CN106092951B - 一种藻蓝蛋白浓度遥感估算的四波段模型方法 - Google Patents
一种藻蓝蛋白浓度遥感估算的四波段模型方法 Download PDFInfo
- Publication number
- CN106092951B CN106092951B CN201610361726.7A CN201610361726A CN106092951B CN 106092951 B CN106092951 B CN 106092951B CN 201610361726 A CN201610361726 A CN 201610361726A CN 106092951 B CN106092951 B CN 106092951B
- Authority
- CN
- China
- Prior art keywords
- phycocyanin
- absorption coefficient
- wave band
- remote sensing
- concentration
- 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.)
- Expired - Fee Related
Links
- 108010053210 Phycocyanin Proteins 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 title claims abstract description 21
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 39
- 238000010521 absorption reaction Methods 0.000 claims abstract description 28
- 230000003595 spectral effect Effects 0.000 claims abstract description 11
- 241000195493 Cryptophyta Species 0.000 claims description 8
- 238000002310 reflectometry Methods 0.000 claims description 4
- 241001062009 Indigofera Species 0.000 claims description 2
- 238000005259 measurement Methods 0.000 abstract description 8
- 238000012544 monitoring process Methods 0.000 abstract description 4
- 239000000126 substance Substances 0.000 abstract description 4
- 238000004364 calculation method Methods 0.000 abstract description 3
- 239000013049 sediment Substances 0.000 abstract description 3
- 239000000725 suspension Substances 0.000 abstract description 3
- 108010007337 Azurin Proteins 0.000 description 3
- 241000192700 Cyanobacteria Species 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 239000002028 Biomass Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012851 eutrophication Methods 0.000 description 2
- 239000013505 freshwater Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000000049 pigment Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 210000000476 body water Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000009614 chemical analysis method Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 239000003041 laboratory chemical Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 239000002574 poison Substances 0.000 description 1
- 231100000614 poison Toxicity 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3577—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing liquids, e.g. polluted water
