CN107064068A - 一种浑浊水体颗粒有机碳浓度的遥感反演方法 - Google Patents

一种浑浊水体颗粒有机碳浓度的遥感反演方法 Download PDF

Info

Publication number
CN107064068A
CN107064068A CN201710022681.5A CN201710022681A CN107064068A CN 107064068 A CN107064068 A CN 107064068A CN 201710022681 A CN201710022681 A CN 201710022681A CN 107064068 A CN107064068 A CN 107064068A
Authority
CN
China
Prior art keywords
concentration
remote sensing
poc
remote
tsm
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
Application number
CN201710022681.5A
Other languages
English (en)
Other versions
CN107064068B (zh
Inventor
王繁
王亚琪
陈迤岳
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.)
Hangzhou Normal University
Original Assignee
Hangzhou Normal 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 Hangzhou Normal University filed Critical Hangzhou Normal University
Priority to CN201710022681.5A priority Critical patent/CN107064068B/zh
Publication of CN107064068A publication Critical patent/CN107064068A/zh
Application granted granted Critical
Publication of CN107064068B publication Critical patent/CN107064068B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01N21/55—Specular reflectivity
    • 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
    • G01N21/314—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry with comparison of measurements at specific and non-specific wavelengths
    • 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
    • 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
    • G01N21/314—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry with comparison of measurements at specific and non-specific wavelengths
    • G01N2021/3148—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry with comparison of measurements at specific and non-specific wavelengths using three or more wavelengths
    • 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

  • Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Analytical Chemistry (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明公开一种浑浊水体颗粒有机碳浓度的遥感反演方法，属于水质参数遥感反演领域。其包括下述步骤：获取研究区表层水体悬浮物(TSM)浓度、颗粒有机碳(POC)浓度以及悬浮物粒径分布(PSD)的数据；获取现场遥感反射率以及研究区遥感影像；对现场遥感光谱数据进行处理，获取遥感反演的敏感波段，接下来建立颗粒有机碳浓度和悬浮物浓度、颗粒物粒径分布的统计关系、悬浮物浓度的遥感反演模型、粒径分布的遥感反演模型，最后通过三者联立得到建立基于悬浮物浓度和粒径分布的颗粒有机碳遥感反演方法。本发明提供的一种浑浊水体颗粒有机碳浓度的遥感反演方法能够直接反映遥感反演模型的物理基础，提高遥感反演的精度。

