CN109738397B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN109738397B CN109738397B CN201811453517.0A CN201811453517A CN109738397B CN 109738397 B CN109738397 B CN 109738397B CN 201811453517 A CN201811453517 A CN 201811453517A CN 109738397 B CN109738397 B CN 109738397B
- Authority
- CN
- China
- Prior art keywords
- humus
- remote sensing
- soluble organic
- olci
- terrestrial
- 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
Images
Landscapes
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明公开了一种基于OLCI传感器的内陆湖泊水体陆源腐殖质浓度遥感估算方法,1、选取OLCI传感器中第6和第11波段的遥感反射率值;2、将所述遥感反射率值代入拟合所得的有色可溶性有机物的最佳遥感估算模型,得到所述有色可溶性有机物在443nm处的吸收系数;3、将所述有色可溶性有机物在443nm处的吸收系数a(443)反演模型代入陆源腐殖质与有色可溶性有机物的关系模型,得到所述陆源类腐殖质的荧光强度与遥感反射率的关系;4、将步骤3所述陆源腐殖质的荧光强度与遥感反射率的关系分布运用到OLCI影像,结合所述OLCI影像中体现的荧光强度分布信息,得到太湖的陆源腐殖质空间分布图。本方法相较传统室内化学分析方法极大地节约了成本,提高了效率和测量精度。
Description
技术领域
本发明属于遥感技术领域,具体涉及一种基于全分辨率的OLCI数据源的内陆湖泊水体陆源腐殖质遥感估算方法。
背景技术
陆源腐殖质是有色可溶性有机物(CDOM)的主要成分,通过对水生系统的影响间接影响着全球生态碳循环,而且陆源腐殖质会携带大量的营养盐物质从而促进内陆湖泊蓝藻的生长,是造成内陆湖泊蓝藻爆发的重要原因之一。可溶性有机物DOM具有光学效应的组分-有色可溶性有机物(CDOM),可作为标志物用于研究DOM的迁移转化过程。CDOM在水环境生态系统中具有非常重要的作用,有色可溶性有机物具有强烈的紫外吸收特性,从而抑制光照在水下的传播;CDOM在光降解作用、光漂泊作用和细菌降解作用等物理化学过程中可以把大分子有机物分解成小分子化合物,从而影响内陆湖泊的初级生产力和湖泊的水体营养等级。因此研究内陆湖泊中的CDOM对解析内陆水体碳循环和生态环境具有重要的作用。
CDOM具有两大光学特性:吸收特性和荧光特性。CDOM的荧光特性通常通过激发-发射三维荧光光谱表现,三维荧光光谱目前早已被广泛应用于监测有色可溶性有机物组分的变化。CDOM主要包括类腐殖质和类蛋白两大物质,类腐殖质主要来源于陆源的输入(土壤有机物、动植物残体等),类蛋白主要来源于色素和城市污水排放。因此了解CDOM的荧光特性可以掌握内陆水体中CDOM的组分信息,从而更加了解湖泊生态状况。然后,目前获取内陆湖泊的CDOM荧光特性空间分布状况仍然采取是传统化学分析方法,即通过室内化学分析方法分析大量样点数据从而获取湖泊的荧光特征空间分布状况,这种传统的方法明显需要花费大量的人力和财力,显然是不科学的。
CDOM的另一特性-吸收特性主要是通过紫外-可见光的吸收光谱,并且在紫外-可见光 200-800nm范围内呈现指数衰减的形式,通常利用CDOM在不同波段的吸收系数或者吸收光谱斜率比值等表征CDOM的吸收特征。由于CDOM能够吸收紫外与可见光部分,是遥感能直接观测的参数之一,因此彻底了解并掌握CDOM的吸收光谱与荧光光谱之间的光学响应关系是获取CDOM组分空间分布状况的关键。
目前获取大尺度地表观测数据,生成相关参数产品,是地球观测卫星发射的主要目标之一。从CZCS传感器至今,MERIS、MODIS、landsat7、GOCI等数十种传感器早已被成功的应用到内陆湖泊水质监测和遥感监管工作中,同时也为当地政府决策、制定相应措施等提供依据。而Sentiel-3A OLCI在2016年2月成功发射,其21个波段设置和300m的空间分辨率已成为国际上今后一段时期十分重要的水生态遥感数据源。但是当前OLCI的研究还较多集中在大洋水体或者近海岸水体,内陆湖泊还鲜有涉及。
正是由于CDOM组分陆源腐殖质物质的测量方法繁琐性和获取CDOM组分空间分布状况的困难,因此本发明对结合大量的野外实验数据,构建一种基于Sentiel-3A OLCI传感器的内陆湖泊水体陆源腐殖质浓度遥感估算方法。
发明内容
本发明所要解决的技术问题是:
为了解决内陆湖泊陆源腐殖质浓度的空间分布状况获取困难的问题,本发明提出一种基于OLCI传感器的内陆水体陆源腐殖质浓度遥感估算方法。
本发明为解决上述技术问题采用以下技术方案:
本发明提出一种基于OLCI传感器的内陆湖泊水体陆源腐殖质浓度遥感估算方法,步骤包括:
步骤一、选取OLCI传感器中第6和第11波段的遥感反射率值,分别记为Rrs(B6)和Rrs(B11);
步骤二、将所述Rrs(B6)和Rrs(B11)代入拟合所得的有色可溶性有机物的最佳遥感估算模型,得到所述有色可溶性有机物在443nm处的吸收系数;