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明属于遥感监测技术领域，涉及一种藻蓝蛋白浓度遥感估算的四波段模型方法，包括以下步骤：选取水体测量点，实测获取包含3个红光波段和1个近红外波段的水体表面遥感反射率；步骤2：建立四波段藻蓝蛋白吸收系数遥感估算模型，求出藻蓝蛋白吸收系数；步骤3：根据步骤2中求出的藻蓝蛋白吸收系数求出藻蓝蛋白浓度。本发明通过所选波段的加减运算，减少了水体中其他参数如悬浮泥沙、黄色物质等对藻蓝蛋白光谱信息的干扰，从而提高模型的精度。此外，该算法仅需要输入实测的遥感反射率，其他参数都可以从已有文献或数据库中查阅，提高了计算效率，大大简化了模型参数，提高了模型的实用性。
Description
技术领域
本发明属于遥感监测技术领域，涉及一种藻蓝蛋白浓度遥感估算的四波段模型方法。
背景技术
20世纪90年代以来,我国淡水水体富营养状态日益严重,范围不断扩大,60％的天然淡水湖泊有不同程度的富营养化污染现象，并导致云南滇池、江苏太湖和安徽巢湖等富营养化湖泊发生严重的蓝藻水华。近几十年来，湖泊蓝藻水华的发生频率、发生规模以及持续时间均呈现增加的趋势，不仅给湖泊的功能和生态系统造成了很多有害的影响，而且还严重影响到人类健康和居民生活。因此，对蓝藻水华进行准确的监测，成为湖泊管理和水华治理的前提。卫星影像数据具有宏观性、现势性的特点，使得遥感技术在我国内陆水体蓝藻水华的监测中发挥了重要的作用。目前，对蓝藻发生面积的监测技术已经比较成熟，但是，如何准确定量估算蓝藻生物量，还是一个亟待解决的问题。藻蓝蛋白是蓝藻中特有的色素成分，因此，该参数的浓度值可以准确地表征蓝藻生物量的大小，正因为如此，对藻蓝蛋白的遥感估算方法的研究，成为该领域研究的热点。
目前对藻蓝蛋白浓度的估算主要有以下方法：(1)野外采集水样，实验室化学分析测定藻蓝蛋白浓度。这种方法测量的精度高，但是，只能用于所采集样点的估算，无法推算整个水体区域的值，此外，该类方法需要到实地采集水样，耗时耗力；(2)利用遥感光谱信息估算藻蓝蛋白浓度。该类方法可以利用卫星遥感技术，建立模型，实现整个水体区域的藻蓝蛋白浓度估算。目前，该类方法主要是针对某一特定水域，建立经验统计模型，模型对其他水体的适用性不够，此外，这类模型主要是在国外的水体中建立的，对我国的高富营养化水体不适用。
发明内容
发明目的：本发明的目的是为了解决现有技术中藻蓝蛋白浓度估算方法耗时耗力，且适用性局限的不足，提供一种藻蓝蛋白浓度遥感估算的四波段模型方法，该方法适用于高富营养化水体的藻蓝蛋白浓度遥感估算。
技术方案：本发明所述的藻蓝蛋白浓度遥感估算的四波段模型方法，其目的是这样实现的：
一种藻蓝蛋白浓度遥感估算的四波段模型方法，包括以下步骤：
步骤S1，获得水面遥感反射率高光谱数据；
步骤S2，通过所述水面遥感反射率建立四波段模型估算藻蓝蛋白吸收系数；
以及步骤S3，通过所述藻蓝蛋白吸收系数，计算藻蓝蛋白浓度。
作为优化，步骤S1中，选取水体测量点，利用地面光谱辐射仪测量获得水面遥感反射率高光谱数据，要求所获取的波段包含3个红光波段和1个近红外波段。分别将3个红光波段记为λ1,λ2和λ4，将近红外波段记为λ3，并将其水体表面遥感反射率分别记作Rrs(λ1),Rrs(λ2),Rrs(λ4),Rrs(λ3)；
作为优化，步骤S2中，根据所述步骤S1实测的水面遥感反射率数据，建立四波段藻蓝蛋白吸收系数遥感估算模型：
其中，apc(λ1)是藻蓝蛋白在波长λ1处的吸收系数，Rrs(λi)是水体在λi波段处的遥感反射率，aw(λi)是纯水在λi波段处的吸收系数，i＝1,2,3,4；
作为优化，步骤S3中，将步骤S2中求出的藻蓝蛋白在波长λ1处的吸收系数apc(λ1)代入下列公式，求出藻蓝蛋白浓度pc：
其中，pc是藻蓝蛋白浓度，apc(λ1)是藻蓝蛋白在波长λ1处的吸收系数，是藻蓝蛋白在波长λ1处的单位吸收系数。
原理：步骤1中，用地面光谱辐射仪测量3个红光波段λ1,λ2和λ4和1个近红外波段λ3的水面遥感反射率，由于在这些波段中，水体的后向散射近似相等，并且满足：
其中，acdm(λi)是波段λi处水体中黄色物质的吸收系数，aph-pc(λi)是波段λi处水体中浮游藻类剔除藻蓝蛋白色素后的吸收系数，因此，通过所选波段的加减运算，可以减少水体中其他参数如悬浮泥沙、黄色物质等对藻蓝蛋白光谱信息的干扰，从而提高模型的精度。此外，该算法仅需要输入实测的遥感反射率，其他参数都可以从已有文献或数据库中查阅，因此，大大简化了模型参数，提高了模型的实用性。
有益效果：本发明所述的藻蓝蛋白浓度遥感估算的四波段模型方法，通过所选波段的加减运算，可以减少水体中其他参数如悬浮泥沙、黄色物质等对藻蓝蛋白光谱信息的干扰，从而提高模型的精度。此外，该算法仅需要输入实测的遥感反射率，其他参数都可以从已有文献或数据库中查阅，提高了计算效率，因此，大大简化了模型参数，提高了模型的实用性；加快算法的计算速度，易于实现大规模数据的计算，适用性强。
具体实施方式
为了加深对本发明的理解，下面将结合实施例对本发明作进一步详述，这些实施例仅用于解释本发明，并不构成对本发明保护范围的限定。
一种藻蓝蛋白浓度遥感估算的四波段模型方法，包括以下步骤：
步骤S1：通过野外实验观测获取了太湖、巢湖、洞庭湖、洪泽湖的实验数据，共包括150个样点，利用ASD野外光谱辐射仪测量水体水面的遥感反射率，其光谱范围为400nm-900nm，在此波段范围内，分别选取λ1＝620nm，λ2＝600nm，λ3＝780nm，λ4＝650nm，将其遥感反射率分别记作Rrs(λ1),Rrs(λ2),Rrs(λ4),Rrs(λ3)；
