CN107607490A - 基于GOCI影像进行水体中叶绿素a浓度估算的方法 - Google Patents
基于GOCI影像进行水体中叶绿素a浓度估算的方法 Download PDFInfo
- Publication number
- CN107607490A CN107607490A CN201710813740.0A CN201710813740A CN107607490A CN 107607490 A CN107607490 A CN 107607490A CN 201710813740 A CN201710813740 A CN 201710813740A CN 107607490 A CN107607490 A CN 107607490A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- mtd
- msup
- mfrac
- 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.)
- Pending
Links
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于GOCI影像进行水体中叶绿素a浓度估算的方法，涉及环境监测技术领域。该方法无需区域实测数据，即可获取叶绿素a浓度反演模型中水体吸收和后向散射系数，模型移植性较高，同时又保持机理特性；其次利用高时间频次的GOCI卫星影像可捕捉水质状况在短时间内会的急剧变化，对湖泊水质的动态监测和蓝藻水华的预报预警有一定的应用价值，可以解决现有技术中，半分析模型中参数经验化方法的普适应不足问题，以及常规影像无法快速捕捉水质发生过程的问题。
Description
技术领域
本发明涉及环境监测技术领域，尤其涉及一种基于GOCI影像进行水体中叶绿素a浓度估算的方法。
背景技术
叶绿素a浓度是反映水质状况的重要参数之一，与水体中藻类物质含量直接相关，对分析水体富营养化状况具有重要的参考意义。
叶绿素a浓度的获取手段包括采集水样室内化学分析、自动监测设备直接获取和遥感反演。采集水样室内化学分析和自动监测设备直接获取水质浓度值，精度较高，应用较多，但是费用较高，而且监测站点数量有限，缺乏空间连续性，无法满足快速灵活、大面域监测的需求。基于遥感手段的叶绿素a浓度监测由于不受地理位置和人为条件的限制，影像覆盖面积大，获取方便，费用低等优点，在一定程度上弥补了传统监测方法的不足。
目前，水质遥感监测中使用的模型主要分为三类：机理分析模型、半分析模型和经验模型。其中，机理分析模型是通过模拟辐射传输过程进行水质参数的提取，精度较高，但是涉及参数较多并且不易获取，应用较少；经验模型主要是利用统计分析方法建立实测值与反射率的经验关系模型，实现研究区叶绿素a浓度反演，模型简单，但不具有机理特性，移植性较差；半分析模型是在机理模型的基础上，对不易获取的参数进行经验或半经验化，但是目前水体的参数经验化方法研究较少，普适性应用较为困难，受区域水体环境的限制较大；其次当蓝藻水华爆发时，水质状况在短时间内会发生急剧变化，常规时间频次的卫星难以捕捉水质的发生过程。
发明内容
本发明的目的在于提供一种基于GOCI影像进行水体中叶绿素a浓度估算的方法，从而解决现有技术中存在的前述问题。
为了实现上述目的，本发明采用的技术方案如下：
一种基于GOCI影像进行水体中叶绿素a浓度估算的方法，包括如下步骤：
S1，从GOCI遥感影像中获取水面上的反射率，根据如下关系式进行水面上下遥感反射率转换，得到水面下的遥感反射率：
其中，Rrs为水面上的遥感反射率，rrs为水面下的遥感反射率；
S2，根据计算得到的水面下的遥感反射率，依据如下关系式，计算后向散射系数与总吸收的比值：
其中，g0≈0.084，g1≈0.17；
S3，根据计算得到的后向散射系数与总吸收的比值，依据如下关系式，计算参考波长的后向散射系数：
其中：
根据计算得到的后向散射系数与总吸收的比值，依据如下关系式，计算参考波长的吸收系数：
S4，利用计算得到的参考波长的吸收系数与后向散射系数，依据如下关系式，计算任意波长的后向散射系数：
其中λ0为参考波长；
利用计算得到的参考波长的吸收系数与后向散射系数，依据如下关系式，计算任意波长的后向散射系数：
S5，根据计算得到的任意波长的吸收系数与后向散射系数，基于如下的浮游植物的吸收系数估算模型，得到浮游植物的吸收系数：
aph(λ)＝a(λ)-aw(λ)-acdom(443)exp[-S(λ-443)]，
其中：
其中，aw(λ)为纯水吸收系数；
S6，根据计算得到的浮游植物的吸收系数，基于如下的叶绿素a浓度的估算模型，得到叶绿素a浓度：
其中，A(λ)和B(λ)的值由实验确定。
优选地，S1之前还包括步骤，按照如下方法对GOCI遥感影像进行预处理：
基于GOCI L2P经纬度数据采用GLT几何校正法，对GOCI L1B数据进行几何校正；
根据GOCI影像中的定标参数，采用如下关系式，将DN值还原为实际真实物理量大气层顶的辐亮度信息：
L＝Gain*DN+Bias
其中，L为辐亮度，Gain和Bias为辐射定标参数的增益和偏置，2011年4月以后获取的影像的Gain为10-6，Bias为0；
基于ENVI5.1中提供的FLAASH对影像进行大气校正，将大气层顶的辐射亮度信息转换为水表面的反射率信息；
综合利用NDVI、NDWI和近红外波段的波谱特性，进行水体信息的提取。
本发明的有益效果是：本发明提供的基于GOCI影像进行水体中叶绿素a浓度的估算方法，无需区域实测数据，即可获取叶绿素a浓度反演模型中水体吸收和后向散射系数，模型移植性较高，同时又保持机理特性；其次利用高时间频次的GOCI卫星影像可捕捉水质状况在短时间内会的急剧变化，对湖泊水质的动态监测和蓝藻水华的预报预警有一定的应用价值，可以解决现有技术中，半分析模型中参数经验化方法的普适应不足问题，以及常规影像无法快速捕捉水质发生过程的问题。
附图说明
图1是叶绿素a浓度遥感反演方法流程示意图；
图2是东平湖叶绿素a浓度遥感监测图；图3a是半经验反演模型与实测值的精度对比分析；
图3b是QAA反演模型与实测值的精度对比分析。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不用于限定本发明。
如图1所示，本发明实施例提供了一种基于GOCI影像进行水体中叶绿素a浓度估算的方法，包括如下步骤：
