CN106126826B - 一种基于viirs传感器的浑浊湖泊水体悬浮物浓度估算方法 - Google Patents
一种基于viirs传感器的浑浊湖泊水体悬浮物浓度估算方法 Download PDFInfo
- Publication number
- CN106126826B CN106126826B CN201610482686.1A CN201610482686A CN106126826B CN 106126826 B CN106126826 B CN 106126826B CN 201610482686 A CN201610482686 A CN 201610482686A CN 106126826 B CN106126826 B CN 106126826B
- Authority
- CN
- China
- Prior art keywords
- concentration
- suspension
- lake
- viirs
- data
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/152—Water filtration
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及一种基于VIIRS传感器的浑浊湖泊水体悬浮物浓度估算方法,包括:基于湖泊野外实测光谱与物质浓度数据,分析其水体光学特性与水质主导因子;筛选浑浊湖泊水体中对悬浮物浓度变化敏感的波段,使用曲线拟合确定悬浮物浓度与地面实测光谱(Rrs)的最优模型;利用去除水汽、臭氧吸收和瑞利散射校正后的Rrc数据建立适用于VIIRS的悬浮物浓度定量模型;最后将建立后的模型运用到VIIRS影像上,准确获取浑浊湖泊水体的悬浮物浓度的年际、月际变化规律及其空间分布。采用本发明的方法能够实现湖泊悬浮物浓度的长期高精度监测,有助于科学评估年际间悬浮物浓度的变化及其发展趋势,有效评估湖泊水体生态环境变化。
Description
技术领域
本发明涉及基于VIIRS传感器数据源的内陆浑浊湖泊水体悬浮物浓度的估算方法。
背景技术
获取长时间序列地表观测数据,生成相关参数产品,是地球观测卫星发射的主要目标之一(Hu and Le,2014);但由于卫星寿命有限,保持卫星之间的交替和延续性尤为重要。自1978年CZCS传感器开始,历经SeaWiFS、MODIS、MERIS等十数个传感器,初步形成了全球海洋和湖泊生物地球参数观测网络(IOCCG,2012)。目前MODIS是全球海洋和内陆水体水色遥感的主要传感器,但从Terra(1999年)和Aqua(2002年)相继升空以来,MODIS已超期服役6年多,远超设计寿命,服务面临着随时终止的可能。2011年美国NASA等部门发射了NPP卫星,其搭载的可见光红外成像辐射仪(VIIRS,Visible/Infrared Imager RadiometerSuite)拥有和MODIS相似的7个水色波段(412-862nm),但拥有更高的性能,比如双增益动态观测,更高的波宽,有助于更好地接收水体信号,同时信号不易饱和。另外,VIIRS比MODIS扫描宽幅更大(3060km),部分波段空间分辨率相对提高(750m),可以使用的水色波段更多(Cao,2013)。这些都为全球水体,特别是饱受MODIS多数波段饱和之苦的内陆水体遥感提供了更好的卫星数据源。
事实上,VIIRS设计初衷就是接替MODIS服役,保持地球(陆地、海洋和大气)观测数据的连贯性和一致性(Turpie et al.,2011)。VIIRS数据接收以来,国内外以NASA OBPG和NOAA STAR团队为首的许多学者展开了大量VIIRS的定标和真实性检验工作(Hlaing etal.,2013;Wang et al.,2013,2014;Arnone et al.,2012),其结果表明VIIRS数据具有较高的信噪比和精度,在海洋水色参数观测方面达到应用水平;而且有研究显示VIIRS水色产品质量比MODIS更好(Ladner et al.,2014)。但是,当前VIIRS的研究多集中在大洋开阔水体和近海岸水体,内陆湖泊还鲜有涉及。
内陆湖泊水体与人类生活紧密相关,大部分都是所属流域人口的重要水源地,水质好坏直接影响人类的健康和社会经济的发展。另外,与大洋水体不同,内陆水体光学特性复杂,水中物质组成和来源复杂,时空差异大。悬浮物(Suspended Particular Matter,SPM)作为水色参数三要素之一,影响着水体的光学特性和物质交换(张运林等,2004),对湖泊水质和生物地球化学循环具有重要作用。实际上,悬浮物在水体中信号较强,是最为容易遥感的水色要素。当前,已有大量的研究利用Landsat、SPOT、MERIS和MODIS等卫星数据构建悬浮物浓度模型(Doxaran et al.,2002;Miller et al.,2004;Feng et al.,2012;Cui etal.,2013;Wu et al., 2013;Shi et al.,2015;黄昌春等,2012;),用于水质监测。但已有模型多基于遥感反射率Rrs进行估算,而由于内陆水体中气溶胶复杂,水体较为浑浊,目前没有通用的浑浊水体精确大气校正算法可用,特别是在长时间序列卫星数据大规模反演时更为困难。前期研究尝试利用SeaDAS 7.2提供的近红外标准大气校正算法、短波红外大气校正算法对VIIRS进行大气校正,但最终无法有效去除气溶胶影响,难以得到Rrs产品。
参考文献:
Hu C,Le C.Ocean Color Continuity From VIIRS Measurements Over TampaBay[J].Geoscience and Remote Sensing Letters,IEEE,2014,11(5):945-949.