步骤S2：建立四波段藻蓝蛋白吸收系数遥感估算模型，根据下列公式求出藻蓝蛋白在波长λ1处的吸收系数apc(λ1)：
其中，apc(λ1)是藻蓝蛋白在波长λ1处的吸收系数，Rrs(λi)是水体在λi波段处的遥感反射率，aw(λi)是纯水在λi波段处的吸收系数，i＝1,2,3,4，aw(λi)值通过标准的水色参数数据库查找；
步骤S3：将步骤2中求出的藻蓝蛋白在波长λ1处的吸收系数apc(λ1)代入下列公式，求出藻蓝蛋白浓度pc：
其中，pc是藻蓝蛋白浓度，apc(λ1)是藻蓝蛋白在波长λ1处的吸收系数，是藻蓝蛋白在波长λ1处的单位吸收系数(该参数为固定值)。
对比实验：藻蓝蛋白浓度采用常规的化学分析方法在室内通过对野外采集的水样进行测量。
实验分析：藻蓝蛋白浓度估算的效果利用皮尔逊相关系数R和均方根误差(RMSE)进行评价，评价公式如下：
其中，valuemeasured,i是实测值，valueestimated.i是估算值，N是参与评价的样本数。
与国际上提出的几个模型的估算效果的对比见下表：
其中，Hunter10、Hunter08、Schalles00、Dekker93、Simis08分别为国际上在2010、2008、2000、1993年和2008年提出的算法。从表中可以看出，针对于我国的富营养化湖泊，本发明提出的方法对模型的均方根误差、估算值与原始值的相关关系都有改进，特别是针对于藻蓝蛋白浓度较低(如低于50ug/L)的水体，大幅度地提高了模型精度。
上述实施例只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人士能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围，凡根据本发明精神实质所作的等效变化或修饰，都应涵盖在本发明的保护范围之内。
Claims (2)
1.一种藻蓝蛋白浓度遥感估算的四波段模型方法，其特征在于，包括以下步骤：
步骤S1：获取水面遥感反射率高光谱数据；步骤S1中，利用地面光谱辐射仪测量获得水面遥感反射率高光谱数据，所测数据包含3个红光波段λ1，λ2和λ4和1个近红外波段λ3，其遥感反射率分别记作Rrs(λ1),Rrs(λ2),Rrs(λ4),Rrs(λ3)；
步骤S2：通过所述水面遥感反射率建立四波段模型估算藻蓝蛋白吸收系数；步骤S2中，根据所述步骤S1实测的水面遥感反射率数据，建立藻蓝蛋白吸收系数遥感估算模型：
其中，apc(λ1)是藻蓝蛋白在波长λ1处的吸收系数，Rrs(λi)是水体在λi波段处的遥感反射率，aw(λi)是纯水在λi波段处的吸收系数，i＝1,2,3,4；
步骤S3：通过所述藻蓝蛋白吸收系数计算藻蓝蛋白浓度。
2.根据权利要求1所述的一种藻蓝蛋白浓度遥感估算的四波段模型方法，其特征在于，步骤S3中，将步骤S2中求出的藻蓝蛋白在波长λ1处的吸收系数apc(λ1)代入下列公式，求出藻蓝蛋白浓度pc：
其中，pc是藻蓝蛋白浓度，apc(λ1)是藻蓝蛋白在波长λ1处的吸收系数，a* pc(λ1)是藻蓝蛋白在波长λ1处的单位吸收系数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610361726.7A CN106092951B (zh) | 2016-05-27 | 2016-05-27 | 一种藻蓝蛋白浓度遥感估算的四波段模型方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610361726.7A CN106092951B (zh) | 2016-05-27 | 2016-05-27 | 一种藻蓝蛋白浓度遥感估算的四波段模型方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106092951A CN106092951A (zh) | 2016-11-09 |
| CN106092951B true CN106092951B (zh) | 2019-03-26 |
Family
ID=57229379
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610361726.7A Expired - Fee Related CN106092951B (zh) | 2016-05-27 | 2016-05-27 | 一种藻蓝蛋白浓度遥感估算的四波段模型方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106092951B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109738397B (zh) * | 2018-11-30 | 2021-03-30 | 南京师范大学 | 一种基于olci传感器的内陆湖泊水体陆源腐殖质浓度遥感估算方法 |
| CN112362544B (zh) * | 2020-10-14 | 2023-01-20 | 南京吉泽信息科技有限公司 | 基于高光谱遥感的颗粒有机碳监测方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103760112A (zh) * | 2014-01-23 | 2014-04-30 | 中国科学院南京地理与湖泊研究所 | 基于遥感的湖泊水体蓝藻丰度的估算方法 |
| CN105138994A (zh) * | 2015-08-31 | 2015-12-09 | 中国科学院遥感与数字地球研究所 | 一种基于高光谱遥感图像的水华识别方法及装置 |
