CN110082349A - 一种基于olci的内陆富营养化湖泊水体蓝藻生物量比例遥感估算方法 - Google Patents
一种基于olci的内陆富营养化湖泊水体蓝藻生物量比例遥感估算方法 Download PDFInfo
- Publication number
- CN110082349A CN110082349A CN201910104708.4A CN201910104708A CN110082349A CN 110082349 A CN110082349 A CN 110082349A CN 201910104708 A CN201910104708 A CN 201910104708A CN 110082349 A CN110082349 A CN 110082349A
- Authority
- CN
- China
- Prior art keywords
- remote sensing
- inland
- ratio
- nutrition
- value
- 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
Links
- 239000002028 Biomass Substances 0.000 title claims abstract description 53
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 51
- 235000016709 nutrition Nutrition 0.000 title claims abstract description 29
- 230000035764 nutrition Effects 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000010521 absorption reaction Methods 0.000 claims abstract description 24
- 238000009826 distribution Methods 0.000 claims abstract description 11
- 239000000049 pigment Substances 0.000 claims abstract description 11
- 229930002868 chlorophyll a Natural products 0.000 claims abstract description 8
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 claims abstract description 8
- 241000195493 Cryptophyta Species 0.000 claims description 38
- 238000012937 correction Methods 0.000 claims description 14
- 108010053210 Phycocyanin Proteins 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 7
- 210000005252 bulbus oculi Anatomy 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 230000003287 optical effect Effects 0.000 claims description 3
- 230000005855 radiation Effects 0.000 claims description 3
- 101001095088 Homo sapiens Melanoma antigen preferentially expressed in tumors Proteins 0.000 claims description 2
- 241001062009 Indigofera Species 0.000 claims description 2
- 102100037020 Melanoma antigen preferentially expressed in tumors Human genes 0.000 claims description 2
- 238000005316 response function Methods 0.000 claims description 2
- 230000003595 spectral effect Effects 0.000 claims description 2
- 238000002310 reflectometry Methods 0.000 claims 1
- 241000192700 Cyanobacteria Species 0.000 abstract description 19
- 238000001514 detection method Methods 0.000 abstract description 2
- 238000000605 extraction Methods 0.000 abstract 1
- 238000011160 research Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 241001420622 Meris Species 0.000 description 2
- 238000000862 absorption spectrum Methods 0.000 description 2
- 238000012851 eutrophication Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000003643 water by type Substances 0.000 description 2
- 241000108463 Hygrophila <snail> Species 0.000 description 1