IOCCG.Mission Requirements for Future Ocean-Colour Sensors.In:McClain,C.R.
and Meister,G.(eds),Reports of the International Ocean-ColourCoordinating Group,
Dartmouth,Canada:IOCCG,2012.10-11.
Cao C.Visible Infrared Imaging Radiometer Suite(VIIRS)Sensor DataRecord(SDR)User’s Guide.Version 1.2,10September 2013[J].NOAA Technical ReportNESDIS,2013,142.
Turpie K,Meister G,Eplee G,et al.Assessment of NPP VIIRS ocean colordata products:hope and risk.In:James J.Butler,Xiaoxiong Xiong,Xingfa Gu(eds),Earth Observing Systems XVI,San Diego,USA:Proc.SPIE,2011.
Hlaing S,Harmel T,Gilerson A,et al.Evaluation of the VIIRS oceancolor monitoring performance in coastal regions[J].Remote Sensing ofEnvironment,2013,139(0):398-414.
Wang M,Li X,Tian L et al.Impacts of VIIRS SDR performance on oceancolor products[J].Journal of Geophysical Research:Atmospheres,2013,118(18):347-310.
Wang M,Li X,Tian L et al.Evaluation of VIIRS ocean color products[J].Ocean Remote Sensing and Monitoring from Space,2014,9261:92610E-92610E-15.
Arnone R,Fargion G,Martinolich P,et al.Validation of the VIIRS oceancolor.In:Weilin W.Hou;Robert Arnone(eds),Ocean Sensing and Monitoring IV,Baltimore,USA:Proc.SPIE,2012.
Ladner S,Arnone R,Vandermeulen R,et al.Inter-satellite comparison andevaluation of Navy SNPP VIIRS and MODIS-Aqua ocean color properties.In:OceanSensing and Monitoring VI,Baltimore,USA:Proc.SPIE,2014.
张运林,秦伯强,陈伟民等.悬浮物浓度对水下光照和初级生产力的影响[J].水科学进展,2004,15:615-620.
Doxaran D,Froidefond J-M,Lavender S,et al.,Spectral signature ofhighly turbid waters:Application with SPOT data to quantify suspendedparticulate matter concentrations[J].Remote Sensing of Environment,2002,81(1):149-161.
Miller R,McKee B A.Using MODIS Terra 250 m imagery to mapconcentrations of total suspended matter in coastal waters[J].Remote Sensingof Environment,2004,93(1-2):259-266.
Feng L,Hu C,Chen X,et al.Human induced turbidity changes in PoyangLake between 2000 and 2010:Observations from MODIS[J].Journal of GeophysicalResearch,2012,117(C7).
Cui L,Qiu Y,Fei T,et al.Using remotely sensed suspended sedimentconcentration variation to improve management of Poyang Lake,China[J].Lakeand Reservoir Management,2013,29(1):47-60.
Wu G,Cui L,Duan H,et al.An approach for developing Landsat-5 TM-basedretrieval models of suspended particulate matter concentration with theassistance of MODIS[J].ISPRS Journal of Photogrammetry and Remote Sensing,2013,85:84-92.
Shi K,Zhang Y,Liu G,et al.Long-term remote monitoring of totalsuspended matter concentration in Lake Taihu using 250m MODIS-Aqua data[J].Remote Sensing of Environment,2015,164(0):43-56.
黄昌春,李云梅,王桥等.太湖水体悬浮颗粒物生物光学模型及MERIS数据反演[J].红外与毫米波学报,2012(04):367-374.
Hu C,Chen Z,Clayton T et al.Assessment of estuarine water-qualityindicators using MODIS medium-resolution bands:Initial results from TampaBay,FL[J].Remote Sensing of Environment,2004,93(3):423-441.
王苏民,窦鸿身.中国湖泊志[M].北京:科学出版社,1998.
马荣华,段洪涛,唐军武.湖泊水环境遥感.北京:科学出版社,2010.
Ma R,Tang J,Dai J,et al.Absorption and scattering properties of waterbody in Taihu Lake,China:absorption[J].International Journal of RemoteSensing,2006,27(19):4277-4304.
Duan H,Feng L,Ma R et al.Variability of particulate organic carbon ininland waters observed from MODIS Aqua imagery[J].Environmental ResearchLetters,2014,9.