Description

一种浑浊水体颗粒有机碳浓度的遥感反演方法
技术领域
本发明涉及一种浑浊水体颗粒有机碳浓度的遥感反演方法，适用于二类浑浊水体表层颗粒有机碳(Particulate Organic Carbon,POC)遥感反演，属于水质参数遥感反演技术领域。
背景技术
基于遥感技术来获取水质参数是根据遥感信号与水体光学活性物质之间的关系模型，通过遥感影像的形式反演出某一区域的水质参数的过程。它已广泛应用到水资源管理与水环境保护等诸多领域，并为相关部门提供科学决策的依据。
当前，基于遥感技术获取水质参数已经成为一个非常活跃的研究方向，世界海洋环流实验WOCE、海洋通量联合研究计划JGOFS、南大西洋通风实验SAVE、我国的国家重点基础研究发展计划(973计划)和其他项目试验研究均取得了诸多成果。目前基于遥感技术获取水质参数的方法主要有经验模型，半分析模型，理论分析模型。
其中，经验模型灵活方便易于实现，在遥感反演中广泛应用。目前能够直接通过水色遥感获取的水质参数主要有叶绿素(chlorophyll-a,Chl-a)、悬浮物(total suspendedmatter,TSM)、有色可溶性有机物(Colored dissolved organic matter,CDOM)，而POC本身不具有光学活性，不能直接获取，许多研究直接利用遥感反射率和POC浓度建立经验关系模型，不具有明确的物理意义。另外，POC主要吸附于悬浮物上，悬浮物的粒径分布(particlesize distribution,PSD)变化影响POC的吸附能力，也是影响水体遥感信号变化的主要因素，然而现有水色算法几乎不考虑粒径及分布模式对遥感反射率的影响,忽略了水体悬浮颗粒物粒径分布的体积浓度对POC浓度反演的影响。
为了克服这个缺点，邢建伟等研究者发现POC与TSM实测数据呈现极显著的线性正相关关系，水体TSM浓度是POC浓度水平和垂向输运的主要载体，因此可以通过光学活性物质TSM间接得到POC遥感反演。研究者王芳、王繁等试图将粒径分布加入到TSM模型中以提高模型精度。但只考虑中值粒径D50，而D10和D90没有参与其中，针对POC浓度的遥感反演，其粒径分布的参与更是少。
传统的颗粒有机碳浓度遥感反演方法直接通过遥感反射率和水体POC浓度来建立关系模型来反演POC浓度，但是这种方法没有明确的物理意义，精度较低。
发明内容
针对以上问题，本发明提供一种浑浊水体颗粒有机碳浓度的遥感反演方法，该方法具有明确的物理意义，包括水体POC遥感反演的两个影响因素：一个是TSM浓度变化引起的POC质量浓度的变化，另一个是由于悬浮物PSD的变化引起的POC体积浓度的变化，该方法能直接反映遥感反演模型的物理基础，提高遥感反演的精度。
本发明解决其技术问题所采用的技术方案是：一种浑浊水体颗粒有机碳浓度的遥感反演方法，其包括以下步骤：
(1)数据准备，研究区采集表层水体并且现场获取水体光谱，在实验室获取水体TSM浓度、POC浓度以及悬浮物PSD的数据，获取现场遥感反射率以及下载研究区遥感影像并对遥感影像进行预处理；
(2)处理现场测量水面的光谱数据，根据水面光谱双峰特征以及遥感反射率和TSM、POC的相关性确定遥感反演的敏感波段，将其应用于POC遥感反演模型中；
(3)建立POC浓度和TSM浓度、悬浮物PSD之间的统计关系，对遥感敏感波段以及其波段组合建立经验统计关系，将POC浓度和TSM浓度、悬浮物PSD进行回归拟合，比较分析确定POC浓度和TSM浓度、悬浮物PSD最佳拟合式(1)；
(4)建立TSM浓度的遥感反演模型，将敏感单波段以及波段组合和TSM浓度进行回归拟合，建立遥感反射率和TSM浓度的统计回归曲线拟合式(2)；
(5)建立悬浮物PSD的遥感反演模型，将敏感单波段以及波段组合和悬浮物PSD进行回归拟合，建立遥感反射率和悬浮物PSD的统计回归曲线拟合式(3)；
(6)建立基于TSM浓度和悬浮物PSD的POC浓度遥感模型，通过(1)(2)(3)的联立最终得到建立基于TSM浓度和悬浮物PSD的POC浓度遥感模型。
(7)遥感影像的应用，通过对遥感影像预处理，ENVI软件的band math计算及处理、ArcGIS软件的图像输出获得颗粒有机碳浓度图。
所述步骤(5)粒径分布包括了D10、D50和D90，统计回归曲线拟合式(3)包括D10、D50和D90的统计回归曲线拟合式，将粒径与遥感反射率以及两者的组合变换进行回归拟合最终确立D10、D50、D90的关系式。