- 241000192710 Microcystis aeruginosa Species 0.000 description 1
- 241000200247 Prorocentrum micans Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 235000019804 chlorophyll Nutrition 0.000 description 1
- 238000003271 compound fluorescence assay Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- XOSXWYQMOYSSKB-LDKJGXKFSA-L water blue Chemical compound CC1=CC(/C(\C(C=C2)=CC=C2NC(C=C2)=CC=C2S([O-])(=O)=O)=C(\C=C2)/C=C/C\2=N\C(C=C2)=CC=C2S([O-])(=O)=O)=CC(S(O)(=O)=O)=C1N.[Na+].[Na+] XOSXWYQMOYSSKB-LDKJGXKFSA-L 0.000 description 1
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
- G01N21/25—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
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3577—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing liquids, e.g. polluted water
-
- 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
- G01N21/84—Systems specially adapted for particular applications
-
- 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
- G01N2021/1793—Remote sensing
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)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
- Cultivation Of Seaweed (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于OLCI的内陆富营养化湖泊水体蓝藻生物量比例遥感估算方法,包括:从OLCI遥感影像数据上提取内陆富营养化湖泊水体研究区域,经过预处理,得到所述区域对应水体的遥感反射率;求第六波段和第十波段遥感反射率的比值,如果所述比值大于事先设定的阈值,则记为极高梯度,输出结果;小于该阈值时,获取778纳米处后向散射值、620和665纳米处的吸收系数和叶绿素a色素在665纳米的吸收系数;构建归一化指数,指征当前像元处蓝藻生物量比例;对所述研究区域逐像元应用前述步骤,得到内陆富营养化湖泊水体蓝藻生物量比例的空间分布。本发明极大地提高蓝藻检测的效率和规模,为蓝藻水华的预警提供参考。
Description
技术领域
本发明属于遥感技术领域,具体涉及一种基于OLCI的内陆富营养化湖泊水体蓝藻生物量比例遥感估算方法。
背景技术
湖泊富营养化会产生一系列环境问题,而蓝藻水华便是其中研究最多且污染最为严重的一种。蓝藻水华不仅造成水质恶化、水体功能下降、生态系统紊乱等后果,对人类健康也有极大的危害。
水华从表观现象上看是瞬时的“暴发”,但是其本质是藻类生物量在水体中的逐渐增加的一个缓慢过程,而非藻类在短时间内连续的快速生长所致。(孔繁翔,高光.大型浅水富营养化湖泊中蓝藻水华形成机理的思考[J].生态学报,2005,25(3):589-595.)。在水华暴发前后以及水华过程中,浮游藻类群落不断进行演替,造成各组成藻种百分比例的变化,水华优势藻的比例呈增加趋势。
目前遥感监测蓝藻水华主要是通过估算水体中叶绿素a浓度、藻蓝蛋白浓度或水华暴面积来实现的。Chla(Chlorophyl A,叶绿素a)浓度常见的反演模型有波段比值模型,三波段模型,四波段模型,基线法,生物光学模型和机器学习法等等,如Liu Ge等验证了5种可应用于MERIS/OLCI数据的Chla遥感估算模型,包括波段比值模型、三波段模型、FLH模型、MCI模型以及UMOC模型在洪泽湖水域的适用性,结果表明UMOC模型是最适用于洪泽湖水域的Chla浓度估算模型,其平均相对误差为32.3%。
但叶绿素a是各类藻类都含有的色素,若利用叶绿素a估测蓝藻生物量势必导致对水体中蓝藻生物量的高估,而藻蓝蛋白色素是蓝藻所特有的特征色素,且藻蓝蛋白色素在620nm附近具有一个区别于其他藻类的吸收峰,因此国内外许多学者利用这一特征实施对蓝藻的识别、监测以及定量估算。PC浓度常见的反演模型有波段比值模型,三波段模型,IIWIW法,基线法,荧光比值法等(Dekker等1993,Simis等2005,Mishra等2013,Li linhai等2015,Vincent等,2004),如Lyv等(Lyv heng等,2013)针对中国内陆富营养化湖泊,分析了Simis(2005)半分析算法的适用性,并重新率定了各个参数且对算法进行了改进,改进的算法对太湖和滇池藻蓝蛋白浓度的反演具有更高的精度。但通过叶绿素a和藻蓝蛋白对水体中藻类进行监测并不能够反应蓝藻是否为优势藻种。近年来不少研究者采用遥感数据对蓝藻水华及其面积进行监测,并分析其时空分布与变化情况。(段洪涛等2008,刘聚涛等2011,鲁韦坤等2009),如Hu等(2010)基于MODIS的645、859和1240nm波段的FAI指数提取太湖蓝藻水华,经过对2000-2008年的MODIS数据进行处理分析,将统计阈值-0.004作为蓝藻水华提取阈值,结果表明该指数能够较好地监测太湖蓝藻水华状态。