Zhang M,Tang J,Dong Q et al.Retrieval of total suspended matterconcentration in the Yellow and East China Seas from MODIS imagery[J].RemoteSensing of Environment,2010,114(2):392-403.
Loisel H,Mangin A,Vantrepotte V,et al.Variability of suspendedparticulate matter concentration in coastal waters under the Mekong'sinfluence from ocean color(MERIS)remote sensing over the last decade[J].Remote Sensing of Environment,2014,150(0):218-230.
Wu G,Cui L,He J,et al.Comparison of MODIS-based models for retrievingsuspended particulate matter concentrations in Poyang Lake,China[J].International Journal of Applied Earth Observation and Geoinformation,2013,24:63-72.
Zhao H,Chen Q,Walker N,et al.A study of sediment transport in ashallow estuary using MODIS imagery and particle tracking simulation[J].International Journal of Remote Sensing,2011,32(21):6653-6671.
Kutser T,Metsamaa L,Vahtmae E,et al.Operative monitoring of theextent of dredging plumes in coastal ecosystems using MODIS satellite imagery[J].Journal of Coastal Research,2007,50(50):180-184.
Gordon H.Atmospheric correction of ocean color imagery in the EarthObserving System era[J].Journal of Geophysical Research:Atmospheres,1997,102(D14):17081-17106.
Wang M.Remote sensing of the ocean contributions from ultraviolet tonear-infrared using the shortwave infrared bands:simulations[J].AppliedOptics,2007,46(9):1535-1547.
Shi K,Zhang Y,Xu H et al.Long-Term Satellite Observations ofMicrocystin Concentrations in Lake Taihu during Cyanobacterial Bloom Periods[J].Environ Science Technology,2015,49(11):6448-6456.
李波,濮培民,韩爱民等.洪泽湖水质的时空相关性分析[J].湖泊科学,2002,03:259-266.
发明内容
本发明的目的在于提供一种针对新型卫星传感器VIIRS的浑浊湖泊水体悬浮物浓度估算方法,可精确获取内陆浑浊水体的悬浮物浓度的时空分布,科学评估湖泊生态环境,为水利、环保等部门的水资源管理、水环境保护的科学决策提供科技支撑。
本发明的上述目的通过独立权利要求的技术特征实现,从属权利要求以另选或有利的方式发展独立权利要求的技术特征。
为达成上述目的,本发明所采用的技术方案如下:
一种基于VIIRS传感器的浑浊湖泊水体悬浮物浓度估算方法,包括如下步骤:
1)结合湖泊野外实测光谱与物质浓度数据,分析其水体光学特性与水质主导因子;
2)筛选浑浊湖泊水体中对悬浮物浓度变化敏感的波段,使用曲线拟合确定悬浮物浓度与地面实测光谱(Rrs)的最优模型;
3)利用去除水汽、臭氧吸收和瑞利散射校正后的Rrc数据建立适用于VIIRS的悬浮物浓度定量模型;最后将建立后的模型运用到VIIRS影像上,准确获取浑浊湖泊水体的悬浮物浓 度的年际、月际变化规律及其空间分布。
作为进一步的示例,前述方法的具体实现包括:
1)基于湖泊野外实测光谱与物质浓度数据,分析其水体光学特性与水质主导因子;
水体光学特性与主导因子分析是指基于实测遥感反射率(Rrs)、吸收系数(包括:浮游植物色素吸收系数aph,非色素颗粒吸收系数ad和有色可溶性有机物吸收系数ag)、悬浮物浓度(包括无机悬浮物、有机悬浮物)、叶绿素a浓度等数据分析湖泊光学特性变化的主导因素;
2)筛选悬浮物浓度变化敏感波段,确定悬浮物浓度与实测遥感反射率(Rrs)的最优模型;
根据VIIRS的波段设置,将实测遥感反射率(Rrs)与对应悬浮物浓度做相关性,分析每个波段与悬浮物浓度的相关性,以发现悬浮物浓度变化的敏感波段;之后将这些波段与实测悬浮物浓度拟合,确定实测遥感反射率(Rrs)与悬浮物浓度的定量模型;
3)获取基于VIIRS卫星影像的悬浮物浓度反演模型;
基于SeaDAS软件,使用R2014.0替代定标系数与查找表对VIIRS进行替代定标、水汽、臭氧吸收去除和瑞利散射校正处理得到Rrc数据;将上述步骤2)得到的敏感波段的Rrc数据与同步的实测悬浮物浓度之间建立定量表达式,并应用至卫星影像上;基于前述的反演模型,在对多幅时间序列的卫星影像处理后获取浑浊湖泊悬浮物浓度的年际、月际变化规律及其空间分布。