所述步骤(7)的遥感影像为MODIS遥感影像，从NASA获取与采样时间同步的MOD09Q1数据，经过MODLAND提供的MRT(MODIS Reprojection Tool)工具对数据进行影像拼接、坐标投影转换的预处理，在ENVI中进行水陆分离去云掩膜之后ENVI-band math进行粒径分布加入的POC模型计算，最后通过ArcGIS进行图像输出得到POC浓度图。
本发明的有益效果是：该方法具有明确的物理意义，包括水体POC遥感反演的两个影响因素：一个是TSM浓度变化引起的POC质量浓度的变化，另一个是由于悬浮PSD的变化引起的POC体积浓度的变化，该方法能直接反映遥感反演模型的物理基础，提高遥感反演的精度。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1为本发明技术路线图；
图2为本发明表层水体反射率光谱图；
图3为本发明MODIS中心波段和TSM、POC的相关性；
图4为本发明POC和TSM以及PSD的回归统计关系；
图5为本发明TSM和MODIS波段的统计关系；
图6为本发明杭州湾小潮POC浓度图；
图7为本发明杭州湾大潮POC浓度图。
具体实施方式
现在结合附图对本发明作进一步详细的说明。
如图1所述，一种浑浊水体颗粒有机碳浓度的遥感反演方法，其包括以下步骤：
(1)数据准备，研究区采集表层水体并且现场获取水体光谱，在实验室获取水体TSM浓度、POC浓度以及悬浮物PSD的数据，NASA官网下载研究区遥感影像并对研究区遥感影像进行预处理；
(2)处理现场测量水面的光谱数据，根据水面光谱双峰特征以及遥感反射率和TSM、POC的相关性确定遥感反演的敏感波段，将其应用于POC遥感反演模型中；
(3)建立POC浓度和TSM浓度、悬浮物PSD之间的统计关系，对遥感敏感波段以及其波段组合建立经验统计关系，将POC浓度和TSM浓度、悬浮物PSD进行回归拟合，比较分析确定POC浓度和TSM浓度、悬浮物PSD最佳拟合式(1)；
(4)建立TSM浓度的遥感反演模型，将敏感单波段以及波段组合和TSM浓度进行回归拟合，建立遥感反射率和TSM浓度的统计回归曲线拟合式(2)；
(5)建立悬浮物PSD的遥感反演模型，将敏感单波段以及波段组合和悬浮物PSD进行回归拟合，建立遥感反射率和悬浮物PSD的统计回归曲线拟合式(3)；
(6)建立基于TSM浓度和悬浮物PSD的POC浓度遥感模型，通过(1)(2)(3)的联立最终得到建立基于TSM浓度和悬浮物PSD的POC浓度遥感模型。
(7)遥感影像的应用，通过对遥感影像预处理，ENVI软件的band math计算及处理、ArcGIS软件的图像输出获得颗粒有机碳浓度图。
所述步骤(5)粒径分布包括了D10、D50和D90，统计回归曲线拟合式(3)包括D10、D50和D90的统计回归曲线拟合式，将粒径与遥感反射率以及两者的组合变换进行回归拟合最终确立D10、D50、D90的关系式。
所述步骤(7)的遥感影像为MODIS遥感影像，从NASA获取与采样时间同步的MOD09Q1数据，经过MODLAND提供的MRT(MODIS Reprojection Tool)工具对数据进行影像拼接、坐标投影转换的预处理，在ENVI中进行水陆分离去云掩膜之后ENVI-band math进行粒径分布加入的POC浓度计算，最后通过ArcGIS进行图像输出得到颗粒有机碳浓度图。
本发明结合在杭州湾的实际测量过程和数据来说明。
步骤1数据准备
杭州湾采集表层水体并且现场用光谱仪获取水体光谱，在实验室获取TSM、POC以及悬浮物PSD的数据；获取研究区遥感影像。
步骤2遥感光谱数据处理
如图2所示，从表层水体反射率光谱图可以看出杭州湾水体反射率有明显双峰特征，第一个宽峰位于600-700nm之间，第二个波峰出现在820nm附近，波谷则出现在750nm附近。当水中悬浮物浓度低时，第一个反射峰比较敏感且高于第二个反射峰，随着悬浮物浓度的增大，第二个反射峰逐渐升高并且超过第一个反射峰。此光谱为高浓度悬浮物浑浊水体的光谱响应曲线图，最高悬浮物浓度为1799.6mg/l，第二个反射峰明显高于第一个反射峰。