以上的研究,都是通过绝对量来监测湖泊的富营养化状态和蓝藻水华程度,都不能够反映蓝藻是否是优势藻种,而蓝藻是否为优势藻种对于蓝藻水华遥感预警具有重要的参考价值。目前国内外关于浮游藻类组成比例的研究也有很多(黄昌春等2010,2011,王瑜2014,Martínez-Guijarro等2009,Moberg等2002),如Staehr等(2003)将米氏凯伦藻与微小原甲藻混合,根据其吸收光谱特征,采用光谱相似指数和偏最小二乘法对混合藻中米氏凯伦藻进行识别和比例计算。蓝藻生物量比例(蓝藻生物量和藻类生物量的比值)及其变化趋势可以指示蓝藻积聚的过程及蓝藻水华形成和水华暴发的状态,这对于蓝藻水华的早期预警和监测具有重要意义。目前对于藻类生物量比例方面的研究还比较少,多是通过室内培养几种纯藻,配置成两组分或多组分的混合藻,通过经验的方法反演其中一种藻的比例,而对于野外某一门类藻丰度的研究却比较少,如蓝藻生物量比例,常以PC:Chla来指示蓝藻生物量比例,(Hunter等2008,2009,Shikun等2014),而研究却发现当总悬浮物浓度超过25mg/L时,该模型就不适合用PC:Chla来指示蓝藻生物量比例,模型的参数需要根据区域进行重新率定。Wynne等应用蓝藻指数(CI)、散射线的高度(SLH)和束丝藻-微囊藻指数(AMI)等来描述蓝藻生物量特征(Wynne等2008,Kudela等2015),取得了较为满意的精度。此外,也有研究应用如最小二乘等经验算法估算蓝藻丰度的(Jin Q,Lyu H,Shi L,et al.Developing atwo-step method for retrieving cyanobacteria abundance from inland eutrophiclakes using MERIS data[J].Ecological Indicators,2017,81:543-554.),该方法主要是提取蓝藻密度的比例。
发明内容
本发明所要解决的技术问题是:
为了提高内陆湖泊富营养化水体蓝藻生物量比例估算的系统性和精确程度,本发明提出一种基于OLCI的内陆富营养化湖泊水体蓝藻生物量比例遥感估算方法。
本发明为解决上述技术问题采用以下技术方案:
一种基于OLCI的内陆富营养化湖泊水体蓝藻生物量比例遥感估算方法,包括以下步骤:
S1、从OLCI遥感影像上提取所述内陆富营养化湖泊水体研究区域,经过预处理,得到所述区域对应水体的遥感反射率;所述遥感影像由像元组成,所述预处理包括辐射定标、几何校正、大气校正,所述遥感反射率第一波段至第十六波段的遥感反射率值依次记为OA1至OA16;
S2、求像元处OA6和OA10的比值;如果所述比值大于事先设定的阈值,则认为所述像元的蓝藻生物量比例大于90%,记为极高梯度,输出结果;小于该阈值时,认为所述像元的蓝藻生物量比例小于90%,进入S3;
S3、对目标内陆富营养化湖泊水体研究区域对应水体实地测量,得到采样区域的遥感反射率,通过光学仪器测量得到浮游藻类的吸收系数aph在全波段的实测值,作为所述采样区域的实测值;
S4、由OA16计算得到所述像元778nm处的后向散射值bb(778),由OA11/OA8、bb(778),得到浮游藻类在665nm处的吸收系数aph(665),由aph(665)的反演值与实测值的比值,获取γ值,由OA11/OA8、bb(778),以及γ值得到校正后的浮游藻类在665nm处的吸收系数aph(665);由OA11/OA7、bb(778),得到浮游藻类在620nm处的吸收系数aph(620),由aph(620)的反演值与实测值的比值,获取δ值,由OA11/OA7、bb(778),以及δ值得到校正后的浮游藻类在620nm处的吸收系数aph(620);由OA11/OA8获取值,由OA7/OA11获取值,结合aph(620)、aph(665)、和分离得到藻蓝蛋白色素在620nm处的吸收系数apc(620),和叶绿素a色素在665nm的吸收系数achl(665);
S5、构建归一化指数:[apc(620)-achl(665)]/[apc(620)+achl(665)],用于指征所述像元蓝藻生物量比例;
S6、将S2至S5所述的步骤逐像元作用于所述内陆富营养化湖泊水体研究区域的OLCI遥感影像上,得到S1所述区域对应水体的蓝藻生物量比例的空间分布。
如前所述的一种基于OLCI的内陆富营养化湖泊水体蓝藻生物量比例遥感估算方法,进一步地,步骤S1中大气校正采用的是SeaDAS 7.3的MUMM算法,在该算法中,Rrs(779)与Rrs(865)的比值设定为1.9。
如前所述的一种基于OLCI的内陆富营养化湖泊水体蓝藻生物量比例遥感估算方法,进一步地,步骤S1中还包括大气校正精度分析的步骤:首先将实测点的遥感反射率的实测值通过光谱响应函数响应到遥感影像的各个波段,然后将实测点的遥感反射率和OLCI对应位置的遥感反射率进行比对,得到指数对对比结果进行评价,所述指数包括均方根误差和平均相对误差;平均相对误差小于30%时,认为大气校正效果较好,将结果输出至步骤S2。
如前所述的一种基于OLCI的内陆富营养化湖泊水体蓝藻生物量比例遥感估算方法,进一步地,步骤S2中所述阈值取1.77。
如前所述的一种基于OLCI的内陆富营养化湖泊水体蓝藻生物量比例遥感估算方法,进一步地,步骤S4中γ的取值为0.85,δ的取值为0.96。
如前所述的一种基于OLCI的内陆富营养化湖泊水体蓝藻生物量比例遥感估算方法,进一步地,步骤S5中归一化指数和蓝藻生物量比例的关系为:y=(1.126*x+0.5429)*100%,R2=0.64;所述y为蓝藻生物量比例,x为归一化指数。
如前所述的一种基于OLCI的内陆富营养化湖泊水体蓝藻生物量比例遥感估算方法,进一步地,所述用于精度分析的表达式如下:
其中MAPE是平均绝对百分比误差,RMSE是均方根误差,n是样本数,yi是测量值,y′i是估计值。
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:
本发明提出的方法通过分析不同蓝藻生物量比例水体的遥感反射率和浮游植物吸收光谱特征,研究水体中蓝藻生物量比例与其光学特征的响应规律,确定从浮游植物吸收系数中分离出蓝藻的吸收信息的方法,从而构建适用于内陆富营养化湖泊蓝藻生物量比例估算的半分析模型。