S1，从GOCI遥感影像中获取水面上的反射率，根据如下关系式进行水面上下遥感反射率转换，得到水面下的遥感反射率：
其中，Rrs为水面上的遥感反射率，rrs为水面下的遥感反射率；
S2，根据计算得到的水面下的遥感反射率，依据如下关系式，计算后向散射系数与总吸收的比值：
其中，g0≈0.084，g1≈0.17；
S3，根据计算得到的后向散射系数与总吸收的比值，依据如下关系式，计算参考波长的后向散射系数：
其中：
根据计算得到的后向散射系数与总吸收的比值，依据如下关系式，计算参考波长的吸收系数：
S4，利用计算得到的参考波长的吸收系数与后向散射系数，依据如下关系式，计算任意波长的后向散射系数：
其中λ0为参考波长；
利用计算得到的参考波长的吸收系数与后向散射系数，依据如下关系式，计算任意波长的后向散射系数：
S5，根据计算得到的任意波长的吸收系数与后向散射系数，基于如下的浮游植物的吸收系数估算模型，得到浮游植物的吸收系数：
aph(λ)＝a(λ)-aw(λ)-acdom(443)exp[-S(λ-443)]，
其中：
其中，aw(λ)为纯水吸收系数；
S6，根据计算得到的浮游植物的吸收系数，基于如下的叶绿素a浓度的估算模型，得到叶绿素a浓度：
其中，A(λ)和B(λ)的值由实验确定。
在本发明的一个优选实施例中，S1之前还包括步骤，按照如下方法对GOCI遥感影像进行预处理：
基于GOCI L2P经纬度数据采用GLT几何校正法，对GOCI L1B数据进行几何校正；
根据GOCI影像中的定标参数，采用如下关系式，将DN值还原为实际真实物理量大气层顶的辐亮度信息：
L＝Gain*DN+Bias
其中，L为辐亮度，Gain和Bias为辐射定标参数的增益和偏置，2011年4月以后获取的影像的Gain为10-6，Bias为0；
基于ENVI5.1中提供的FLAASH对影像进行大气校正，将大气层顶的辐射亮度信息转换为水表面的反射率信息；
综合利用NDVI、NDWI和近红外波段的波谱特性，进行水体信息的提取。
其中，ENVI5.1是采用交互式数据语言IDL(Interactive Data Language)开发的一套功能强大的遥感图像处理软件，5.1是软件的版本号；
FLAASH是由波谱科学研究所(Spectral Sciences)在美国空气动力实验室支持下开发的大气校正模块，用于影像的大气校正。
NDVI是指归一化植被指数；
NDWI是指归一化水体指数。
具体实施例：
基于QAA算法，以GOCI影像为基础，对山东省东平湖的叶绿素a浓度的估算进行了实验分析，按照如下过程进行实施：
一，遥感影像和实测数据的获取和处理。
(1)实测数据处理
实测数据包括实测光谱数据和实测叶绿素a浓度数据。实测光谱数据依据水体光谱测量原理，通过对湖面直接测量的湖水总体辐亮度、天空光辐亮度、湖水毛细波随机镜面反射辐亮度、水面入射总辐照度、太阳天顶角、太阳方位角、观测天顶角、观测方位角以及风速风向等，计算得到遥感反射率。实测叶绿素a浓度数据需将坐标转换到WGS-84，UTM投影，与影像的坐标系统一致。
(2)遥感影像预处理
如图2所示，为东平湖叶绿素a浓度遥感监测图，对遥感影像进行如下的预处理：
几何校正：GOCI L1B影像已经进行了系统粗校正，但是精度达不到实际需求。基于GOCI L2P经纬度数据采用GLT几何校正法，实现影像的精校正。
辐射定标：根据GOCI影像中的定标参数，将DN值还原为实际真实物理量大气层顶的辐亮度信息。
L＝Gain*DN+Bias
其中L为辐亮度，Gain和Bias为辐射定标参数的增益和偏置。2011年4月以后获取的影像的Gain为10-6，Bias为0。
大气校正：基于ENVI5.1中提供的FLAASH对影像进行大气校正，将大气层顶的辐射亮度信息转换为水表面的反射率信息。
水体信息提取：综合利用NDVI、NDWI和近红外波段的波谱特性，实现水体信息的提取。
二、叶绿素浓度提取，按照如下步骤进行实施：
步骤一、水面上下遥感反射率转换；
步骤二、后向散射系数与总吸收的比值估算u(λ)；
步骤三、参考波长的固有光学参数估算；
步骤四、任意波长的固有光学参数估算；
步骤五、叶绿素浓度的估算。
详细介绍如下：
步骤一，水面上下遥感反射率转换。
卫星传感器获得的信息是水体表面上层的反射率信息，若要模拟水体固有光学量与表观反射量的关系，需将水体表面上层的反射率转换为水体表面下层的反射率。因此基于Gordon和Lee提出的水体表面上下遥感反射率关系进行转换。
式中，Rrs为遥感反射率，rrs为水面下遥感反射率，t-为从水面下表面往上表面的辐射亮度透光度，t+为从水面上表面往下表面的辐照度透光度，n为水体的折射系数，γ为水气内部反射因子，Q为水面下上行辐照度与下行辐射亮度的比率估值，对于星下传感器所得到的影像范围而言，Q的取值范围为3到6。对于海洋和近岸水体而言，Rrs是较小的，Q值的变化对水面上下遥感反射率关系影响较小。通过Hydrolight软件的模拟计算，T≈0.52，λQ≈1.7。因此水面上下遥感反射率关系为：
步骤二，后向散射系数与总吸收吸收的比值估算u(λ)。
依据Gorden等提出的固有光学参数估算算法：
其中
g0和g1随着水体中粒子相函数进行变化，但是该相函数目前还没有确切的定义。Gorden等提出一类水体的g0≈0.0949，g1≈0.0794，Lee等依据半经验方法估算出高散射的沿岸水体或内陆二类水体的g0≈0.084，g1≈0.17，本研究为二类水体，因此选取Lee估算值作为模型的输入。
步骤三，参考波长的固有光学参数估算。
1)参考波长的吸收系数估算
Lee等模拟了总吸收系数与波长的关系，依据经验模型，提出了分别以555nm和660nm作为一类水体和二类水体的参考波长进行其它波长的固有光学参数估算方法。
其中：
2)参考波长的后向散射系数估算
步骤四，任意波长的固有光学参数估算。
1)后向散射系数估算
其中λ0为参考波长。
2)吸收系数估算
步骤五，依据总吸收系数获得各波段的浮游植物的吸收系数，然后基于A.Bricaud等人分析的单位吸收系数与叶绿素a浓度的关系，最后基于最小二乘原理得到叶绿素a浓度。
1)浮游植物的吸收系数估算
aph(λ)＝a(λ)-aw(λ)-acdom(443)exp[-S(λ-443)]
其中：
ξ＝aCDOM(412)/aCDOM(443)＝exp[S(443-412)]
ζ＝aph(412)/aph(443)＝0.71+0.06/(0.8+rrs(443)/555)