图3为MODIS中心波段遥感反射率和TSM以及POC的相关系数，从图中可以看出TSM和遥感反射率的相关性比POC的相关性要强，结合水体的两个波峰的光谱范围(650-700nm、820nm)、MODIS中心波段与TSM和POC的相关性以及MODIS一二通道的空间分辨率相比其他通道高的特征，最终得出对TSM和POC变化敏感的遥感波段MODIS的第一二通道645nm、858nm来参与模型的建立，645nm、858nm在两个反射峰附近并且相关系数是0.438和0.78。
步骤3建立POC和TSM、悬浮物PSD的统计关系
POC的浓度受悬浮物质量浓度和体积浓度的相互影响，质量浓度表现在TSM的浓度上，体积浓度则表现在粒径分布的影响上，因此通过TSM以及悬浮物PSD来建立POC的多元统计可以更加准确的估算POC的浓度。从图4中可以看出:不加粒径的POC模型精度最低，模型中分别加入D10、D50、D90都会提高模型的精度，但是D10的加入精度提高最明显，三种粒径都加入的模型精度最高(R2＝0.8412)，这与杭州湾水体组分有关，杭州湾小粒径的颗粒较多，而大粒径的颗粒较少，总体而言，粒径的加入使得模型的决定系数从0.752提高到0.841，最终选取的POC模型是：
POC＝0.032TSM+447.474D10-25.091D50+0.651D90-192.817(R2＝0.841,N＝13) (1)
步骤4TSM的遥感反演模型
选取40组数据参与模型建立，5组数据进行检验，其中
R1＝Rrs645,R2＝Rrs858,R3＝Rrs645/Rrs858,
R4＝(Rrs645+Rrs858)/(Rrs645/Rrs858)。从图5可以看出单波段的
Rrs858明显高于Rrs645的拟合精度，波段组合Rrs645/Rrs858乘幂模型曲线拟合精度明显高于其他波段拟合精度，而线性模型拟合最差。最终选取的悬浮物浓度遥感反演模型是:
TSM＝1104.5R3 -2.392(R2＝0.876,N＝40) (2)
步骤5悬浮物PSD的遥感反演模型
将粒径与遥感反射率Rrs645、Rrs858以及两者的组合变换进行回归拟合最终确立D10、D50、D90的关系式如下：
D10＝0.115R3 2-0.219R3+0.668(R2＝0.758,N＝13) (3)
D50＝1.995R3 2-3.969R3+4.1744(R2＝0.838,N＝13) (4)
D90＝-726.08R1 2+83.357R1+7.4424(R2＝0.026,N＝13) (5)
步骤6建立基于TSM和悬浮物PSD的POC遥感模型
综合POC和TSM以及悬浮物PSD的直接关系公式(1)、TSM和遥感反射率直接的关系公式(2)以及D10公式(3)、D50公式(4)以及D90公式(5)确定POC和遥感反射率的关系：
POC＝35.344R3 -2.392+1.403R3 2+1.589R3-472.678R1 2+54.265R1+6.201(6)
用5组未参与模型建立的数据来检验模型的精度，得到均方根误差为4.629mg/l，平均绝对误差13.727％。
通过TSM以及悬浮颗粒物的粒径分布D10、D50、D90以及只加入D50建立遥感反射率和POC之间的POC遥感模型结果与未加入粒径的POC遥感模型结果对比表明：D10、D50、D90粒径的加入使得POC遥感模型的均方根误差从5.882mg/l降低到4.629mg/l，平均绝对误差从17.358％降低到13.727％，而加入D50的POC遥感模型的精度则处于两者之间，均方根误差为5.7mg/l，平均绝对误差14.698％。说明仅有D50无法完整表达水体悬浮颗粒物的粒径组成，D10、D50、D90都参与模型可以相对完整的表达粒径分布，更全面的把握水下信息。因此在模型中综合考虑D10、D50、D90粒径因子的贡献是非常必要的。
步骤7MODIS遥感影像的应用
从NASA获取与采样时间同步的MOD09Q1数据，经过MODLAND提供的MRT(MODISReprojection Tool)工具对数据进行影像拼接、坐标投影转换的预处理，在ENVI中进行海陆分离去云掩膜之后ENVI-band math进行杭州湾粒径加入的POC计算，最后通过ArcGIS进行图像输出得到小潮POC浓度图以及大潮POC浓度图，如图6和图7所示。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (3)