本发明所述的方法更具有物理基础和意义,其在内陆湖泊的通用性方面具有更好的潜力;另一方面,将遥感技术OLCI得到的数据用于获取水体中蓝藻生物量比例,并进一步地将其运用于蓝藻监测,极大地提高蓝藻检测的效率和规模。具体地,本发明所述方法的均方根误差在本实施例中可达到0.29,平均相对误差为19.25%,相对于现有技术精度显著提高。
附图说明
图1是大气校正精度评价图;
图2是两种类型水体比值分布图;
图3是半分析算法流程图;
图4是太湖水体的蓝藻生物量比例空间分布图;
图5是滇池水体的蓝藻生物量比例空间分布图。
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。
以太湖2013年5月-2017年7月太湖、2017年4月-11月滇池的实测遥感反射率为基础,按照本发明进行太湖、滇池水体蓝藻生物量比例遥感估算,给出本发明一个实施例,进一步详细说明本发明。
S1:下载2017年4月12日滇池、2017年5月18日太湖的OLCI影像数据,对研究区进行裁剪,经过辐射定标、几何校正、大气校正等预处理工作,得到所述区域对应水体逐像元的遥感反射率;由于2017年4月12日的滇池影像有地面同步实测点,因此以所述影像验证大气校正效果,大气校正结果图详见图1。
S2、OLCI第六波段(中心波长560nm)处的遥感反射率值记为OA6,OLCI在第十波段处的遥感反射率值记为OA10;求OA6和OA10的比值;对OA6和OA10的比值设置一个阈值1.77。如果所述比值大于事先设定的阈值,则认为该处的蓝藻生物量比例大于90%,记为极高梯度,输出结果;小于该阈值时,认为该处的蓝藻生物量比例小于90%,进入S3所述的半分析算法流程。S1所述的两种类型水体的OA6与OA10的比值分布情况详见图2,半分析算法详细流程图见图3。
S3、获取内陆富营养化湖泊水体研究区域在OLCI影像第七波段(中心波长620nm)、第八波段(中心波长665nm)、第十一波段(中心波长709nm)、第十六波段(中心波长778nm)处的遥感反射率,分别记为OA7、OA8、OA11、OA16;
S4、由OA16计算得到778nm处的后向散射值bb(778);
S5、由OA11/OA8、bb(778),得到浮游藻类在665nm处的吸收系数aph(665),由aph(665)的反演值与实测值的比值,获取γ值,由OA11/OA8、bb(778),以及γ值得到校正后的浮游藻类在665nm处的吸收系数aph(665);由OA11/OA7、bb(778),得到浮游藻类在620nm处的吸收系数aph(620),由aph(620)的反演值与实测值的比值,获取δ值,由OA11/OA7、bb(778),以及δ值得到校正后的浮游藻类在620nm处的吸收系数aph(620);由OA11/OA8获取值,由OA7/OA11获取值,结合aph(620)、aph(665)、和分离得到藻蓝蛋白色素在620nm处的吸收系数apc(620),和叶绿素a色素在665nm的吸收系数achl(665);
S6、构建归一化指数:[apc(620)-achl(665)]/[apc(620)+achl(665)],用于指征蓝藻生物量比例;
S7:逐像元应用S1至S6所述的步骤,可以得到S1所述内陆富营养化湖泊水体蓝藻生物量比例的空间分布。
实施例一
利用本发明所述的方法得到太湖蓝藻生物量比例空间分布见图4,滇池蓝藻生物量比例空间分布见图5。
本发明所述模型方法的均方根误差在本实施例中可达到0.29,平均相对误差为19.25%,相对于现有技术精度显著提高。
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 (7)
1.一种基于OLCI的内陆富营养化湖泊水体蓝藻生物量比例遥感估算方法,其特征在于包括以下步骤:
S1、从OLCI遥感影像上提取所述内陆富营养化湖泊水体研究区域,经过预处理,得到所述区域对应水体的遥感反射率;所述遥感影像由像元组成,所述预处理包括辐射定标、几何校正、大气校正,所述遥感反射率第一波段至第十六波段的遥感反射率值依次记为OA1至OA16;
S2、求像元处OA6和OA10的比值;如果所述比值大于事先设定的阈值,则认为所述像元的蓝藻生物量比例大于90%,记为极高梯度,输出结果;小于该阈值时,认为所述像元的蓝藻生物量比例小于90%,进入S3;
S3、对目标内陆富营养化湖泊水体研究区域对应水体实地测量,得到采样区域的遥感反射率,通过光学仪器测量得到浮游藻类的吸收系数aph在全波段的实测值,作为所述采样区域的实测值;
S4、由OA16计算得到所述像元778nm处的后向散射值bb(778),由OA11/OA8、bb(778),得到浮游藻类在665nm处的吸收系数aph(665),由aph(665)的反演值与实测值的比值,获取γ值,由OA11/OA8、bb(778),以及γ值得到校正后的浮游藻类在665nm处的吸收系数aph(665);由OA11/OA7、bb(778),得到浮游藻类在620nm处的吸收系数aph(620),由aph(620)的反演值与实测值的比值,获取δ值,由OA11/OA7、bb(778),以及δ值得到校正后的浮游藻类在620nm处的吸收系数aph(620);由OA11/OA8获取值,由OA7/OA11获取值,结合aph(620)、aph(665)、和分离得到藻蓝蛋白色素在620nm处的吸收系数apc(620),和叶绿素a色素在665nm的吸收系数achl(665);
S5、构建归一化指数:[apc(620)-achl(665)]/[apc(620)+achl(665)],用于指征所述像元蓝藻生物量比例;
S6、将S2至S5所述的步骤逐像元作用于所述内陆富营养化湖泊水体研究区域的OLCI遥感影像上,得到S1所述区域对应水体的蓝藻生物量比例的空间分布。
2.如权利要求1所述的一种基于OLCI的内陆富营养化湖泊水体蓝藻生物量比例遥感估算方法,其特征在于,步骤S1中大气校正采用的是SeaDAS 7.3的MUMM算法,在该算法中,Rrs(779)与Rrs(865)的比值设定为1.9。
3.如权利要求1所述的一种基于OLCI的内陆富营养化湖泊水体蓝藻生物量比例遥感估算方法,其特征在于,步骤S1中还包括大气校正精度分析的步骤:首先将实测点的遥感反射率的实测值通过光谱响应函数响应到遥感影像的各个波段,然后将实测点的遥感反射率和OLCI对应位置的遥感反射率进行比对,得到指数对对比结果进行评价,所述指数包括均方根误差和平均相对误差;平均相对误差小于30%时,认为大气校正效果较好,将结果输出至步骤S2。