其中aw(λ)为纯水吸收系数，可通过Pope和Fry提供的数据中得到。
2)叶绿素a浓度估算
其中A(λ)和B(λ)是由实验决定的参数。
三，叶绿素浓度反演结果验证。
为了对比验证本发明提供的模型精度，本实施例中，通过分析实测光谱数据，从中随机选取15个实测叶绿素a浓度数据分别构建半经验模型中应用较多的一阶微分模型和波段比值模型，然后利用剩余的10个实测叶绿素a浓度数据与实测光谱数据对构建的半经验模型进行精度分析，其中一阶微分和波段比值反演模型的中误差分别为1.8ug*L-1和2.1ug*L-1，相对中误差分别为14.42％和18.43％。因此选取精度较高的一阶微分模型与QAA算法反演获取的叶绿素a浓度进行进一步精度验证与对比分析，选取25个实测数据进行相关性分析，结果如图3a和3b所示，由图3a和图3b可以看出：一阶微分反演结果与实测值拟合结果离散程度较大，相关系数为0.7479，而QAA反演结果与实测值拟合结果相对较好，整体相关系数为0.9011。然后通过对所有实测数据与反演结果进行精度评价，QAA反演模型和一阶微分反演模型的中误差分别为1.3ug*L-1和1.9ug*L-1，相对中误差分别为12.59％和16.59％。
可见，本发明提供的反演模型精度优于传统经验模型，同时该模型克服了传统经验模型移植性较差的缺点，因此在湖库水质长时间序列动态监测应用方面具有一定的适用性。
通过采用本发明公开的上述技术方案，得到了如下有益的效果本发明提供的基于GOCI影像进行水体中叶绿素a浓度的估算方法，无需区域实测数据，即可获取叶绿素a浓度反演模型中水体吸收和后向散射系数，模型移植性较高，同时又保持机理特性；其次利用高时间频次的GOCI卫星影像可捕捉水质状况在短时间内会的急剧变化，对湖泊水质的动态监测和蓝藻水华的预报预警有一定的应用价值，可以解决现有技术中，半分析模型中参数经验化方法的普适应不足问题，以及常规影像无法快速捕捉水质发生过程的问题。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视本发明的保护范围。
Claims (2)
1.一种基于GOCI影像进行水体中叶绿素a浓度估算的方法，其特征在于，包括如下步骤：
S1，从GOCI遥感影像中获取水面上的反射率，根据如下关系式进行水面上下遥感反射率转换，得到水面下的遥感反射率：
<mrow>
<msub>
<mi>r</mi>
<mrow>
<mi>r</mi>
<mi>s</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>R</mi>
<mrow>
<mi>r</mi>
<mi>s</mi>
</mrow>
</msub>
<mrow>
<mn>0.52</mn>
<mo>+</mo>
<mn>1.7</mn>
<msub>
<mi>R</mi>
<mrow>
<mi>r</mi>
<mi>s</mi>
</mrow>
</msub>
</mrow>
</mfrac>
<mo>,</mo>
</mrow>
其中，Rrs为水面上的遥感反射率，rrs为水面下的遥感反射率；
S2，根据计算得到的水面下的遥感反射率，依据如下关系式，计算后向散射系数与总吸收的比值：
<mrow>
<mi>u</mi>
<mrow>
<mo>(</mo>
<mi>&lambda;</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<mo>-</mo>
<msub>
<mi>g</mi>
<mn>0</mn>
</msub>
<mo>+</mo>
<msqrt>
<mrow>
<msubsup>
<mi>g</mi>
<mn>0</mn>
<mn>2</mn>
</msubsup>
<mo>+</mo>
<mn>4</mn>
<msub>
<mi>g</mi>
<mn>1</mn>
</msub>
<msub>
<mi>r</mi>
<mrow>
<mi>r</mi>
<mi>s</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>&lambda;</mi>
<mo>)</mo>
</mrow>
</mrow>
</msqrt>
</mrow>
<mrow>
<mn>2</mn>
<msub>
<mi>g</mi>
<mn>1</mn>
</msub>
</mrow>
</mfrac>
<mo>,</mo>
</mrow>
其中，g0≈0.084，g1≈0.17；
S3，根据计算得到的后向散射系数与总吸收的比值，依据如下关系式，计算参考波长的后向散射系数：
<mrow>
<mi>a</mi>
<mrow>
<mo>(</mo>
<mi>&lambda;</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>a</mi>
<msup>
<mrow>
<mo>(</mo>
<mi>&lambda;</mi>
<mo>)</mo>
</mrow>
<mrow>
<mo>&lsqb;</mo>
<mn>555</mn>
<mo>&rsqb;</mo>
</mrow>
</msup>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>a</mi>
<msup>
<mrow>
<mo>(</mo>
<mn>443</mn>
<mo>)</mo>
</mrow>
<mrow>
<mo>&lsqb;</mo>
<mn>660</mn>
<mo>&rsqb;</mo>
</mrow>
</msup>
<mo><</mo>
<mn>0.2</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>&lsqb;</mo>
<mfrac>
<mrow>
<mn>0.3</mn>
<mo>-</mo>
<mi>a</mi>
<msup>
<mrow>
<mo>(</mo>
<mn>443</mn>
<mo>)</mo>
</mrow>
<mrow>
<mo>&lsqb;</mo>
<mn>660</mn>
<mo>&rsqb;</mo>
</mrow>
</msup>
</mrow>
<mn>0.1</mn>
</mfrac>
<mo>&rsqb;</mo>
