CN109406457B - 一种基于半分析模型的沉水植被光谱水体影响校正方法 - Google Patents

一种基于半分析模型的沉水植被光谱水体影响校正方法 Download PDF

Info

Publication number
CN109406457B
CN109406457B CN201811325008.XA CN201811325008A CN109406457B CN 109406457 B CN109406457 B CN 109406457B CN 201811325008 A CN201811325008 A CN 201811325008A CN 109406457 B CN109406457 B CN 109406457B
Authority
CN
China
Prior art keywords
water
vegetation
water body
model
reflectivity
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
Application number
CN201811325008.XA
Other languages
English (en)
Other versions
CN109406457A (zh
Inventor
周冠华
马中祺
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.)
Beihang University
Original Assignee
Beihang 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 Beihang University filed Critical Beihang University
Priority to CN201811325008.XA priority Critical patent/CN109406457B/zh
Publication of CN109406457A publication Critical patent/CN109406457A/zh
Application granted granted Critical
Publication of CN109406457B publication Critical patent/CN109406457B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/47Scattering, i.e. diffuse reflection
    • G01N21/4738Diffuse reflection, e.g. also for testing fluids, fibrous materials
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/47Scattering, i.e. diffuse reflection
    • G01N21/49Scattering, i.e. diffuse reflection within a body or fluid
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N2021/1793Remote sensing
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/47Scattering, i.e. diffuse reflection
    • G01N2021/4704Angular selective
    • G01N2021/4709Backscatter
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84Systems specially adapted for particular applications
    • G01N2021/8466Investigation of vegetal material, e.g. leaves, plants, fruits

Landscapes

  • Physics & Mathematics (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)
  • Spectroscopy & Molecular Physics (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明涉及一种基于半分析模型的沉水植被光谱水体影响校正方法,其步骤如下:测量沉水植被水面以下遥感反射率、水体叶绿素与悬浮物浓度以及有色可溶有机物的吸收系数和水深,记录或计算测量期间的太阳天顶角;由水色要素浓度估算水体吸收系数和后向散射系数;由水色要素浓度与水深生成输入样本,由辐射传输模型生成训练数据集;通过最优化方法拟合研究区半分析沉水植被光谱校正模型的待定系数;将沉水植被水面以下遥感反射率、水体吸收系数和后向散射系数、水深以及太阳天顶角输入至水体影响校正模型,得到沉水植被本征植被反射率。本发明能将水体光学信号从沉水植被与水体浑浊介质的反射率中去除,恢复沉水植被的本征植被反射率。