步骤三、将所述有色可溶性有机物在443nm处的吸收系数a(443)代入陆源腐殖质与有色可溶性有机物(a(443))的关系模型,得到所述陆源类腐殖质的密度与其荧光强度的关系;
步骤四、将步骤三所述陆源腐殖质的密度与其荧光强度的关系分布运用到OLCI影像,结合所述OLCI影像中体现的荧光强度分布信息,得到太湖的陆源腐殖质空间分布图。
如前所述的一种基于OLCI传感器的内陆湖泊水体陆源腐殖质浓度遥感估算方法,进一步地,步骤二所述有色可溶性有机物的最佳遥感估算模型为:
a(443)=0.38-12.05*Rrs(B6)+0.84*(Rrs(B11)/Rrs(B6))R2=0.73
其中,a(443)为所述有色可溶性有机物在443nm处的吸收系数。
如前所述的一种基于OLCI传感器的内陆湖泊水体陆源腐殖质浓度遥感估算方法,进一步地,步骤三所述陆源腐殖质与所述有色可溶性有机物(a(443))的关系模型为:
Fmax(C2)=0.61*a(443)+0.06 R2=0.66
式中,Fmax(C2)表示为陆源类腐殖质的荧光强度,a(443)为有色可溶性有机物在443nm处的吸收系数。
如前所述的一种基于OLCI传感器的内陆湖泊水体陆源腐殖质浓度遥感估算方法,进一步地,还包括对步骤三所得的陆源腐殖质与所述有色可溶性有机物(a(443))的关系模型以及有色可溶性有机物(a(443))的遥感估算模型进行精度评价的步骤;如果陆源腐殖质和有色可溶性有机物(a(443))的平均相对误差、均方根误差均小于0.30,则认为所述关系模型可靠。
本发明采用以上技术方案与现有技术相比,具有以下技术效果:
本发明提出了一种将OLCI数据转化成内陆湖泊CDOM空间分布数据的方法,在内陆水体陆源腐殖质浓度的分析过程中,取代了传统室内化学分析方法,即分析大量样点数据从而获取湖泊的荧光特征空间分布状况的方法,极大地节约了成本,提高了效率和测量精度。
用于支撑本发明所述方法的,是创造性地提出了CDOM的吸收光谱与荧光光谱之间的光学响应关系。一方面,CDOM的荧光特性被用于监测有色可溶性有机物组分的变化;另一方面,CDOM能够吸收紫外与可见光部分,是遥感能直接观测的参数之一,也是OLCI数据能探测的参数,因此本发明提出的CDOM的吸收光谱与荧光光谱之间的光学响应关系,是通过OLCI获取CDOM组分空间分布状况的关键。
附图说明
图1是本方法的逻辑框图。
图2是解译有色可溶性有机物三维荧光光谱的4个荧光组分图。
图3是有色可溶性有机物浓度遥感估算算法精度评价图。
图4是有色可溶性有机物浓度与陆源腐殖质浓度关系图。
图5是陆源腐殖质遥感估算算法精度评价图。
图6是基于Sentiel-3A OLCI卫星的太湖陆源腐殖质浓度空间分布图。
具体实施方式
下面结合附图对本发明的技术方案做进一步的详细说明:
本技术领域技术人员可以理解的是,除非另外定义,这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样定义,不会用理想化或过于正式的含义来解释。
下面结合附图对本发明的技术方案作进一步详细描述。
以2016年7月和2017年7月的太湖实验以及2016年8月和2017年8月的巢湖实验数据为基础,按照本发明构建基于Sentiel-3A OLCI的内陆湖泊陆源腐殖质遥感估算模型的构建,结合图1,并给出本发明的一个实施例,进一步详细说明本发明。
S1:基于湖泊野外实测光谱与物质浓度数据,分析有色可溶性有机物的吸收光谱和三维荧光光谱的光学响应联系;
通过三维荧光仪测量有色可溶性有机物的激发-发射三维荧光光谱图,并通过平行因子分析对所有样点的三维荧光光谱图进行分析,并得到4种荧光组分,如图2所示。其中,C1是海洋类腐殖质,C2是陆源类腐殖质,C3是紫外光类腐殖质,C4是类色氨酸类蛋白。同时利用高斯曲线研究有色可溶性有机物的吸收光谱特征,分析并得到相关参数,然后分析有色可溶性有机物的吸收与荧光之间的光学响应规律,发现C2组分即陆源腐殖质与有色可溶性有机物(a(443))、M值(a(250)/a(365))具有明显的相关性。
S2:探究陆源腐殖质与水质主导因子之间的内在关联;
内陆湖泊出现不同程度的水质状态主要是通过叶绿素a,总磷(TP),总氮(TN)等水质参数表示。利用Pearson系数分析陆源腐殖质与叶绿素a,总磷(TP),总氮(TN)之间的内在联系,结果显示其均与陆源腐殖质呈现显著的正相关性,且相关性均高达0.6,表明随着陆源腐殖质的输入,陆源的营养盐物质即总磷(TP),总氮(TN)也会随之增加,从而导致内陆湖泊出现不同程度的富营养状态,造成蓝藻不同程度的爆发,最终引起叶绿素a浓度的急剧增高。
S3:筛选有色可溶性有机物在443nm吸收系数(a(443))作为有色可溶性有机物浓度,然后筛选有色可溶性有机物对遥感反射率敏感波段,从而构建有色可溶性有机物浓度的遥感估算模型并进行精度评价;
采用美国的ASD公司的手持式光谱仪获得内陆湖泊实测的遥感反射率,并通过OLCI的光谱响应函数将实测的遥感反射率模拟到OLCI相对应的波段,然后分析各个波段与有色可溶性有机物浓度(a(443))的相关性,并通过各种拟合方法确定最佳的有色可溶性有机物(a(443)) 的遥感估算方法,模型如下:
a(443)=0.38-12.05*Rrs(B6)+0.84*(Rrs(B11)/Rrs(B6)) R2=0.73
式中,a(443)为有色可溶性有机物在443nm处的吸收系数,Rrs(B6)和Rrs(B11)分别表示在OLCI传感器中第6和第11波段的遥感反射率值。
同时利用独立的野外实测光谱数据对模型进行精度评价,如图3所示,结果表明该模型的RMSE值远小于0.2,模型具有较强的鲁棒性。