1.如权利要求1所述的一种浑浊水体颗粒有机碳浓度的遥感反演方法，其特征在于，包括以下步骤：
(1)数据准备，研究区采集表层水体并且现场获取水体光谱，在实验室获取水体TSM浓度、POC浓度以及悬浮物PSD的数据，获取现场遥感反射率以及下载研究区遥感影像并对遥感影像进行预处理；
(2)处理现场测量水面的光谱数据，根据水面光谱双峰特征以及遥感反射率和TSM、POC的相关性确定遥感反演的敏感波段，将其应用于POC遥感反演模型中；
(3)建立POC浓度和TSM浓度、悬浮物PSD之间的统计关系，将POC浓度和TSM浓度、悬浮物PSD进行回归拟合，比较分析确定POC浓度和TSM浓度、悬浮物的PSD最佳拟合式(1)；
(4)建立TSM浓度的遥感反演模型，将敏感单波段以及波段组合和TSM浓度进行回归拟合，建立遥感反射率和TSM浓度的统计回归曲线拟合式(2)；
(5)建立悬浮物PSD的遥感反演模型，将敏感单波段以及波段组合和悬浮物PSD进行回归拟合，建立遥感反射率和悬浮物PSD的统计回归曲线拟合式(3)；
(6)建立基于TSM浓度和悬浮物PSD的POC浓度遥感模型，通过(1)(2)(3)的联立最终得到建立基于TSM浓度和悬浮物PSD的POC浓度遥感模型。
(7)遥感影像的应用，通过对遥感影像预处理，ENVI软件的计算及处理、ArcGIS软件的图像输出获得颗粒有机碳浓度图。
2.如权利要求1所述的一种浑浊水体颗粒有机碳浓度的遥感反演方法，其特征在于：所述步骤(5)粒径分布包括了D10、D50和D90，统计回归曲线拟合式(3)包括D10、D50和D90的统计回归曲线拟合式，将粒径与遥感反射率以及两者的组合变换进行回归拟合最终确立D10、D50、D90的关系式。
3.如权利要求1所述的一种浑浊水体颗粒有机碳浓度的遥感反演方法，其特征在于：所述步骤(7)的遥感影像为MODIS遥感影像，从NASA获取与采样时间同步的MOD09Q1数据，经过MODLAND提供的MRT(MODIS Reprojection Tool)工具对数据进行影像拼接、坐标投影转换的预处理，在ENVI中进行水陆分离去云掩膜之后ENVI-band math进行粒径分布加入的POC浓度计算，最后通过ArcGIS进行图像输出得到颗粒有机碳浓度图。
CN201710022681.5A 2017-01-12 2017-01-12 一种浑浊水体颗粒有机碳浓度的遥感反演方法 Expired - Fee Related CN107064068B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710022681.5A CN107064068B (zh) 2017-01-12 2017-01-12 一种浑浊水体颗粒有机碳浓度的遥感反演方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710022681.5A CN107064068B (zh) 2017-01-12 2017-01-12 一种浑浊水体颗粒有机碳浓度的遥感反演方法