<mi>a</mi>
<msup>
<mrow>
<mo>(</mo>
<mi>&lambda;</mi>
<mo>)</mo>
</mrow>
<mrow>
<mo>&lsqb;</mo>
<mn>555</mn>
<mo>&rsqb;</mo>
</mrow>
</msup>
<mo>+</mo>
<mo>&lsqb;</mo>
<mn>1</mn>
<mo>-</mo>
<mfrac>
<mrow>
<mn>0.3</mn>
<mo>-</mo>
<mi>a</mi>
<msup>
<mrow>
<mo>(</mo>
<mn>443</mn>
<mo>)</mo>
</mrow>
<mrow>
<mo>&lsqb;</mo>
<mn>660</mn>
<mo>&rsqb;</mo>
</mrow>
</msup>
</mrow>
<mn>0.1</mn>
</mfrac>
<mo>&rsqb;</mo>
<mi>a</mi>
<msup>
<mrow>
<mo>(</mo>
<mi>&lambda;</mi>
<mo>)</mo>
</mrow>
<mrow>
<mo>&lsqb;</mo>
<mn>660</mn>
<mo>&rsqb;</mo>
</mrow>
</msup>
</mrow>
</mtd>
<mtd>
<mrow>
<mn>0.2</mn>
<mo>&le;</mo>
<mi>a</mi>
<msup>
<mrow>
<mo>(</mo>
<mn>443</mn>
<mo>)</mo>
</mrow>
<mrow>
<mo>&lsqb;</mo>
<mn>660</mn>
<mo>&rsqb;</mo>
</mrow>
</msup>
<mo>&le;</mo>
<mn>0.3</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>a</mi>
<msup>
<mrow>
<mo>(</mo>
<mi>&lambda;</mi>
<mo>)</mo>
</mrow>
<mrow>
<mo>&lsqb;</mo>
<mn>660</mn>
<mo>&rsqb;</mo>
</mrow>
</msup>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>a</mi>
<msup>
<mrow>
<mo>(</mo>
<mn>443</mn>
<mo>)</mo>
</mrow>
<mrow>
<mo>&lsqb;</mo>
<mn>660</mn>
<mo>&rsqb;</mo>
</mrow>
</msup>
<mo>></mo>
<mn>0.3</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>,</mo>
</mrow>
其中：
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>a</mi>
<mrow>
<mo>(</mo>
<mn>555</mn>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mn>0.0596</mn>
<mo>+</mo>
<mn>0.56</mn>
<mrow>
<mo>(</mo>
<msup>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<msub>
<mi>r</mi>
<mrow>
<mi>r</mi>
<mi>s</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mn>660</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>r</mi>
<mrow>
<mi>r</mi>
<mi>s</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mn>555</mn>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<mn>1.7</mn>
</msup>
<mo>-</mo>
<mn>0.03</mn>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>a</mi>
<mrow>
<mo>(</mo>
<mn>660</mn>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>a</mi>
<mi>w</mi>
</msub>
<mrow>
<mo>(</mo>
<mn>660</mn>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mn>0.07</mn>
<msup>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<msub>
<mi>r</mi>
<mrow>
<mi>r</mi>
<mi>s</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mn>660</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>r</mi>
<mrow>
<mi>r</mi>
<mi>s</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mn>443</mn>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<mn>1.1</mn>
</msup>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>,</mo>
</mrow>
根据计算得到的后向散射系数与总吸收的比值，依据如下关系式，计算参考波长的吸收系数：
<mrow>
<msub>
<mi>b</mi>
<mrow>
<mi>b</mi>
<mi>p</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mn>660</mn>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<mi>u</mi>