S4:构建基于Sentiel-3A OLCI的湖泊陆源腐殖质浓度遥感估算方法并进行精度评价,最终应用到Sentiel-3A OLCI影像中;
通过分析有色可溶性有机物的荧光特性和吸收特性的光学响应规律,结果表明陆源腐殖质与有色可溶性有机物(a(443))具有显著的正相关性,且R2值高达0.66,如图4所示,其关系模型为:
Fmax(C2)=0.61*a(443)+0.06 R2=0.66
式中,Fmax(C2)表示为陆源类腐殖质的荧光强度,a(443)为有色可溶性有机物在443nm处的吸收系数。
因此构建出基于OLCI的内陆湖泊陆源腐殖质遥感估算的方法,其方法如下:
Fmax(C2)=0.29-7.35*Rrs(B6)+0.51*(Rrs(B11)/Rrs(B6))
并同时利用独立数据集对陆源腐殖质遥感估算算法进行精度评价,结果如图5所示,模型的RMSE为0.13QSU,MAPE为0.28QSU,表明陆源腐殖质遥感估算算法的精度是令人满意的,具有利用OLCI传感器大尺度估算陆源腐殖质的潜力。
S5:将陆源腐殖质遥感估算算法应用到OLCI影像;
利用SEADAS中的MUMM大气校正算法对OLCI影像进行大气校正,同时对MUMM 大气校正算法进行精度评价,结果发现OLCI影像的B6和B11波段的遥感反射率精度良好,可适用于反演陆源腐殖质,因此将上述的陆源腐殖质遥感估算算法运用到OLCI影像,得到太湖的陆源腐殖质空间分布图,如图6所示。
以上所述仅是本发明的部分实施方式,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为本发明的保护范围。
Claims (2)
1.一种基于OLCI传感器的内陆湖泊水体陆源腐殖质浓度遥感估算方法,其特征在于,步骤包括:
步骤一、选取OLCI传感器中第6和第11波段的遥感反射率值,分别记为Rrs(B6)和Rrs(B11);
步骤二、将所述Rrs(B6)和Rrs(B11)代入拟合所得的有色可溶性有机物的最佳遥感估算模型如下,得到所述有色可溶性有机物在443nm处的吸收系数;
a(443)=0.38-12.05*Rrs(B6)+0.84*(Rrs(B11)/Rrs(B6))R2=0.73
其中,a(443)为所述有色可溶性有机物在443nm处的吸收系数;
步骤三、将所述有色可溶性有机物在443nm处的吸收系数a(443)反演模型代入陆源腐殖质与有色可溶性有机物(a(443))的关系模型如下,得到所述陆源类腐殖质的荧光强度与遥感反射率的关系;
Fmax(C2)=0.61*a(443)+0.06 R2=0.66
式中,Fmax(C2)表示为陆源类腐殖质的荧光强度,a(443)为有色可溶性有机物在443nm处的吸收系数;
步骤四、将步骤三所述陆源腐殖质的荧光强度与遥感反射率的关系分布运用到OLCI影像,结合所述OLCI影像中体现的荧光强度分布信息,得到太湖的陆源腐殖质空间分布图。
2.如权利要求1所述的一种基于OLCI传感器的内陆湖泊水体陆源腐殖质浓度遥感估算方法,其特征在于,还包括对步骤三所得的陆源腐殖质与所述有色可溶性有机物的关系模型以及有色可溶性有机物遥感估算模型进行精度评价的步骤;如果陆源腐殖质和有色可溶性有机物的平均相对误差、均方根误差均小于0.30,则认为所述关系模型可靠。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811453517.0A CN109738397B (zh) | 2018-11-30 | 2018-11-30 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811453517.0A CN109738397B (zh) | 2018-11-30 | 2018-11-30 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109738397A CN109738397A (zh) | 2019-05-10 |
CN109738397B true CN109738397B (zh) | 2021-03-30 |
Family
ID=66358340
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811453517.0A Active CN109738397B (zh) | 2018-11-30 | 2018-11-30 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109738397B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN117434016A (zh) * | 2020-10-27 | 2024-01-23 | 淮阴师范学院 | 基于NuSVR算法的内陆湖泊水体CDOM光谱吸收系数遥感反演模型和方法 |
CN112881353B (zh) * | 2021-01-11 | 2022-11-15 | 江西师范大学 | 一种测定水体中溶解性有机碳浓度的方法和装置 |
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 |