4.如权利要求1所述的一种基于OLCI的内陆富营养化湖泊水体蓝藻生物量比例遥感估算方法,其特征在于,步骤S2中所述阈值取1.77。
5.如权利要求1所述的一种基于OLCI的内陆富营养化湖泊水体蓝藻生物量比例遥感估算方法,其特征在于,步骤S4中γ的取值为0.85,δ的取值为0.96。
6.如权利要求1所述的一种基于OLCI的内陆富营养化湖泊水体蓝藻生物量比例遥感估算方法,其特征在于,步骤S5中归一化指数和蓝藻生物量比例的关系为:y=(1.126*x+0.5429)*100%,R2=0.64;所述y为蓝藻生物量比例,x为归一化指数。
7.如权利要求1所述的一种基于OLCI的内陆富营养化湖泊水体蓝藻生物量比例遥感估算方法,其特征在于,所述用于精度分析的表达式如下:
其中MAPE是平均绝对百分比误差,RMSE是均方根误差,n是样本数,yi是测量值,yi'是估计值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910104708.4A CN110082349B (zh) | 2019-02-01 | 2019-02-01 | 一种基于olci的内陆富营养化湖泊水体蓝藻生物量比例遥感估算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910104708.4A CN110082349B (zh) | 2019-02-01 | 2019-02-01 | 一种基于olci的内陆富营养化湖泊水体蓝藻生物量比例遥感估算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110082349A true CN110082349A (zh) | 2019-08-02 |
CN110082349B CN110082349B (zh) | 2021-11-02 |
Family
ID=67413021
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910104708.4A Active CN110082349B (zh) | 2019-02-01 | 2019-02-01 | 一种基于olci的内陆富营养化湖泊水体蓝藻生物量比例遥感估算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110082349B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111368779A (zh) * | 2020-03-13 | 2020-07-03 | 武汉大学 | 一种基于Landsat 8 OLI的蓝藻水华风险评估与动态感知方法 |
CN112232234A (zh) * | 2020-10-20 | 2021-01-15 | 生态环境部卫星环境应用中心 | 基于遥感的内陆湖库蓝藻水华强度评价方法和装置 |
CN112577955A (zh) * | 2020-11-23 | 2021-03-30 | 淮阴师范学院 | 一种水华水体检测方法和系统 |
CN112818751A (zh) * | 2021-01-08 | 2021-05-18 | 江苏省无锡环境监测中心 | 一种基于物联网的水生态完整性动态评估方法 |
CN112989692A (zh) * | 2021-02-10 | 2021-06-18 | 中国科学院南京地理与湖泊研究所 | 基于遥感数据的湖泊富营养化反演方法 |
CN113092383A (zh) * | 2021-04-06 | 2021-07-09 | 宁波市测绘和遥感技术研究院 | 一种近海岸海洋赤潮识别方法 |
CN113673737A (zh) * | 2020-05-14 | 2021-11-19 | 中国科学院南京地理与湖泊研究所 | 基于卫星遥感影像的藻型湖泊水体溶解二氧化碳估算方法 |
CN112033937B (zh) * | 2020-09-08 | 2023-05-23 | 西安科技大学 | 一种水体提取精度的评价方法 |
CN117420080A (zh) * | 2023-10-20 | 2024-01-19 | 南京师范大学 | 一种融合了浮游藻类色素蛋白光谱与图像的水质分析方法 |
Citations (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002017457A1 (en) * | 2000-08-22 | 2002-02-28 | Human El-Tech, Inc. | Overload circuit interrupter capable of electrical tripping and circuit breaker with the same |
CN1339890A (zh) * | 2000-08-22 | 2002-03-13 | 朗迅科技公司 | 光波通信网络中传送多种协议格式的系统和方法 |
US20020068018A1 (en) * | 2000-12-06 | 2002-06-06 | Hrl Laboratories, Llc | Compact sensor using microcavity structures |
EP1385637A1 (en) * | 2001-04-11 | 2004-02-04 | Quantag Systems, Inc. | Improved raman-active taggants and their recognition |
CN1589513A (zh) * | 2001-09-20 | 2005-03-02 | 阿拉巴玛州立大学伯明翰研究基金会 | 中红外微芯片激光器:带有可饱和吸收材料的ZnS:Cr2+激光器 |
US20070002306A1 (en) * | 2005-07-01 | 2007-01-04 | Itt Manufacturing Enterprises, Inc. | Ground surface cover type reflectivity variation correction in a differential absorption lidar system |