Description

一种基于半分析模型的沉水植被光谱水体影响校正方法
(一)所属技术领域
本发明涉及一种基于半分析模型的沉水植被光谱水体影响校正方法,属于光学遥感领域,在水色遥感技术研究以及水生生态学研究方面具有重要意义。
(二)背景技术
湿地具备涵养水源、蓄水泄洪、保持生物多样性等生态功能,是地球三大生态系统之一。沉水植被是湿地的重要组成部分,它具有降低水体浑浊度、吸收水体重金属离子、抑制水体富营养化的生态功能,因此监测沉水植被的生长状态和分布范围对于保护湿地具有极其重要的意义。由于沉水植被生长于水中,常规地面调查方法的实施难度大,且难以对大面积湿地的沉水植被进行长期、持续的监测,而遥感技术具有大范围、周期短、无需接触的优势,利用遥感技术监测湿地沉水植被的优势十分明显。
不同于陆地植被,沉水植被生长于水底,其植物体全部浸没在水中,传感器观测得到的光谱信号不仅会受到植物叶片生理、生化参数、冠层结构参数等植物因素的影响,还会受到水体以及水底光学特性的干扰。水体的强吸收特性不仅会削弱传感器接收的植物信号,还会导致其曲线形状发生改变,原有的典型植物光谱特征逐渐弱化乃至趋于消失。因此,分离水体与沉水植被的光谱信号,恢复沉水植被本征植被反射率将有助于提高沉水植被相关遥感算法的应用精度。
(三)发明内容
本发明涉及一种基于半分析模型的沉水植被光谱水体影响校正方法,其技术解决方案是:在一种水生植被辐射传输模型和陆地植被辐射传输模型的基础上,计算模拟数据集并通过最优化方法求解半分析光学浅水模型的待定系数,在已知沉水植被水面以下遥感反射率、水深以及水色三要素的前提下,解算模型从而得到沉水植被本征植反射率。其具体步骤如下:
步骤一:按照水体反射光谱测量相关方法和规范,测量并获取含有沉水植被的水体的水面以下遥感反射率
Figure GDA0002563062960000023
测量并获取水色三要素,即水体叶绿素浓度、悬浮物浓度以及有色可溶有机物吸收系数,测量水体深度H,记录测量期间的太阳天顶角θw
步骤二:根据水色三要素的测量结果,计算目标区域水体总的吸收系数和散射系数:
a(λ)=apw(λ)+aph(λ)+aNAP(λ)+aCDOM(λ)
bb(λ)=bbpw(λ)+bbp(λ)
其中,λ是波长,a(λ)是水体吸收系数,bb(λ)是水体后向散射系数;apw(λ)、aph(λ)、aNAP(λ)和aCDOM(λ)分别是纯水体、叶绿素、非藻类颗粒物和有色可溶有机物的吸收系数;apw(λ)可参考Buiteveld等的测量结果;
aph(λ)、aNAP(λ)和aCDOM(λ)分别表示为:
aph(λ)=Cchla×A(λ)×Cchla-B(λ)
aNAP(λ)=0.041×SPM×0.75e-0.0123(λ-443)
aCDOM(λ)=aCDOM(375)e-0.0192(λ-375)
其中Cchla、SPM和aCDOM(375)分别表示水体叶绿素浓度、悬浮物浓度以及有色可溶有机物在375nm波段处的吸收系数,A、B是Bricaud等通过实测数据拟合得到的参数;bbpw(λ)和bbp(λ)分别表示纯水体和颗粒物的后向散射系数,分别表示为:
Figure GDA0002563062960000021
Figure GDA0002563062960000022
其中E是经验系数,可按照水体浑浊程度的高低分别取值为5.0、1.0和0.3;模拟数据集还包含水体的吸收系数和后向散射系数的模拟结果,由步骤二各式得到;数据集的波段范围设为400-800nm,步长为10nm;
步骤三:根据水色三要素与水深的测量结果,生成输入样本;输入样本包含水色三要素、水深以及水生植被的叶面积指数;假设水色三要素与水深其中的某一被测量参数X的最大值、最小值分别为Xmax和Xmin,标准差为σX,将X的取值范围设为[Xmin-3σX,Xmax+3σX];叶面积指数的取值范围设为0-4;假设各参数的概率分布形式为均匀分布,由拉丁超立方采样法(Latin hypercube sampling)生成输入样本;将输入样本输入至辐射传输模型以得到模拟数据集;由一种水生植被辐射传输模型模拟沉水植被反射率R,通过下式计算沉水植被水面以下遥感反射率模拟值
Figure GDA0002563062960000031
Figure GDA0002563062960000032
Figure GDA0002563062960000033
由陆地植被辐射传输模型生成与之对应的沉水植被本征植被反射率模拟值ρmodel
步骤四:通过最优化方法拟合如下半分析光学浅水校正模型的待定系数:
Figure GDA0002563062960000034
其中u和α分别表示为:
Figure GDA0002563062960000035
α=a+bb
式中g0、g1、g2、A0、A1、D0、D1、D0'和D1'均为待定系数;
步骤三生成的模拟数据集包含上式除待定系数以外的各参数取值;通过最优化方法拟合上式各待定系数,优化的目标函数为:
Figure GDA0002563062960000041
式中ρSA表示半分析模型模拟的本征植被反射率,ρmodel表示陆地植被辐射传输模型模拟的本征植被反射率,N和K分别表示样本总数和波段总数,i和j分别为样本序号和波段序号;优化后得到模型各待定系数,构成目标区域的水体影响校正模型;
步骤五:将步骤一测量获得的水面以下遥感反射率、目标区域水体吸收系数和后向散射系数、水深以及太阳天顶角等输入至步骤四得到的水体影响校正模型,解算模型得到目标区域沉水植被的本征植被反射率,从而实现对沉水植被光谱水体影响的校正。
本发明与现有技术相比的优点在于:
(1)本发明相比复杂的辐射传输模型具有形式简洁、输入参数少、计算效
率高的优势,同时兼具一定的精度,更具备实用性;
(2)本发明的模型系数产生于水生植被辐射传输模型和陆地植被辐射传输
模型的模拟数据集,数据集规模大且具备代表性,具有很好的应用场景适
用性,因此计算结果更可靠可信;
(四)附图说明
图1为本发明流程框图。
(五)具体实施方式
为更好说明本发明涉及的水体影响校正方法,利用本发明的模型进行了测试与验证,取得了良好的效果。具体实施方法如下:
(1)测量并获取含有沉水植被的水体的水面以下遥感反射率、水体叶绿素浓度、悬浮物浓度以及有色可溶有机物吸收系数,测量水体深度,记录测量期间的太阳天顶角;
(2)根据水色三要素的测量结果,估算目标区域水体的吸收系数和后向散射系数;
(3)根据水色三要素与水深的测量结果,生成输入样本,由水生植被辐射传输模型和陆地植被辐射传输模型生成模拟数据集;
(4)通过最优化方法拟合半分析光学浅水模型的待定系数,得到目标区域的水体影响校正模型;
(5)将步骤二获得的水面以下遥感反射率、目标区域水体吸收系数和后向散射系数、水深以及太阳天顶角等输入至步骤四得到的水体影响校正模型,解算模型得到目标区域沉水植被的本征植被反射率。