CN114624152B (zh) * | 2022-05-16 | 2022-08-12 | 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 | 一种水体颗粒有机碳来源的测试方法及相关设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2337518C2 (ru) * | 2006-12-11 | 2008-11-10 | Федеральное государственное образовательное учреждение высшего профессионального образования Омский Государственный Аграрный Университет | Способ внесения органических удобрений |
CN103970994A (zh) * | 2014-05-05 | 2014-08-06 | 南京师范大学 | 基于数据同化的内陆水体叶绿素浓度多模型协同反演方法 |
CN106092951A (zh) * | 2016-05-27 | 2016-11-09 | 南京吉泽信息科技有限公司 | 一种藻蓝蛋白浓度遥感估算的四波段模型方法 |
CN106126826A (zh) * | 2016-06-27 | 2016-11-16 | 中国科学院南京地理与湖泊研究所 | 一种基于viirs传感器的浑浊湖泊水体悬浮物浓度估算方法 |
CN107589075A (zh) * | 2017-09-07 | 2018-01-16 | 中国科学院南京地理与湖泊研究所 | 一种浅水湖泊固有光学参数的olci遥感监测方法 |
CN108152289A (zh) * | 2017-12-14 | 2018-06-12 | 中国科学院南京地理与湖泊研究所 | 富营养化湖泊真光层外藻总量遥感间接监测方法 |
-
2018
- 2018-11-30 CN CN201811453517.0A patent/CN109738397B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2337518C2 (ru) * | 2006-12-11 | 2008-11-10 | Федеральное государственное образовательное учреждение высшего профессионального образования Омский Государственный Аграрный Университет | Способ внесения органических удобрений |
CN103970994A (zh) * | 2014-05-05 | 2014-08-06 | 南京师范大学 | 基于数据同化的内陆水体叶绿素浓度多模型协同反演方法 |
CN106092951A (zh) * | 2016-05-27 | 2016-11-09 | 南京吉泽信息科技有限公司 | 一种藻蓝蛋白浓度遥感估算的四波段模型方法 |
CN106126826A (zh) * | 2016-06-27 | 2016-11-16 | 中国科学院南京地理与湖泊研究所 | 一种基于viirs传感器的浑浊湖泊水体悬浮物浓度估算方法 |
CN107589075A (zh) * | 2017-09-07 | 2018-01-16 | 中国科学院南京地理与湖泊研究所 | 一种浅水湖泊固有光学参数的olci遥感监测方法 |
CN108152289A (zh) * | 2017-12-14 | 2018-06-12 | 中国科学院南京地理与湖泊研究所 | 富营养化湖泊真光层外藻总量遥感间接监测方法 |
Non-Patent Citations (2)
Title |
---|
A two-step approach to mapping particulate organic carbon (POC) in inland water using OLCI images;Lin jie 等;《Ecological Indicators》;20180326;第90卷;第502-512页 * |
基于随机森林的内陆湖泊水体有色可溶性有机物( CDOM) 浓度遥感估算;吴志明 等;《湖泊科学》;20180731;第30卷(第4期);第979-991页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109738397A (zh) | 2019-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109738397B (zh) | 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 | |
Persson et al. | Multivariate evaluation of the fluorescence of aquatic organic matter | |
Rossel et al. | Visible, near infrared, mid infrared or combined diffuse reflectance spectroscopy for simultaneous assessment of various soil properties | |
Guinet et al. | Calibration procedures and first dataset of Southern Ocean chlorophyll a profiles collected by elephant seals equipped with a newly developed CTD-fluorescence tags | |