Publications (2)

Publication Number Publication Date
CN107064068A true CN107064068A (zh) 2017-08-18
CN107064068B CN107064068B (zh) 2020-01-10

Family

ID=59598318

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710022681.5A Expired - Fee Related CN107064068B (zh) 2017-01-12 2017-01-12 一种浑浊水体颗粒有机碳浓度的遥感反演方法

Country Status (1)

Country Link
CN (1) CN107064068B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108896501A (zh) * 2018-07-07 2018-11-27 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
CN108956392A (zh) * 2018-07-05 2018-12-07 河海大学 一种潮滩沉积物类型的无人机识别方法
CN109507119A (zh) * 2018-09-28 2019-03-22 浙江农林大学 一种基于无人机光谱的水质要素浓度检测方法
CN110750904A (zh) * 2019-10-22 2020-02-04 南京信大气象科学技术研究院有限公司 一种基于遥感数据的区域碳储量空间格局监测系统和方法
CN112051226A (zh) * 2020-09-03 2020-12-08 山东省科学院海洋仪器仪表研究所 基于无人机载高光谱图像估算近海总悬浮物浓度的方法
CN112362544A (zh) * 2020-10-14 2021-02-12 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
CN113670437A (zh) * 2021-10-22 2021-11-19 生态环境部长江流域生态环境监督管理局生态环境监测与科学研究中心 水体颗粒有机碳来源示踪方法、设备和可读存储介质
CN113820295A (zh) * 2021-11-22 2021-12-21 生态环境部长江流域生态环境监督管理局生态环境监测与科学研究中心 水体颗粒有机碳端元浓度确定方法、设备和存储介质
CN114494501A (zh) * 2022-04-01 2022-05-13 南京航天宏图信息技术有限公司 一种水体叶绿素a的重构方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002142686A (ja) * 2000-08-28 2002-05-21 Japan Science & Technology Corp 動植物性廃棄物の資源化方法
CN102508959A (zh) * 2011-10-31 2012-06-20 南京师范大学 反演高浑浊度水体中叶绿素a浓度的四波段半分析模型
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
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
CN105486664A (zh) * 2015-12-31 2016-04-13 浙江大学 探测海洋浮游植物生物量和poc的激光雷达装置及方法
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

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002142686A (ja) * 2000-08-28 2002-05-21 Japan Science & Technology Corp 動植物性廃棄物の資源化方法
CN102508959A (zh) * 2011-10-31 2012-06-20 南京师范大学 反演高浑浊度水体中叶绿素a浓度的四波段半分析模型
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
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
CN105486664A (zh) * 2015-12-31 2016-04-13 浙江大学 探测海洋浮游植物生物量和poc的激光雷达装置及方法
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

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
MALGORZATA STRAMSKA AND JAGODA BIALOGRODZKA: "Satellite observations of seasonal and regional variability of particulate organic carbon concentration in the Barents Sea", 《OCEANOLOGIA》 *
SLAWOMIR B.WOZNIAK ET AL.: "New simple statistical formulas for estimating surface concentrations of suspended particulate matter (SPM) and particulate organic carbon (POC) from remote-sensing reflectance in the southern Baltic Sea", 《OCEANOLOGIA》 *
王繁等: "基于实测光谱的杭州湾悬浮物浓度遥感反演模式", 《环境科学》 *
胡邦琦等: "黄河三角洲北部悬浮体和颗粒有机碳的分布与影响因素", 《中国环境科学》 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108956392A (zh) * 2018-07-05 2018-12-07 河海大学 一种潮滩沉积物类型的无人机识别方法
CN108956392B (zh) * 2018-07-05 2020-11-20 河海大学 一种潮滩沉积物类型的无人机识别方法
CN108896501A (zh) * 2018-07-07 2018-11-27 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
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
CN109507119A (zh) * 2018-09-28 2019-03-22 浙江农林大学 一种基于无人机光谱的水质要素浓度检测方法
CN110750904A (zh) * 2019-10-22 2020-02-04 南京信大气象科学技术研究院有限公司 一种基于遥感数据的区域碳储量空间格局监测系统和方法
CN112051226A (zh) * 2020-09-03 2020-12-08 山东省科学院海洋仪器仪表研究所 基于无人机载高光谱图像估算近海总悬浮物浓度的方法
CN112051226B (zh) * 2020-09-03 2022-10-21 山东省科学院海洋仪器仪表研究所 基于无人机载高光谱图像估算近海总悬浮物浓度的方法
CN112362544A (zh) * 2020-10-14 2021-02-12 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
CN113670437A (zh) * 2021-10-22 2021-11-19 生态环境部长江流域生态环境监督管理局生态环境监测与科学研究中心 水体颗粒有机碳来源示踪方法、设备和可读存储介质
CN113820295A (zh) * 2021-11-22 2021-12-21 生态环境部长江流域生态环境监督管理局生态环境监测与科学研究中心 水体颗粒有机碳端元浓度确定方法、设备和存储介质
CN114494501A (zh) * 2022-04-01 2022-05-13 南京航天宏图信息技术有限公司 一种水体叶绿素a的重构方法及装置