CN101281122A (zh) * | 2008-05-12 | 2008-10-08 | 中国农业大学 | 一种测量光学参数谱的装置及其消除散射影响的定量方法 |
CN101520420A (zh) * | 2009-04-03 | 2009-09-02 | 中国政法大学 | 中远红外照相装置 |
CN101655462A (zh) * | 2009-09-11 | 2010-02-24 | 中国科学院地理科学与资源研究所 | 水质信息获取装置、水体富营养化程度识别方法及系统 |
CN102200576A (zh) * | 2011-03-10 | 2011-09-28 | 王桥 | 叶绿素a浓度反演方法及系统 |
CN103760112A (zh) * | 2014-01-23 | 2014-04-30 | 中国科学院南京地理与湖泊研究所 | 基于遥感的湖泊水体蓝藻丰度的估算方法 |
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 |
CN104132942A (zh) * | 2014-08-11 | 2014-11-05 | 江苏恒创软件有限公司 | 一种基于无人机的水体富营养化检测与处理方法 |
EP3029439A1 (de) * | 2014-12-03 | 2016-06-08 | Helmholtz-Zentrum Potsdam - Deutsches GeoForschungsZentrum GFZ Stiftung des Öffentlichen Rechts des Lands Brandenburg | System zur Auswertung von Reflektanzspektren und Verfahren zur Bestimmung von charakteristischen Absorptionsmerkmalen in Reflektanzspektren |
CN106053394A (zh) * | 2016-07-20 | 2016-10-26 | 山东省科学院海洋仪器仪表研究所 | 一种利用固有光学参数反演水体透明度的方法 |
CN106408005A (zh) * | 2016-09-05 | 2017-02-15 | 中国科学院南京地理与湖泊研究所 | 基于modis色素浓度估算的富营养化湖泊水质风险评价方法 |
CN107167446A (zh) * | 2017-05-16 | 2017-09-15 | 武汉大学 | 一种土壤重金属可见及近红外反射光谱特征诊断方法 |
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 |
CN108007902A (zh) * | 2016-10-27 | 2018-05-08 | 核工业北京地质研究院 | 一种用高光谱数据计算白云母Al-OH吸收位置的方法 |
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 |
CN108267462A (zh) * | 2017-12-08 | 2018-07-10 | 山东省科学院自动化研究所 | 一种太赫兹连续波扫描成像系统及方法 |
CN108645853A (zh) * | 2018-05-11 | 2018-10-12 | 南京吉泽信息科技有限公司 | 一种黑臭水体遥感识别的比值指数方法 |
CN108698908A (zh) * | 2016-02-12 | 2018-10-23 | 贺利氏石英玻璃有限两合公司 | 合成制造的石英玻璃的漫射体材料以及用于生产完全或部分由其组成的模制体的方法 |
-
2019
- 2019-02-01 CN CN201910104708.4A patent/CN110082349B/zh active Active
Patent Citations (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002017457A1 (en) * | 2000-08-22 | 2002-02-28 | Human El-Tech, Inc. | Overload circuit interrupter capable of electrical tripping and circuit breaker with the same |
CN1339890A (zh) * | 2000-08-22 | 2002-03-13 | 朗迅科技公司 | 光波通信网络中传送多种协议格式的系统和方法 |
US20020068018A1 (en) * | 2000-12-06 | 2002-06-06 | Hrl Laboratories, Llc | Compact sensor using microcavity structures |
EP1385637A1 (en) * | 2001-04-11 | 2004-02-04 | Quantag Systems, Inc. | Improved raman-active taggants and their recognition |
CN1589513A (zh) * | 2001-09-20 | 2005-03-02 | 阿拉巴玛州立大学伯明翰研究基金会 | 中红外微芯片激光器:带有可饱和吸收材料的ZnS:Cr2+激光器 |
US20070002306A1 (en) * | 2005-07-01 | 2007-01-04 | Itt Manufacturing Enterprises, Inc. | Ground surface cover type reflectivity variation correction in a differential absorption lidar system |
CN101281122A (zh) * | 2008-05-12 | 2008-10-08 | 中国农业大学 | 一种测量光学参数谱的装置及其消除散射影响的定量方法 |