本发明利用去除瑞利散射后的Rrc数据(Hu et al.,2004),结合湖泊的星地同步实测数据,通过简单大气校正方法,构建湖泊水体悬浮物浓度遥感估算模型,并应用到长时间序列VIIRS数据上,为VIIRS在内陆水体遥感研究提供参考。
由以上本发明的技术方案可知,本发明的针对新型卫星传感器VIIRS在浑浊湖泊水体估算悬浮物浓度的方法,基于实测遥感反射率Rrs与悬浮物浓度的相关分析,探寻悬浮物变化的敏感波段为理论基础;借助水体辐射传输方程,基于短波红外气溶胶贡献近似为0这一假设,对经水汽、臭氧吸收去除和瑞利散射校正后的Rrc数据,将敏感波段的Rrc数据减去短波红外的Rrc(1238)以获取更接近遥感反射率Rrs的数据,从而建立可用于新型卫星传感器VIIRS的悬浮物浓度定量估算模型。悬浮物浓度的时空分布可以有效的实现对湖泊生态环境以及饮用水源地进行有效评估;湖泊悬浮物浓度的长期高精度监测,有助于科学评估年际间悬浮物浓度的变化及其发展趋势,有效评估湖泊水体生态环境变化,为水利、环保等部门的水资源管理、水环境保护的科学决策提供科技支撑。
应当理解,前述构思以及在下面更加详细地描述的额外构思的所有组合只要在这样的构思不相互矛盾的情况下都可以被视为本公开的发明主题的一部分。另外,所要求保护的主题 的所有组合都被视为本公开的发明主题的一部分。
结合附图从下面的描述中可以更加全面地理解本发明教导的前述和其他方面、实施例和特征。本发明的其他附加方面例如示例性实施方式的特征和/或有益效果将在下面的描述中显见,或通过根据本发明教导的具体实施方式的实践中得知。
附图说明
附图不意在按比例绘制。在附图中,在各个图中示出的每个相同或近似相同的组成部分可以用相同的标号表示。为了清晰起见,在每个图中,并非每个组成部分均被标记。现在,将通过例子并参考附图来描述本发明的各个方面的实施例,其中:
图1是不同SPM浓度下水体遥感反射率光谱及其在VIIRS和MODIS波段上的响应图。
图2a-c是洪泽湖水体水质光学特性分析图。
图2a是洪泽湖水体无机悬浮物、有机悬浮物浓度和总悬浮物浓度示意图。
图2b是洪泽湖水体吸收系数、波长关系图。
图2c是洪泽湖水体不同时间波长443nm和671nm处吸收系数aph、ad和ag示意图。
图3是去除瑞利散射后的反射率Rrc与悬浮物浓度的敏感性分析和模型拟合图。
图4是洪泽湖悬浮物浓度的VIIRS卫星反演空间分布结果(2014年09月12日)。
图5是某一段时期的(2012-2015年)洪泽湖悬浮物浓度的VIIRS卫星反演汇总图。
图6是VIIRS在太湖的悬浮物反演实施案例(2016年3月1日)。
图7是VIIRS在鄱阳湖的悬浮物反演实施案例(2015年7月31日)。
前述图示1-5中,作为英文形式表达的各坐标、标识或其他表示,均为本领域所公知的,并不在本例中再做赘述。
具体实施方式
为了更了解本发明的技术内容,特举具体实施例并配合所附图式说明如下。
在本公开中参照附图来描述本发明的各方面,附图中示出了许多说明的实施例。本公开的实施例不必定意在包括本发明的所有方面。应当理解,上面介绍的多种构思和实施例,以及下面更加详细地描述的那些构思和实施方式可以以很多方式中任意一种来实施,这是应为本发明所公开的构思和实施例并不限于任何实施方式。另外,本发明公开的一些方面可以单独使用,或者与本发明公开的其他方面的任何适当组合来使用。
实施例1
本实施例以洪泽湖水体为例,对本发明的技术方案作进一步描述。
本发明基于VIIRS传感器卫星数据进行浑浊湖泊水体悬浮物浓度估算,上述目的是这样实现的:结合2014-2015年洪泽湖野外实测光谱与物质浓度数据,分析其水体光学特性与水 质主导因子;之后,筛选浑浊湖泊水体中对悬浮物浓度变化敏感的波段(671nm、745nm、862nm),并使用曲线拟合(指数、乘幂、线性)确定悬浮物浓度与地面实测光谱(Rrs)的最优模型;结合实测光谱估算模型,利用去除水汽、臭氧吸收和瑞利散射校正后的Rrc数据建立适用于VIIRS的悬浮物浓度定量模型;最后将建立后的模型运用到2012-2015年的VIIRS影像上,准确获取浑浊湖泊水体的悬浮物浓度的年际、月际变化规律及其空间分布。
作为示例性的描述,下面结合附图所示,对前述方法的实施进行具体说明。
步骤1、洪泽湖水体光学特性与水质主导因子分析;
洪泽湖水体光学特性与主导因子分析是指基于实测遥感反射率(Rrs)、吸收系数(包括:浮游植物色素吸收系数aph,非色素颗粒吸收系数ad和有色可溶性有机物吸收系数ag)、悬浮物浓度(包括无机悬浮物、有机悬浮物)、叶绿素a浓度等数据分析洪泽湖光学特性变化的主导因素。洪泽湖水体水质光学特性分析图如图2a-c所示,无机悬浮物浓度大大高于有机悬浮物浓度;而且,无机悬浮物浓度与总悬浮浓度的相关性高达0.94(p<0.001),表明:洪泽湖水体为典型悬浮物(无机悬浮物)主导水体,是悬浮物浓度估算的典型湖泊;
其中,采用美国ASD公司的双通道地面光谱监测仪获取湖泊野外实测的遥感反射率Rrs数据;悬浮物浓度采用“称量法”测量,叶绿素a浓度采用“丙酮萃取法”利用分光光度计测量。
步骤2、悬浮物浓度变化敏感波段及与实测遥感反射率(Rrs)的最优模型的确定;
图1是不同SPM浓度下水体遥感反射率光谱及其在VIIRS和MODIS波段上的响应图。首先,参考VIIRS的波段设置,选择4次实测采样光谱数据Rrs(486)、Rrs(551)、Rrs(671)、Rrs(745)、Rrs(862),结合实测悬浮物浓度数据,计算5个波段的Rrs与悬浮物浓度Pearson系数,671、745、862nm的结果皆大于0.8,呈现显著正相关;然后,将这三个波段内的Rrs数据分别按照指数、乘幂、线性方式与悬浮物浓度进行拟合,R2分别是0.74、0.87、0.81。结果表明,671nm、745nm和862nm适合用于建立悬浮物浓度估算模型;