<mrow>
<mo>(</mo>
<mn>660</mn>
<mo>)</mo>
</mrow>
<mi>a</mi>
<mrow>
<mo>(</mo>
<mn>660</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mn>1</mn>
<mo>-</mo>
<mi>u</mi>
<mrow>
<mo>(</mo>
<mn>660</mn>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>-</mo>
<msub>
<mi>b</mi>
<mrow>
<mi>b</mi>
<mi>w</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mn>660</mn>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
S4，利用计算得到的参考波长的吸收系数与后向散射系数，依据如下关系式，计算任意波长的后向散射系数：
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>b</mi>
<mrow>
<mi>b</mi>
<mi>p</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>&lambda;</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>b</mi>
<mrow>
<mi>b</mi>
<mi>p</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>&lambda;</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
<msup>
<mrow>
<mo>(</mo>
<mfrac>
<msub>
<mi>&lambda;</mi>
<mn>0</mn>
</msub>
<mi>&lambda;</mi>
</mfrac>
<mo>)</mo>
</mrow>
<mi>Y</mi>
</msup>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>Y</mi>
<mo>=</mo>
<mn>2.2</mn>
<mo>{</mo>
<mn>1</mn>
<mo>-</mo>
<mn>1.2</mn>
<mi>exp</mi>
<mrow>
<mo>(</mo>
<mo>-</mo>
<mn>0.9</mn>
<mfrac>
<mrow>
<msub>
<mi>r</mi>
<mrow>
<mi>r</mi>
<mi>s</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mn>443</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>r</mi>
<mrow>
<mi>r</mi>
<mi>s</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mn>555</mn>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<mo>}</mo>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>,</mo>
</mrow>
其中λ0为参考波长；
利用计算得到的参考波长的吸收系数与后向散射系数，依据如下关系式，计算任意波长的后向散射系数：
<mrow>
<mi>a</mi>
<mrow>
<mo>(</mo>
<mi>&lambda;</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<mo>&lsqb;</mo>
<mn>1</mn>
<mo>-</mo>
<mi>u</mi>
<mrow>
<mo>(</mo>
<mi>&lambda;</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mo>&lsqb;</mo>
<msub>
<mi>b</mi>
<mrow>
<mi>b</mi>
<mi>w</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>&lambda;</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>b</mi>
<mrow>
<mi>b</mi>
<mi>p</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>&lambda;</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mrow>
<mi>u</mi>
<mrow>
<mo>(</mo>
<mi>&lambda;</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>;</mo>
</mrow>
S5，根据计算得到的任意波长的吸收系数与后向散射系数，基于如下的浮游植物的吸收系数估算模型，得到浮游植物的吸收系数：
aph(λ)＝a(λ)-aw(λ)-acdom(443)exp[-S(λ-443)]，
其中：
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>a</mi>
<mrow>
<mi>C</mi>
<mi>D</mi>
<mi>O</mi>
<mi>M</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mn>443</mn>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<mi>a</mi>
<mrow>
<mo>(</mo>