CN101520420A (zh) * | 2009-04-03 | 2009-09-02 | 中国政法大学 | 中远红外照相装置 |
CN101655462A (zh) * | 2009-09-11 | 2010-02-24 | 中国科学院地理科学与资源研究所 | 水质信息获取装置、水体富营养化程度识别方法及系统 |
CN102200576A (zh) * | 2011-03-10 | 2011-09-28 | 王桥 | 叶绿素a浓度反演方法及系统 |
CN103760112A (zh) * | 2014-01-23 | 2014-04-30 | 中国科学院南京地理与湖泊研究所 | 基于遥感的湖泊水体蓝藻丰度的估算方法 |
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 |
CN104132942A (zh) * | 2014-08-11 | 2014-11-05 | 江苏恒创软件有限公司 | 一种基于无人机的水体富营养化检测与处理方法 |
EP3029439A1 (de) * | 2014-12-03 | 2016-06-08 | Helmholtz-Zentrum Potsdam - Deutsches GeoForschungsZentrum GFZ Stiftung des Öffentlichen Rechts des Lands Brandenburg | System zur Auswertung von Reflektanzspektren und Verfahren zur Bestimmung von charakteristischen Absorptionsmerkmalen in Reflektanzspektren |
CN108698908A (zh) * | 2016-02-12 | 2018-10-23 | 贺利氏石英玻璃有限两合公司 | 合成制造的石英玻璃的漫射体材料以及用于生产完全或部分由其组成的模制体的方法 |
CN106053394A (zh) * | 2016-07-20 | 2016-10-26 | 山东省科学院海洋仪器仪表研究所 | 一种利用固有光学参数反演水体透明度的方法 |
CN106408005A (zh) * | 2016-09-05 | 2017-02-15 | 中国科学院南京地理与湖泊研究所 | 基于modis色素浓度估算的富营养化湖泊水质风险评价方法 |
CN108007902A (zh) * | 2016-10-27 | 2018-05-08 | 核工业北京地质研究院 | 一种用高光谱数据计算白云母Al-OH吸收位置的方法 |
CN107167446A (zh) * | 2017-05-16 | 2017-09-15 | 武汉大学 | 一种土壤重金属可见及近红外反射光谱特征诊断方法 |
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 |
CN108267462A (zh) * | 2017-12-08 | 2018-07-10 | 山东省科学院自动化研究所 | 一种太赫兹连续波扫描成像系统及方法 |
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 |
CN108645853A (zh) * | 2018-05-11 | 2018-10-12 | 南京吉泽信息科技有限公司 | 一种黑臭水体遥感识别的比值指数方法 |
Non-Patent Citations (6)
Title |
---|
JIE LIN 等: "A two-step approach to mapping particulate organic carbon(POC) in inland water using OLCI images", 《ECOLOGICAL INDICATORS》 * |
JIN Q 等: "Developing a two-step method for retriecing cyanobacteria abundance from inland eutrophic lakes ysing meris data", 《ECOLOGICAL INDICATORS》 * |
VERMOTE EF: "Second Simulation of the satelite signal in the solar spectrum,6s: an overview", 《IEEE TRANS GEOSCI REMOTE SENSING》 * |
吴志明: "内陆富营养化湖泊CDOM浓度及其组成遥感估算方法研究", 《中国优秀硕士学位论文全文数据库工程科技I辑》 * |
毕顺 等: "基于OLCI数据的洱海叶绿素a浓度估算", 《湖泊科学》 * |
王得玉: "太湖蓝藻爆发与水温的关系的MODIS遥感", 《湖泊科学》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111368779A (zh) * | 2020-03-13 | 2020-07-03 | 武汉大学 | 一种基于Landsat 8 OLI的蓝藻水华风险评估与动态感知方法 |
CN111368779B (zh) * | 2020-03-13 | 2022-03-04 | 武汉大学 | 一种基于Landsat 8 OLI的蓝藻水华风险评估与动态感知方法 |
CN113673737A (zh) * | 2020-05-14 | 2021-11-19 | 中国科学院南京地理与湖泊研究所 | 基于卫星遥感影像的藻型湖泊水体溶解二氧化碳估算方法 |
CN113673737B (zh) * | 2020-05-14 | 2023-07-28 | 中国科学院南京地理与湖泊研究所 | 基于卫星遥感影像的藻型湖泊水体溶解二氧化碳估算方法 |
CN112033937B (zh) * | 2020-09-08 | 2023-05-23 | 西安科技大学 | 一种水体提取精度的评价方法 |
CN112232234B (zh) * | 2020-10-20 | 2021-04-16 | 生态环境部卫星环境应用中心 | 基于遥感的内陆湖库蓝藻水华强度评价方法和装置 |