步骤3、获取基于VIIRS卫星影像的悬浮物浓度反演模型;
首先,利用SeaDAS进行VIIRS L1A级产品的替代定标(替代定标系数为R2014.0)并进行几何校正得到L1B级数据,基于同步气象数据和Ahmad辐射传输模型产生的查找表进行水汽、臭氧吸收和瑞利散射的校正,得到Rrc产品;
其次,针对VIIRS Rrc数据,遴选与卫星过境时间不超过±3小时的实测样点;每个点经过云判定(Rrc(1238)>0.1)和3*3窗口检验(变异系数<0.1),获取模型训练和验证数据集;
根据水体辐射传输方程,忽略白帽反射和太阳耀斑的前提下,经过瑞利校正后得到的Rrc 可以近似表示为气溶胶散射和遥感反射率之和(如公式1和公式2所示);假设短波红外处信号为气溶胶贡献,分别使用Rrc(671)、Rrc(745)、Rrc(862)减去Rrc(1238),可去除部分气溶胶信号。
ρt(λ)=ρr(λ)+ρa(λ)+t(λ)ρwc(λ)+T(λ)ρg(λ)+πt(λ)t0(λ)Rrs(λ) (公式1)
Rrc(λ)=ρt(λ)-ρr(λ)=ρa(λ)+πt(λ)t0(λ)Rrs(λ) (公式2)
其中,λ为波长,ρt(λ)为大气顶层反射率,ρr(λ)为大气分子散射,ρa(λ)为气溶胶散射,ρwc(λ)为白帽反射,ρg(λ)为太阳耀斑,T(λ)为大气直射透过率,t和t0分别是入射和观测时的大气散射透过率。
于是,将671nm、745nm、862nm处的Rrc数据以及使用Rrc(671)、Rrc(745)、Rrc(862)减去Rrc(1238)的结果分别与实测悬浮物进行拟合(图3),Rrc(671)-Rrc(1238)和悬浮物浓度具有较好的指数关系,精度较高,最后得到应用于VIIRS影像的悬浮物浓度估算模型为:
最后,将公式(3)应用到所有464景VIIRS影像上,得到洪泽湖水体悬浮物月均、季节和年际平均时空分布图(图5)。
通过上述方法即可建立VIIRS的适用于洪泽湖等内陆浑浊湖泊水体悬浮物浓度估算模型,并且空间分布合理。总体上,VIIRS数据对于洪泽湖而言,750m的空间分辨率能够体现水体水质变化;据此,VIIRS将在大型内陆湖泊水体环境研究中具有较好的前景。将VIIRS数据和MODIS历史影像通过真实性检验后,建立卫星监测参数之间的关系,即可实现浑浊湖泊水体的悬浮物浓度的的长期监测,形成长时间序列的地球环境观测数据集;有助于科学评估年际间悬浮物浓度的变化及其发展趋势,有效评估湖泊生态环境的状况,为水利、环保等部门的水资源管理、水环境保护的科学决策提供科技支撑。
此外,我们将公式(3)直接应用到鄱阳湖、太湖,得到了与RGB一致的空间分布特征,如图6、图7所示。但是由于缺少实测数据,悬浮物浓度的精度有待考证,若使用实测数据对模型参数重新调整,将得到更好的反演结果。
虽然本发明已以较佳实施例揭露如上,然其并非用以限定本发明。本发明所属技术领域中具有通常知识者,在不脱离本发明的精神和范围内,当可作各种的更动与润饰。因此,本发明的保护范围当视权利要求书所界定者为准。
Claims (6)
1.一种基于VIIRS传感器的浑浊湖泊水体悬浮物浓度估算方法,其特征在于,包括如下步骤:
1)基于湖泊野外实测光谱与物质浓度数据,分析其水体光学特性与水质主导因子;
基于实测获取遥感反射率Rrs、吸收系数、悬浮物浓度、叶绿素a浓度数据,分析湖泊光学特性变化的主导因素;
2)筛选悬浮物浓度变化敏感波段,确定悬浮物浓度与实测遥感反射率Rrs的最优的模型;
根据VIIRS的波段设置,将湖泊实测遥感反射率Rrs与对应悬浮物浓度做相关性分析,分析每个波段与悬浮物浓度的相关性,找出悬浮物浓度变化的敏感波段;之后将敏感波段的Rrs数据与实测悬浮物浓度进行曲线拟合,得到最优的模型,即为适用于浑浊湖泊水体的实测遥感反射率定量反演悬浮物模型;
3)获取基于VIIRS卫星影像的悬浮物浓度反演模型;
基于SeaDAS软件,使用R2014.0替代定标系数与查找表对VIIRS进行替代定标、水汽、臭氧吸收去除和瑞利散射校正处理得到瑞利校正后的散射率Rrc数据;将上述步骤2)得到的最优的模型应用至卫星影像上;基于前述的反演模型,在对多幅时间序列的卫星影像处理后获取浑浊湖泊悬浮物浓度的年际、月际变化规律及其空间分布。
2.根据权利要求1所述的方法,其特征在于,所述步骤1)中,采用美国ASD公司的双通道地面光谱监测仪获取湖泊野外实测的遥感反射率Rrs数据;悬浮物浓度采用“称量法”测量,叶绿素a浓度采用“丙酮萃取法”利用分光光度计测量。
3.根据权利要求1所述的方法,其特征在于,所述步骤2)中,悬浮物浓度敏感波段判定方法为:计算每个波段的Rrs与悬浮物浓度的Pearson系数,Pearson系数大于0.8,Rrs与悬浮物浓度呈现显著正相关,即为所述悬浮物浓度敏感波段。
4.根据权利要求1所述的方法,其特征在于,所述拟合方式包括指数、成幂和线性拟合。
5.根据权利要求1所述的方法,其特征在于,所述步骤3)中,建立适用于卫星反演的悬浮物估算模型,具体包括:
首先,利用SeaDAS进行VIIRS L1A级产品的替代定标,替代定标系数为R2014.0,并进行几何校正得到L1B级数据,基于同步气象数据和Ahmad辐射传输模型产生的查找表进行水汽、臭氧吸收和瑞利散射的校正,得到Rrc产品;
其次,针对VIIRS Rrc数据,遴选与卫星过境时间不超过±3小时的实测样点;每个点经过云判定和3*3窗口检验,获取模型训练和验证数据集;
最后,将敏感波段的Rrc数据减去Rrc(1238)的结果分别与实测悬浮物浓度进行拟合,与悬浮物浓度具有好的指数关系的代表精度高,采用该敏感波段的Rrc数据模型用于卫星影像上的悬浮物浓度估算。