<mn>142</mn>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>&zeta;</mi>
<mi>a</mi>
<mrow>
<mo>(</mo>
<mn>443</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>&xi;</mi>
<mo>-</mo>
<mi>&zeta;</mi>
</mrow>
</mfrac>
<mo>-</mo>
<mfrac>
<mrow>
<msub>
<mi>a</mi>
<mi>w</mi>
</msub>
<mrow>
<mo>(</mo>
<mn>412</mn>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>&zeta;a</mi>
<mi>w</mi>
</msub>
<mrow>
<mo>(</mo>
<mn>443</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>&xi;</mi>
<mo>-</mo>
<mi>&zeta;</mi>
</mrow>
</mfrac>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>&xi;</mi>
<mo>=</mo>
<msub>
<mi>a</mi>
<mrow>
<mi>C</mi>
<mi>D</mi>
<mi>O</mi>
<mi>M</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mn>412</mn>
<mo>)</mo>
</mrow>
<mo>/</mo>
<msub>
<mi>a</mi>
<mrow>
<mi>C</mi>
<mi>D</mi>
<mi>O</mi>
<mi>M</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mn>443</mn>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>exp</mi>
<mo>&lsqb;</mo>
<mi>S</mi>
<mrow>
<mo>(</mo>
<mn>443</mn>
<mo>-</mo>
<mn>412</mn>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>&zeta;</mi>
<mo>=</mo>
<msub>
<mi>a</mi>
<mrow>
<mi>p</mi>
<mi>h</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mn>412</mn>
<mo>)</mo>
</mrow>
<mo>/</mo>
<msub>
<mi>a</mi>
<mrow>
<mi>p</mi>
<mi>h</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mn>443</mn>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mn>0.71</mn>
<mo>+</mo>
<mn>0.06</mn>
<mo>/</mo>
<mrow>
<mo>(</mo>
<mn>0.8</mn>
<mo>+</mo>
<msub>
<mi>r</mi>
<mrow>
<mi>r</mi>
<mi>s</mi>
</mrow>
</msub>
<mo>(</mo>
<mn>443</mn>
<mo>)</mo>
<mo>/</mo>
<mn>555</mn>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>,</mo>
</mrow>
其中，aw(λ)为纯水吸收系数；
S6，根据计算得到的浮游植物的吸收系数，基于如下的叶绿素a浓度的估算模型，得到叶绿素a浓度：
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>a</mi>
<mrow>
<mi>p</mi>
<mi>h</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>&lambda;</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msubsup>
<mi>a</mi>
<mrow>
<mi>p</mi>
<mi>h</mi>
</mrow>
<mo>*</mo>
</msubsup>
<mrow>
<mo>(</mo>
<mi>&lambda;</mi>
<mo>)</mo>
</mrow>
<msub>
<mi>C</mi>
<mrow>
<mi>c</mi>
<mi>h</mi>
<mi>l</mi>
<mo>-</mo>
<mi>a</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msubsup>
<mi>a</mi>
<mrow>
<mi>p</mi>
<mi>h</mi>
</mrow>
<mo>*</mo>
</msubsup>
<mrow>
<mo>(</mo>
<mi>&lambda;</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>A</mi>
<mrow>
<mo>(</mo>
<mi>&lambda;</mi>
<mo>)</mo>
</mrow>
<msup>
<mi>C</mi>
<mrow>
<mo>-</mo>
<mi>B</mi>
<mrow>
<mo>(</mo>
<mi>&lambda;</mi>
<mo>)</mo>
</mrow>
</mrow>
</msup>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>,</mo>
</mrow>
其中，A(λ)和B(λ)的值由实验确定。
2.根据权利要求1所述的基于GOCI影像进行水体中叶绿素a浓度估算的方法，其特征在于，S1之前还包括步骤，按照如下方法对GOCI遥感影像进行预处理：