| CN105527260A (zh) * | 2015-12-21 | 2016-04-27 | 江南大学 | 水体中蓝藻浓度在线检测装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015184018A (ja) * | 2014-03-20 | 2015-10-22 | 東レ株式会社 | 赤外吸収スペクトル作成方法、検量線作成方法、ならびにこれらを用いた溶液濃度定量方法および溶液濃度測定装置 |
-
2016
- 2016-05-27 CN CN201610361726.7A patent/CN106092951B/zh not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103760112A (zh) * | 2014-01-23 | 2014-04-30 | 中国科学院南京地理与湖泊研究所 | 基于遥感的湖泊水体蓝藻丰度的估算方法 |
| CN105138994A (zh) * | 2015-08-31 | 2015-12-09 | 中国科学院遥感与数字地球研究所 | 一种基于高光谱遥感图像的水华识别方法及装置 |
| CN105527260A (zh) * | 2015-12-21 | 2016-04-27 | 江南大学 | 水体中蓝藻浓度在线检测装置 |
Non-Patent Citations (1)
| Title |
|---|
| Remote sensing of phycocyanin pigment in highly turbid inland waters in Lake Taihu, China;CHENGFENG LE et al.;《International Journal of Remote Sensing》;20111210;第32卷(第23期);摘要，第8256-8263页 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106092951A (zh) | 2016-11-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108593569B (zh) | 基于光谱形态特征的高光谱水质参数定量反演方法 | |
| CN103760112B (zh) | 基于遥感的湖泊水体蓝藻丰度的估算方法 | |
| CN107589075B (zh) | 一种浅水湖泊固有光学参数的olci遥感监测方法 | |
| CN112989692A (zh) | 基于遥感数据的湖泊富营养化反演方法 | |
| CN102426153B (zh) | 一种基于冠层高光谱指数的小麦植株水分监测方法 | |
| CN110598251A (zh) | 基于Landsat-8数据和机器学习的湖泊叶绿素a浓度反演方法 | |
| CN106501196B (zh) | 一种基于水体吸收系数的湖泊富营养化评价方法 | |
| CN107064068A (zh) | 一种浑浊水体颗粒有机碳浓度的遥感反演方法 | |
| CN110082349A (zh) | 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 | |
| CN106960204B (zh) | 一种估算近海水体浮游植物粒级结构的遥感方法 | |
| CN103940748B (zh) | 基于高光谱技术的柑橘冠层含氮量预测与可视化的方法 | |
| CN105445218B (zh) | 中红外光谱油菜籽蛋白质含量检测自适应模型的建立方法 | |
| CN101776584B (zh) | 松材线虫病的高光谱综合分析早期探测方法 | |
| CN106092951B (zh) | 一种藻蓝蛋白浓度遥感估算的四波段模型方法 | |
| CN106053370A (zh) | 一种基于hico模拟的反演近海岸水体透明度的方法 | |
| CN101477036A (zh) | 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 | |
| CN109870419A (zh) | 一种采用航空高光谱数据预测黑土氮磷钾含量的方法 | |
| CN106383088A (zh) | 一种基于多光谱成像技术的种子纯度快速无损检测方法 | |
| CN112924401B (zh) | 一种植被冠层叶绿素含量半经验反演方法 | |
| CN103604761A (zh) | 基于aisa航空高光谱影像的赤潮检测方法 | |
| CN102073792A (zh) | 一种利用modis图像反演海岸带气溶胶光学特性的方法 | |
| CN114705632A (zh) | 一种利用卫星遥感反射率估算水库营养状态指数的方法 | |
| CN117744031A (zh) | 一种基于遥感反射率的大洋水体次表层叶绿素a浓度最大值深度反演方法 | |
| Cheng et al. | Remote sensing estimation of Chlorophyll a and suspended sediment concentration in turbid water based on spectral separation | |
| CN105445233A (zh) | 华南沿海赤潮灾害应急监测与预警方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190326 |