6.根据权利要求5所述的方法,其特征在于,所述拟合的原理为经过瑞利校正后得到的Rrc近似表示为气溶胶散射和遥感反射率之和,假设短波红外处信号为气溶胶贡献,减去Rrc(1238),可去除部分气溶胶信号,提高大气校正精度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610482686.1A CN106126826B (zh) | 2016-06-27 | 2016-06-27 | 一种基于viirs传感器的浑浊湖泊水体悬浮物浓度估算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610482686.1A CN106126826B (zh) | 2016-06-27 | 2016-06-27 | 一种基于viirs传感器的浑浊湖泊水体悬浮物浓度估算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106126826A CN106126826A (zh) | 2016-11-16 |
CN106126826B true CN106126826B (zh) | 2019-02-26 |
Family
ID=57266784
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610482686.1A Active CN106126826B (zh) | 2016-06-27 | 2016-06-27 | 一种基于viirs传感器的浑浊湖泊水体悬浮物浓度估算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106126826B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111538940A (zh) * | 2020-05-12 | 2020-08-14 | 自然资源部第二海洋研究所 | 悬浮物浓度反演模型确定方法及悬浮物浓度确定方法 |
Families Citing this family (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106645037A (zh) * | 2016-11-17 | 2017-05-10 | 安徽理工大学 | 基于高光谱技术检测煤矸石充填复垦重构土壤重金属含量的方法 |
CN107219171B (zh) * | 2017-05-18 | 2019-09-17 | 杭州师范大学 | 一种海洋表层水体悬浮颗粒物中多环芳烃的遥感监测方法 |
CN110186869B (zh) * | 2018-02-23 | 2023-08-15 | 三星电子株式会社 | 用于估计血液化合物浓度的装置和方法 |
CN108896501B (zh) * | 2018-07-07 | 2021-02-26 | 中国科学院南京地理与湖泊研究所 | 一种河流溶解有机碳有效入海通量的遥感估算方法 |
CN109211205A (zh) * | 2018-10-23 | 2019-01-15 | 中国科学院南京地理与湖泊研究所 | 浅水环境下激光测波装置和方法 |
CN109283144A (zh) * | 2018-10-26 | 2019-01-29 | 浙江省水利河口研究院 | 强潮高浑浊河口悬浮泥沙长历时变化的遥感计算方法 |
CN109282798A (zh) * | 2018-10-31 | 2019-01-29 | 中国科学院南京地理与湖泊研究所 | 一种基于遥感影像提取湖库高浑浊区的方法 |
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 |
CN109635249B (zh) * | 2019-01-09 | 2020-06-30 | 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、检测方法及装置 |
CN109709296A (zh) * | 2019-02-21 | 2019-05-03 | 南通大学 | 一种快速连续估算水中悬浮态镉浓度的方法 |
CN110032928B (zh) * | 2019-02-27 | 2021-09-24 | 成都数之联科技有限公司 | 一种适用于颜色敏感的卫星遥感影像水体识别方法 |
CN110196239B (zh) * | 2019-06-12 | 2020-09-29 | 中国科学院南京地理与湖泊研究所 | 浑浊水体浮游植物吸收系数光谱遥感反演方法 |
CN110598251B (zh) * | 2019-08-05 | 2021-11-09 | 中国科学院南京地理与湖泊研究所 | 基于Landsat-8数据和机器学习的湖泊叶绿素a浓度反演方法 |
CN110781910A (zh) * | 2019-08-06 | 2020-02-11 | 广州地理研究所 | 一种马尔可夫协同下的悬浮物遥感评估方法 |
CN111965608B (zh) * | 2020-07-16 | 2024-01-12 | 自然资源部第二海洋研究所 | 一种基于水体叶绿素浓度的星载海洋激光雷达探测能力评估方法 |
CN112229771B (zh) * | 2020-08-27 | 2022-09-30 | 南昌工程学院 | 基于悬浮物示踪的江水倒灌入湖遥感监测方法 |
CN112697752B (zh) * | 2020-12-09 | 2022-11-18 | 中国科学院东北地理与农业生态研究所 | 估算全球内陆水体透明度的方法 |
CN113420497B (zh) * | 2021-06-01 | 2024-04-19 | 中国科学院南京地理与湖泊研究所 | 浑浊湖泊总磷浓度遥感估算方法 |
CN113552034B (zh) * | 2021-07-12 | 2022-05-13 | 大连理工大学 | 浅水湖泊悬浮颗粒物浓度modis影像遥感反演方法 |