CN112232234A (zh) * | 2020-10-20 | 2021-01-15 | 生态环境部卫星环境应用中心 | 基于遥感的内陆湖库蓝藻水华强度评价方法和装置 |
CN112577955A (zh) * | 2020-11-23 | 2021-03-30 | 淮阴师范学院 | 一种水华水体检测方法和系统 |
CN112818751A (zh) * | 2021-01-08 | 2021-05-18 | 江苏省无锡环境监测中心 | 一种基于物联网的水生态完整性动态评估方法 |
CN112989692A (zh) * | 2021-02-10 | 2021-06-18 | 中国科学院南京地理与湖泊研究所 | 基于遥感数据的湖泊富营养化反演方法 |
CN113092383A (zh) * | 2021-04-06 | 2021-07-09 | 宁波市测绘和遥感技术研究院 | 一种近海岸海洋赤潮识别方法 |
CN117420080A (zh) * | 2023-10-20 | 2024-01-19 | 南京师范大学 | 一种融合了浮游藻类色素蛋白光谱与图像的水质分析方法 |
CN117420080B (zh) * | 2023-10-20 | 2024-05-24 | 南京师范大学 | 一种融合了浮游藻类色素蛋白光谱与图像的水质分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110082349B (zh) | 2021-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110082349A (zh) | 一种基于olci的内陆富营养化湖泊水体蓝藻生物量比例遥感估算方法 | |
Birks | Numerical methods for the analysis of diatom assemblage data | |
CN108593569B (zh) | 基于光谱形态特征的高光谱水质参数定量反演方法 | |
Al Bashish et al. | A framework for detection and classification of plant leaf and stem diseases | |
Jiang et al. | The seasonal and spatial variations of phytoplankton community and their correlation with environmental factors in a large eutrophic Chinese lake (Lake Chaohu) | |
Loiselle et al. | The optical characterization of chromophoric dissolved organic matter using wavelength distribution of absorption spectral slopes | |
CN108152289B (zh) | 富营养化湖泊真光层外藻总量遥感间接监测方法 | |
CN106408005B (zh) | 基于modis色素浓度估算的富营养化湖泊水质风险评价方法 | |
CN106468658A (zh) | 一种富营养化湖泊藻蓝素的modis遥感监测方法 | |
CN103927516A (zh) | 基于数字图像处理的海水珍珠鉴别系统 | |
Zhu et al. | Development and testing of the phytoplankton biological integrity index (P-IBI) in dry and wet seasons for Lake Gehu | |
Chen et al. | Diagnosing of rice nitrogen stress based on static scanning technology and image information extraction | |
CN103745231B (zh) | 小麦矮腥黑穗病tck及其近似种tct的冬孢子图像鉴定方法 | |
CN105869171A (zh) | 一种定量分析人体皮肤纹理老化的方法 | |
CN104152451B (zh) | 一种太湖新银鱼物种分子鉴定的引物和方法 | |
Brewin et al. | A spectral response approach for detecting dominant phytoplankton size class from satellite remote sensing | |
Ma et al. | Efficient identification of Bachu mushroom by flourier transform infrared (FT-IR) spectroscopy coupled with PLS-GS-SVM | |
CN117495851B (zh) | 一种基于图像轮廓处理的水环境微生物检测方法 | |
CN107014779B (zh) | 一种藻类垂向非均匀水体的遥感反射比校正方法 | |
CN106769903B (zh) | 一种养殖水体藻类浓度检测方法 | |
CN106092951B (zh) | 一种藻蓝蛋白浓度遥感估算的四波段模型方法 | |
CN105803070B (zh) | 一种小麦叶片内条锈病菌dna相对含量测量方法 | |
Khanna et al. | Effect of the euphotic depth and mixing depth on phytoplanktonic growth mechanism | |
An et al. | Different responses of plankton community to mesoscale eddies in the western equatorial Pacific Ocean | |
CN114998724B (zh) | 一种抗云层干扰的湖泊蓝藻水华遥感监测方法 |
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 |