Claims (1)

1.一种基于半分析模型的沉水植被光谱水体影响校正方法,其特征在于包括步骤如下:
步骤一:按照水体反射光谱测量相关方法和规范,测量并获取含有沉水植被的水体的水面以下遥感反射率
Figure FDA0002563062950000011
测量并获取水色三要素,即水体叶绿素浓度、悬浮物浓度以及有色可溶有机物吸收系数,测量水体深度H,记录测量期间的太阳天顶角θw
步骤二:根据水色三要素的测量结果,计算目标区域水体总的吸收系数和散射系数:
a(λ)=apw(λ)+aph(λ)+aNAP(λ)+aCDOM(λ)
bb(λ)=bbpw(λ)+bbp(λ)
其中,λ是波长,a(λ)是水体吸收系数,bb(λ)是水体后向散射系数;
apw(λ)、aph(λ)、aNAP(λ)和aCDOM(λ)分别是纯水体、叶绿素、非藻类颗粒物和有色可溶有机物的吸收系数;apw(λ)可参考Buiteveld的测量结果;
aph(λ)、aNAP(λ)和aCDOM(λ)分别表示为:
aph(λ)=Cchla×A(λ)×Cchla-B(λ)
aNAP(λ)=0.041×SPM×0.75e-0.0123(λ-443)
aCDOM(λ)=aCDOM(375)e-0.0192(λ-375)
其中Cchla、SPM和aCDOM(375)分别表示水体叶绿素浓度、悬浮物浓度以及有色可溶有机物在375nm波段处的吸收系数,A、B是Bricaud等通过实测数据拟合得到的参数;bbpw(λ)和bbp(λ)分别表示纯水体和颗粒物的后向散射系数,分别表示为:
Figure FDA0002563062950000012
Figure FDA0002563062950000021
其中E是经验系数,可按照水体浑浊程度的高低分别取值为5.0、1.0和0.3;模拟数据集还包含水体的吸收系数和后向散射系数的模拟结果,由步骤二各式得到;数据集的波段范围设为400-800nm,步长为10nm;
步骤三:根据水色三要素与水深的测量结果,生成输入样本;输入样本包含水色三要素、水深以及水生植被的叶面积指数;假设某一被测量参数X的最大值、最小值分别为Xmax和Xmin,标准差为σX,将X的取值范围设为[Xmin-3σX,Xmax+3σX];叶面积指数的取值范围设为0-4;假设各参数的概率分布形式为均匀分布,由拉丁超立方采样法生成输入样本;将输入样本输入至辐射传输模型以得到模拟数据集;由一种水生植被辐射传输模型模拟沉水植被反射率R,通过下式估算沉水植被水面以下遥感反射率模拟值
Figure FDA0002563062950000022
Figure FDA0002563062950000023
Figure FDA0002563062950000024
由陆地植被辐射传输模型生成与之对应的沉水植被本征植被反射率模拟值ρmodel
步骤四:通过最优化方法拟合如下半分析光学浅水校正模型的待定系数:
Figure FDA0002563062950000025
其中u和α分别表示为:
Figure FDA0002563062950000026
α=a+bb
式中g0、g1、g2、A0、A1、D0、D1、D0'和D1'均为待定系数;
步骤三生成的模拟数据集包含上式除待定系数以外的各参数取值;通过最优化方法拟合上式各待定系数,优化的目标函数为:
Figure FDA0002563062950000031
式中ρSA表示半分析模型模拟的本征植被反射率,ρmodel表示陆地植被辐射传输模型模拟的本征植被反射率,N和K分别表示样本总数和波段总数,i和j分别为样本序号和波段序号;优化后得到模型各待定系数,构成目标区域的水体影响校正模型;
步骤五:将步骤一测量获得的水面以下遥感反射率、目标区域水体吸收系数和后向散射系数、水深以及太阳天顶角输入至步骤四得到的水体影响校正模型,解算模型得到目标区域沉水植被的本征植被反射率,从而实现对沉水植被光谱水体影响的校正。
CN201811325008.XA 2018-11-08 2018-11-08 一种基于半分析模型的沉水植被光谱水体影响校正方法 Expired - Fee Related CN109406457B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811325008.XA CN109406457B (zh) 2018-11-08 2018-11-08 一种基于半分析模型的沉水植被光谱水体影响校正方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811325008.XA CN109406457B (zh) 2018-11-08 2018-11-08 一种基于半分析模型的沉水植被光谱水体影响校正方法