CN113916808B (zh) * | 2021-09-02 | 2022-05-27 | 自然资源部第二海洋研究所 | 一种营养盐浓度的获得方法、装置、终端设备及存储介质 |
CN113536606A (zh) * | 2021-09-15 | 2021-10-22 | 成都同飞科技有限责任公司 | 一种水体水质变化检测方法及系统、存储介质和装置 |
CN115993668B (zh) * | 2023-03-22 | 2023-05-30 | 成都云智北斗科技有限公司 | 一种基于多项式改正和神经网络的pwv重建方法及系统 |
CN116879237B (zh) * | 2023-09-04 | 2023-12-12 | 自然资源部第二海洋研究所 | 一种近海浑浊水体的大气校正方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6161075A (en) * | 1998-07-09 | 2000-12-12 | Itt Manufacturing Enterprises, Inc. | Method for determining the accuracy of measured environmental data parameters |
CN102721644A (zh) * | 2012-06-21 | 2012-10-10 | 中国科学院对地观测与数字地球科学中心 | 一种水环境遥感数据处理方法及装置 |
CN104764716A (zh) * | 2014-10-21 | 2015-07-08 | 青岛海洋地质研究所 | 一种水体悬浮泥沙浓度的反演方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130342845A1 (en) * | 2012-06-21 | 2013-12-26 | Wei Chen | Method of multispectral decomposition for the removal of out-of-band effects |
-
2016
- 2016-06-27 CN CN201610482686.1A patent/CN106126826B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6161075A (en) * | 1998-07-09 | 2000-12-12 | Itt Manufacturing Enterprises, Inc. | Method for determining the accuracy of measured environmental data parameters |
CN102721644A (zh) * | 2012-06-21 | 2012-10-10 | 中国科学院对地观测与数字地球科学中心 | 一种水环境遥感数据处理方法及装置 |
CN104764716A (zh) * | 2014-10-21 | 2015-07-08 | 青岛海洋地质研究所 | 一种水体悬浮泥沙浓度的反演方法及装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111538940A (zh) * | 2020-05-12 | 2020-08-14 | 自然资源部第二海洋研究所 | 悬浮物浓度反演模型确定方法及悬浮物浓度确定方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106126826A (zh) | 2016-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106126826B (zh) | 一种基于viirs传感器的浑浊湖泊水体悬浮物浓度估算方法 | |
Liu et al. | An OLCI-based algorithm for semi-empirically partitioning absorption coefficient and estimating chlorophyll a concentration in various turbid case-2 waters | |
Pahlevan et al. | ACIX-Aqua: A global assessment of atmospheric correction methods for Landsat-8 and Sentinel-2 over lakes, rivers, and coastal waters | |
Chen et al. | A review of some important technical problems in respect of satellite remote sensing of chlorophyll-a concentration in coastal waters | |
Bonansea et al. | Using new remote sensing satellites for assessing water quality in a reservoir | |
Tyler et al. | Remote sensing of the water quality of shallow lakes: A mixture modelling approach to quantifying phytoplankton in water characterized by high‐suspended sediment | |
Wu et al. | Statistical model development and estimation of suspended particulate matter concentrations with Landsat 8 OLI images of Dongting Lake, China | |