基于GOCI L2P经纬度数据采用GLT几何校正法，对GOCI L1B数据进行几何校正；
根据GOCI影像中的定标参数，采用如下关系式，将DN值还原为实际真实物理量大气层顶的辐亮度信息：
L＝Gain*DN+Bias
其中，L为辐亮度，Gain和Bias为辐射定标参数的增益和偏置，2011年4月以后获取的影像的Gain为10-6，Bias为0；
基于ENVI5.1中提供的FLAASH对影像进行大气校正，将大气层顶的辐射亮度信息转换为水表面的反射率信息；
综合利用NDVI、NDWI和近红外波段的波谱特性，进行水体信息的提取。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710813740.0A CN107607490A (zh) | 2017-09-11 | 2017-09-11 | 基于GOCI影像进行水体中叶绿素a浓度估算的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710813740.0A CN107607490A (zh) | 2017-09-11 | 2017-09-11 | 基于GOCI影像进行水体中叶绿素a浓度估算的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107607490A true CN107607490A (zh) | 2018-01-19 |
Family
ID=61062224
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710813740.0A Pending CN107607490A (zh) | 2017-09-11 | 2017-09-11 | 基于GOCI影像进行水体中叶绿素a浓度估算的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107607490A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110208193A (zh) * | 2019-05-09 | 2019-09-06 | 航天恒星科技有限公司 | 一种基于光学遥感卫星影像的珊瑚礁一体化监测方法 |
| CN111965608A (zh) * | 2020-07-16 | 2020-11-20 | 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 |
| 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 |
| CN112630189A (zh) * | 2020-09-18 | 2021-04-09 | 浙江大学 | 一种基于改进qaa算法的内陆水体水质反演方法 |
| CN113793374A (zh) * | 2021-09-01 | 2021-12-14 | 自然资源部第二海洋研究所 | 一种基于利用改进的四波段遥感影像qaa算法水质反演结果反演水深的方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105115941A (zh) * | 2015-09-30 | 2015-12-02 | 国家海洋局南海预报中心 | 一种提取复杂水体叶绿素浓度分布信息的遥感反演方法 |
| CN106960204A (zh) * | 2017-05-05 | 2017-07-18 | 南京信息工程大学 | 一种估算近海水体浮游植物粒级结构的遥感方法 |
-
2017
- 2017-09-11 CN CN201710813740.0A patent/CN107607490A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105115941A (zh) * | 2015-09-30 | 2015-12-02 | 国家海洋局南海预报中心 | 一种提取复杂水体叶绿素浓度分布信息的遥感反演方法 |
| CN106960204A (zh) * | 2017-05-05 | 2017-07-18 | 南京信息工程大学 | 一种估算近海水体浮游植物粒级结构的遥感方法 |
Non-Patent Citations (2)
| Title |
|---|
| ZHONGPING LEE ET AL.: "Deriving inherent optical properties from water color: a multiband quasi-analytical algorithm for optically deep waters", 《APPLIED OPTICS》 * |
| 盛琳等: "一种水质分析方法：基于GOCI影像的东平湖叶绿素a浓度估算", 《环境保护》 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110208193A (zh) * | 2019-05-09 | 2019-09-06 | 航天恒星科技有限公司 | 一种基于光学遥感卫星影像的珊瑚礁一体化监测方法 |
| CN110208193B (zh) * | 2019-05-09 | 2021-11-26 | 航天恒星科技有限公司 | 一种基于光学遥感卫星影像的珊瑚礁一体化监测方法 |
| CN111965608A (zh) * | 2020-07-16 | 2020-11-20 | 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 |
| 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 |
| CN112630189A (zh) * | 2020-09-18 | 2021-04-09 | 浙江大学 | 一种基于改进qaa算法的内陆水体水质反演方法 |
| CN112630189B (zh) * | 2020-09-18 | 2022-07-08 | 浙江大学 | 一种基于改进qaa算法的内陆水体水质反演方法 |
| 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 |