Dekker et al. | Remote sensing for inland water quality detection and monitoring: state-of-the-art application in Friesland waters | |
Chen et al. | Using Landsat/TM imagery to estimate nitrogen and phosphorus concentration in Taihu Lake, China | |
Liu et al. | Assessing heavy metal concentrations in earth-cumulic-orthic-anthrosols soils using Vis-NIR spectroscopy transform coupled with chemometrics | |
Novoa et al. | Water quality assessment using satellite-derived chlorophyll-a within the European directives, in the southeastern Bay of Biscay | |
Daniel et al. | Toward a harmonization for using in situ nutrient sensors in the marine environment | |
CN110836870B (zh) | 基于gee的大区域湖泊透明度快速制图方法 | |
Shanmugam et al. | Optical assessment of colored dissolved organic matter and its related parameters in dynamic coastal water systems | |
Zhang et al. | Characteristics of dissolved organic carbon revealed by ultraviolet‐visible absorbance and fluorescence spectroscopy: The current status and future exploration | |
CN112414957A (zh) | 海洋测试系统、方法和装置 | |
Chusnah et al. | Estimating chlorophyll-a concentrations in tropical reservoirs from band-ratio machine learning models | |
Leue et al. | In-situ multi-sensor characterization of soil cores along an erosion-deposition gradient | |
Vernet et al. | Measuring and modeling primary production in marine pelagic ecosystems | |
Toro Herrera et al. | Semi-automated production and filtering of satellite derived water quality parameters | |
Tola et al. | Determining soil organic carbon concentration in agricultural fields using a handheld spectroradiometer: Implication for soil fertility measurement | |
Astuti et al. | Spatio-temporal dynamics of inherent optical properties in oligotrophic northern Gulf of Mexico estuaries | |
Filipponi et al. | Water color data analysis system for coastal zone monitoring | |
Manuel et al. | Mapping Coloured Dissolved Organic Matter in Manila Bay Using SENTINEL-3 and Wasi | |
CN118010708A (zh) | 一种面向深海高压环境中libs光谱的定量分析方法 | |
Salyuk et al. | Use of laser induced fluorescence method for phytoplankton communities describing | |
Saberioon et al. | Retrieving Chl-a and total suspended solids in in-land waters using EnMAP simulated data | |
Ghimire | Spectroscopic Sensor Data Fusion to Improve the Prediction of Soil Nutrient Contents |
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 |