Publications (2)

Publication Number Publication Date
CN109406457A CN109406457A (zh) 2019-03-01
CN109406457B true CN109406457B (zh) 2021-04-06

Family

ID=65472501

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811325008.XA Expired - Fee Related CN109406457B (zh) 2018-11-08 2018-11-08 一种基于半分析模型的沉水植被光谱水体影响校正方法

Country Status (1)

Country Link
CN (1) CN109406457B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110031406B (zh) * 2019-03-21 2021-09-07 北京航空航天大学 一种大气-海洋耦合系统光学浅水遥感信号敏感性分析方法
CN110274858B (zh) * 2019-07-15 2021-08-31 南京吉泽信息科技有限公司 利用goci数据估算湖泊悬浮泥沙浓度的遥感方法
CN111474122B (zh) * 2020-04-21 2022-12-20 自然资源部第二海洋研究所 一种浅海底质反射率的遥感提取方法
CN113810137B (zh) * 2021-08-23 2023-10-17 华北电力大学(保定) 一种基于垂直叶绿素浓度分布的水下光子传输仿真方法
CN114509409B (zh) * 2022-04-20 2022-08-02 山东科技大学 星载单光子激光雷达的叶绿素浓度垂直剖面反演方法
CN117152636B (zh) * 2023-10-29 2024-03-15 自然资源部第二海洋研究所 一种基于双波段关系的浅海底质反射率遥感监测方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103630495A (zh) * 2013-11-13 2014-03-12 北京航空航天大学 一种水生植被-大气耦合辐射传输模型
CN105930304A (zh) * 2016-04-13 2016-09-07 中测新图(北京)遥感技术有限责任公司 基于半分析模型的多光谱遥感水深反演方法及装置
CN108596819A (zh) * 2018-03-28 2018-09-28 广州地理研究所 一种基于稀疏表达的内陆光学复杂水体高光谱重构方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103630495A (zh) * 2013-11-13 2014-03-12 北京航空航天大学 一种水生植被-大气耦合辐射传输模型
CN105930304A (zh) * 2016-04-13 2016-09-07 中测新图(北京)遥感技术有限责任公司 基于半分析模型的多光谱遥感水深反演方法及装置
CN108596819A (zh) * 2018-03-28 2018-09-28 广州地理研究所 一种基于稀疏表达的内陆光学复杂水体高光谱重构方法