Also Published As

Publication number Publication date
CN107064068B (zh) 2020-01-10

Similar Documents

Publication Publication Date Title
CN107064068A (zh) 一种浑浊水体颗粒有机碳浓度的遥感反演方法
Garcia et al. World Ocean Atlas 2018, Volume 3: Dissolved Oxygen, Apparent Oxygen Utilization, and Dissolved Oxygen Saturation.
Garcia et al. World ocean atlas 2018. Vol. 4: Dissolved inorganic nutrients (phosphate, nitrate and nitrate+ nitrite, silicate)
Liu et al. Comparison and evaluation of three methods for estimating forest above ground biomass using TM and GLAS data
CN111007021A (zh) 基于一维卷积神经网络的高光谱水质参数反演系统及方法
Qiu et al. Application of an improved YOLOv5 algorithm in real-time detection of foreign objects by ground penetrating radar
CN105486655B (zh) 基于红外光谱智能鉴定模型的土壤有机质快速检测方法
CN109557030A (zh) 一种基于无人机遥感的水质要素反演方法
CN111597756A (zh) 一种基于无人机多光谱数据的水质参数反演方法
Wang et al. Satellite retrieval of surface water nutrients in the coastal regions of the East China Sea
Ying et al. Evaluation of water quality based on UAV images and the IMP-MPP algorithm
CN109507119A (zh) 一种基于无人机光谱的水质要素浓度检测方法
CN110109118B (zh) 一种森林冠层生物量的预测方法
Wu et al. Recent progress on vegetation remote sensing using spaceborne GNSS-reflectometry
Zhao et al. Remote sensing evaluation of total suspended solids dynamic with Markov model: A case study of inland reservoir across administrative boundary in South China
CN107677646B (zh) 一种改进dbpso的水质参数监测方法及装置
CN113420497A (zh) 浑浊湖泊总磷浓度遥感估算方法
Zhao et al. Eutrophication and lakes dynamic conditions control the endogenous and terrestrial POC observed by remote sensing: Modeling and application
Lou et al. A new method for long-term river discharge estimation of small-and medium-scale Rivers by using multisource remote sensing and RSHS: Application and validation
Gao et al. Spatiotemporal distribution of total suspended matter concentration in Changdang Lake based on in situ hyperspectral data and sentinel-2 images
CN114112941A (zh) 基于支持向量回归的航空高光谱水体富营养化评价方法
Lou et al. Recognition of thaw slumps based on machine learning and UAVs: A case study in the Qilian Mountains, northeastern Qinghai-Tibet Plateau
Ding et al. TP concentration inversion and pollution sources in Nanyi Lake based on Landsat 8 data and InVEST model
Ding et al. Using geostationary satellite ocean color data and superpixel to map the diurnal dynamics of water transparency in the eastern China seas
Cui et al. The root-soil water relationship is spatially anisotropic in shrub-encroached grassland in North China: Evidence from GPR investigation

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for 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: 20200110

Termination date: 20220112

CF01 Termination of patent right due to non-payment of annual fee