浮大型藻类覆盖度的遥感估算方法 |
CN107014779B (zh) * | 2017-03-23 | 2019-06-25 | 中国科学院南京地理与湖泊研究所 | 一种藻类垂向非均匀水体的遥感反射比校正方法 |
CN107014779A (zh) * | 2017-03-23 | 2017-08-04 | 中国科学院南京地理与湖泊研究所 | 一种藻类垂向非均匀水体的遥感反射比校正方法 |
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 |
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 |
CN110082349A (zh) * | 2019-02-01 | 2019-08-02 | 南京师范大学 | 一种基于olci的内陆富营养化湖泊水体蓝藻生物量比例遥感估算方法 |
CN113673737A (zh) * | 2020-05-14 | 2021-11-19 | 中国科学院南京地理与湖泊研究所 | 基于卫星遥感影像的藻型湖泊水体溶解二氧化碳估算方法 |
CN113673737B (zh) * | 2020-05-14 | 2023-07-28 | 中国科学院南京地理与湖泊研究所 | 基于卫星遥感影像的藻型湖泊水体溶解二氧化碳估算方法 |
CN111879709A (zh) * | 2020-07-15 | 2020-11-03 | 中国科学院空天信息创新研究院 | 湖泊水体光谱反射率检验方法及装置 |
CN111879709B (zh) * | 2020-07-15 | 2023-05-30 | 中国科学院空天信息创新研究院 | 湖泊水体光谱反射率检验方法及装置 |
CN112033907A (zh) * | 2020-07-28 | 2020-12-04 | 中国科学院南海海洋研究所 | 一种利用海洋水色遥感数据估算海洋细菌丰度的方法 |
CN111795941A (zh) * | 2020-08-06 | 2020-10-20 | 中国科学院重庆绿色智能技术研究院 | 一种水华期藻类群落结构高光谱识别方法 |
CN112070234A (zh) * | 2020-09-04 | 2020-12-11 | 中国科学院南京地理与湖泊研究所 | 复杂场景下水体叶绿素和藻蓝素陆基遥感机器学习算法 |
CN112070234B (zh) * | 2020-09-04 | 2024-01-30 | 中国科学院南京地理与湖泊研究所 | 复杂场景下水体叶绿素和藻蓝素陆基遥感机器学习算法 |
CN112816423A (zh) * | 2021-02-06 | 2021-05-18 | 岳阳市洞庭水环境研究所 | 一种蓝藻爆发分析方法及系统 |
CN112989281A (zh) * | 2021-02-20 | 2021-06-18 | 中国科学院南京地理与湖泊研究所 | 一种基于遥感藻总量的藻华预测方法 |
CN112989281B (zh) * | 2021-02-20 | 2023-09-12 | 中国科学院南京地理与湖泊研究所 | 一种基于遥感藻总量的藻华预测方法 |
CN114018338A (zh) * | 2021-11-17 | 2022-02-08 | 天津市水利科学研究院 | 基于光谱指数模型的水体识别系统 |
CN114018338B (zh) * | 2021-11-17 | 2023-08-22 | 天津市水利科学研究院 | 基于光谱指数模型的水体识别系统 |
CN114235748A (zh) * | 2021-12-06 | 2022-03-25 | 南宁师范大学 | 一种基于长江平原湖泊富营养化的卫星遥感监测方法 |
CN114913439A (zh) * | 2022-05-24 | 2022-08-16 | 江南大学 | 一种基于无人机遥感影像的湖面蓝藻浓度检测的补偿方法 |
CN114913439B (zh) * | 2022-05-24 | 2024-04-19 | 江南大学 | 一种基于无人机遥感影像的湖面蓝藻浓度检测的补偿方法 |
CN115984715A (zh) * | 2023-03-22 | 2023-04-18 | 武汉大学 | 基于先验地物光谱匹配的高光谱卫星自适应大气校正方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103760112B (zh) | 2016-02-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103760112B (zh) | 基于遥感的湖泊水体蓝藻丰度的估算方法 | |
Feng et al. | Monitoring and understanding the water transparency changes of fifty large lakes on the Yangtze Plain based on long-term MODIS observations | |
Lim et al. | Assessment of water quality based on Landsat 8 operational land imager associated with human activities in Korea | |
CN104374713B (zh) | 一种富营养化湖泊水体藻类垂向分布类型modis遥感监测方法 | |
Novoa et al. | Water quality assessment using satellite-derived chlorophyll-a within the European directives, in the southeastern Bay of Biscay | |
CN108593569A (zh) | 基于光谱形态特征的高光谱水质参数定量反演方法 | |
Abd-Elrahman et al. | In situ estimation of water quality parameters in freshwater aquaculture ponds using hyperspectral imaging system | |
CN112989692A (zh) | 基于遥感数据的湖泊富营养化反演方法 | |
Wei et al. | Transparency estimation of narrow rivers by UAV-borne hyperspectral remote sensing imagery | |
Shang et al. | MODIS observed phytoplankton dynamics in the Taiwan Strait: an absorption-based analysis | |
Yu et al. | Functional linear analysis of in situ hyperspectral data for assessing CDOM in rivers | |
CN114241331B (zh) | 以UAV为地面和Sentinel-2中介的湿地芦苇地上生物量遥感建模方法 | |
CN106960204A (zh) | 一种估算近海水体浮游植物粒级结构的遥感方法 | |
Malthus et al. | The case for a global inland water quality product | |
Chierici et al. | Surface water fCO2 algorithms for the high-latitude Pacific sector of the Southern Ocean | |
CN103017668A (zh) | 基于高光谱遥感反射率的海冰厚度计算方法 | |
Fu et al. | Multi-sensor and multi-platform retrieval of water chlorophyll a concentration in karst wetlands using transfer learning frameworks with ASD, UAV, and Planet CubeSate reflectance data | |
Giardino et al. | Recent changes in macrophyte colonisation patterns: an imaging spectrometry-based evaluation of southern Lake Garda (northern Italy) | |
Li et al. | Monitoring water transparency, total suspended matter and the beam attenuation coefficient in inland water using innovative ground-based proximal sensing technology | |
Fu et al. | Evaluating optically and non-optically active water quality and its response relationship to hydro-meteorology using multi-source data in Poyang Lake, China | |
Salyuk et al. | Determination of the chlorophyll a concentration by MODIS-Aqua and VIIRS satellite radiometers in Eastern Arctic and Bering Sea | |
Hong et al. | Autonomous calibration of EFDC for predicting chlorophyll-a using reinforcement learning and a real-time monitoring system | |
Toro Herrera et al. | Semi-automated production and filtering of satellite derived water quality parameters | |
Wagle et al. | Estimating and mapping Chlorophyll-a concentration of Phewa Lake of Kaski district using landsat imagery | |
CN105606498B (zh) | 一种监测水体悬浮泥沙粒径分布的方法 |
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: 20160224 Termination date: 20180123 |
|
CF01 | Termination of patent right due to non-payment of annual fee |