Ouma et al. | Estimation of Reservoir Bio‐Optical Water Quality Parameters Using Smartphone Sensor Apps and Landsat ETM+: Review and Comparative Experimental Results | |
Rodríguez-López et al. | Spectral analysis using LANDSAT images to monitor the chlorophyll-a concentration in Lake Laja in Chile | |
Li et al. | Estimation of chlorophyll-a concentrations in a highly turbid eutrophic lake using a classification-based MODIS land-band algorithm | |
Ali et al. | Application of empirical and semi-analytical algorithms to MERIS data for estimating chlorophyll a in Case 2 waters of Lake Erie | |
Chen et al. | Evaluation of a three-band model for estimating chlorophyll-a concentration in tidal reaches of the Pearl River Estuary, China | |
Kutser et al. | Mapping inland water carbon content with Landsat 8 data | |
Wu et al. | Comparison of MODIS-based models for retrieving suspended particulate matter concentrations in Poyang Lake, China | |
Wu et al. | Developing MODIS-based retrieval models of suspended particulate matter concentration in Dongting Lake, China | |
Chen et al. | A simple atmospheric correction algorithm for MODIS in shallow turbid waters: A case study in Taihu Lake | |
Pu et al. | Applications of imaging spectrometry in inland water quality monitoring—a review of recent developments | |
Pan et al. | Evaluation of atmospheric correction algorithms over lakes for high-resolution multispectral imagery: Implications of adjacency effect | |
Malthus et al. | The case for a global inland water quality product | |
Lombard et al. | Open science resources from the Tara Pacific expedition across coral reef and surface ocean ecosystems | |
Qi et al. | Remote sensing of brine shrimp cysts in salt lakes | |
Hang et al. | Estimation of chlorophyll-a concentration in Lake Taihu from Gaofen-1 wide-field-of-view data through a machine learning trained algorithm | |
Tavora et al. | Recipes for the derivation of water quality parameters using the high-spatial-resolution data from sensors on board sentinel-2A, sentinel-2B, Landsat-5, Landsat-7, Landsat-8, and Landsat-9 satellites | |
Xiao et al. | Monitoring of chlorophyll-a and suspended sediment concentrations in optically complex inland rivers using multisource remote sensing measurements | |
Jiang et al. | Validation of MODIS ocean-colour products in the coastal waters of the Yellow Sea and East China Sea |
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 |