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
Canopy Reflectance Modeling of Aquatic Vegetation for Algorithm Development:Global Sensitivity Analysis;Guanhua Zhou 等;《remote sensing》;20180527;全文 *
Hyperspectral remote sensing for shallow waters. I. A semianalytical model;Zhongping Lee 等;《APPLIED OPTICS》;19980920;6331页左栏 *
Optical properties of pure water;Buiteveld 等;《SPIE》;19941026;全文 *
Variability in the chlorophyll-specific absorption coefficients of natural phytoplankton: Analysis and parameterization;Annick Bricaud 等;《JOURNAL OF GEOPHYSICAL RESEARCH》;19950715;全文 *
光学浅水遥感水底反射校正研究进展;周冠华;《地球科学进展》;20110630;全文 *
基于半分析模型的波段最优化组合反演混浊太湖水体叶绿素a;周冠华 等;《湖泊科学》;20081231;全文 *
基于半分析模型的高光谱遥感水深探测方法;张靓 等;《海洋测绘》;20110731;全文 *

Also Published As

Publication number Publication date
CN109406457A (zh) 2019-03-01

Similar Documents

Publication Publication Date Title
CN109406457B (zh) 一种基于半分析模型的沉水植被光谱水体影响校正方法
CN109190538B (zh) 一种基于遥感技术的多泥沙河流三角洲海岸带演化分析方法
Huang et al. Long-term variation of phytoplankton biomass and physiology in Taihu lake as observed via MODIS satellite
CN110031856B (zh) 一种机载LiDAR测深数据的漫衰减系数提取方法
CN104181515B (zh) 一种基于蓝-黄波段高光谱数据的浅海水深反演方法
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
CN103616490A (zh) 一种大型浅水湖泊水华蓝藻总存量估算的方法
CN112070234A (zh) 复杂场景下水体叶绿素和藻蓝素陆基遥感机器学习算法
Chen et al. Remote sensing estimation of chlorophyll-A in case-II waters of coastal areas: Three-band model versus genetic algorithm–artificial neural networks model
Sosik et al. Temporal and vertical variability in optical properties of New England shelf waters during late summer and spring
CN113763272B (zh) 一种富营养化湖泊光合有效辐射衰减系数遥感反演方法
Cao et al. Spatio-temporal analysis of colored dissolved organic matter over Ebinur Lake in Xinjiang, China
CN111723522B (zh) 一种湖泊与河流溶解有机碳交换通量的计算方法
Zhao et al. Widespread decrease in chromophoric dissolved organic matter in Chinese lakes derived from satellite observations
Pfannkuche Optical properties of Otago shelf waters: south island New Zealand
Nababan et al. Light propagation, coefficient attenuation, and the depth of one optical depth in different water types
CN116609758A (zh) 一种机载激光测深波形旅行时提取方法
Jordan et al. Studies on phytoplankton distribution and primary production in the western English Channel in 1980 and 1981
Spitzer et al. Pollution monitoring of the North Sea using NOAA/AVHRR imagery
CN109282798A (zh) 一种基于遥感影像提取湖库高浑浊区的方法
Zhan et al. Estimation of Optical Properties using QAA-V6 model based on MODIS data
Liu et al. Three-dimensional observations of particulate organic carbon in shallow eutrophic lakes from space
CN113140000A (zh) 基于卫星光谱的水体信息估算方法
Aas et al. Penetration of ultraviolet B, blue and quanta irradiance into Svalbard waters
Dingtian et al. Seagrass distribution in China with satellite remote sensing

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: 20210406