| CN113793374A (zh) * | 2021-09-01 | 2021-12-14 | 自然资源部第二海洋研究所 | 一种基于利用改进的四波段遥感影像qaa算法水质反演结果反演水深的方法 |
| CN113793374B (zh) * | 2021-09-01 | 2023-12-22 | 自然资源部第二海洋研究所 | 一种基于利用改进的四波段遥感影像qaa算法水质反演结果反演水深的方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107607490A (zh) | 基于GOCI影像进行水体中叶绿素a浓度估算的方法 | |
| King et al. | Remote sensing of cloud, aerosol, and water vapor properties from the moderate resolution imaging spectrometer(MODIS) | |
| Rahman et al. | Coupled surface‐atmosphere reflectance (CSAR) model: 1. Model description and inversion on synthetic data | |
| West et al. | Jovian clouds and haze | |
| Ustin et al. | Estimating canopy water content from spectroscopy | |
| Gatebe et al. | Airborne spectral measurements of ocean directional reflectance | |
| CN105303030B (zh) | 一种富营养化湖泊藻类高斯垂向分布结构参数的modis遥感估算方法 | |
| Pan et al. | Evaluation of atmospheric correction algorithms over lakes for high-resolution multispectral imagery: Implications of adjacency effect | |
| CN102103076A (zh) | 地表反照率反演方法及系统 | |
| CN115292616B (zh) | 基于光谱不变理论的植被蓝天空反照率估算方法及装置 | |
| Chen et al. | A simple atmospheric correction algorithm for MODIS in shallow turbid waters: A case study in Taihu Lake | |
| CN116380846A (zh) | 用于强吸收性气溶胶情况下的大气校正方法 | |
| CN116642666A (zh) | 一种大范围快速光学卫星传感器星上观测辐亮度模拟方法 | |
| Song et al. | Atmospheric correction of absorbing aerosols for satellite ocean color remote sensing over coastal waters | |
| Gupta et al. | Top-of-the-atmosphere shortwave flux estimation from satellite observations: an empirical neural network approach applied with data from the A-train constellation | |
| CN104268569B (zh) | 一种基于超低色散光谱特征的空间碎片分类方法 | |
| Kia et al. | Hyper-temporal remote sensing for scaling between spectral indices and flux tower measurements | |
| CN108132096A (zh) | 一种基于激光雷达的林窗太阳辐射监测方法 | |
| Zhou et al. | Modeling gross primary production for sunlit and shaded canopies across an evergreen and a deciduous site in Canada | |
| Doerffer et al. | Algorithm Theoretical Bases Document (ATBD) for L2 processing of MERIS data of case 2 waters, 4 th reprocessing | |
| Rolland et al. | Surface variability effects on the remote sensing of thin cirrus optical and microphysical properties | |
| Doerffer | Alternative atmospheric correction procedure for case 2 water remote sensing using MERIS | |
| Liu et al. | Algorithm for retrieving surface pressure from hyper-spectral measurements in oxygen A-band | |
| Borge | Atmospheric correction over coastal waters based on machine learning models | |
| Garaba et al. | Quality control of automated hyperspectral remote sensing measurements from a seaborne platform |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180119 |
|
| RJ01 | Rejection of invention patent application after publication |