CN110196239B - 浑浊水体浮游植物吸收系数光谱遥感反演方法 - Google Patents
浑浊水体浮游植物吸收系数光谱遥感反演方法 Download PDFInfo
- Publication number
- CN110196239B CN110196239B CN201910505003.3A CN201910505003A CN110196239B CN 110196239 B CN110196239 B CN 110196239B CN 201910505003 A CN201910505003 A CN 201910505003A CN 110196239 B CN110196239 B CN 110196239B
- Authority
- CN
- China
- Prior art keywords
- absorption coefficient
- phytoplankton
- spectrum
- water body
- measured
- 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
- 238000010521 absorption reaction Methods 0.000 title claims abstract description 135
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 79
- 238000001228 spectrum Methods 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 24
- 230000003595 spectral effect Effects 0.000 claims description 12
- 238000005457 optimization Methods 0.000 claims description 11
- 239000000049 pigment Substances 0.000 claims description 8
- 238000012795 verification Methods 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 239000013618 particulate matter Substances 0.000 claims description 6
- 239000002245 particle Substances 0.000 claims description 4
- 238000000985 reflectance spectrum Methods 0.000 claims description 3
- 230000006872 improvement Effects 0.000 description 6
- 238000012821 model calculation Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 3
- 108010053210 Phycocyanin Proteins 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 239000010954 inorganic particle Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 241000206761 Bacillariophyta Species 0.000 description 1
- 241000195628 Chlorophyta Species 0.000 description 1
- 239000005422 algal bloom Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012851 eutrophication Methods 0.000 description 1
- 230000004941 influx Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000013076 uncertainty analysis Methods 0.000 description 1
Images
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
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
-
- 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
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
-
- 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)
- Spectroscopy & Molecular Physics (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)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及浑浊水体浮游植物吸收系数光谱遥感反演方法，在半分析算法的基础上，首先计算红光波段的浮游植物吸收系数aph(674)的初始值；利用实测的浮游植物吸收系数数据建立浮游植物吸收系数的光谱形状查找表；结合反演得到的aph(674)和浮游植物吸收系数的光谱形状查找表，基于优化迭代方法的浮游植物吸收系数反演算法，得到浮游植物吸收系数的光谱(400‑750nm)反演结果。最后，分别将吸收系数光谱遥感反演算法应用于实测的水体总吸收系数和遥感反射比Rrs数据，进行验证，并得到基于实测高光谱数据的浮游植物吸收系数光谱曲线。
Description
技术领域
本发明属于遥感技术领域，具体涉及一种浑浊水体浮游植物吸收系数光谱遥感反演方法。
背景技术
人类活动较为丰富的长江中下游湖泊，富营养化程度也很严重，藻华时常爆发，监测浮游植物的吸收系数光谱有助于研究引起藻华发生的浮游植物优势类别、不同色素浓度的空间及季节分布。近岸及内陆水体受到河流携带泥沙汇入和底泥再悬浮的影响，无机颗粒物含量较高，即水体较为浑浊。但是，在浑浊水体，无机颗粒物的后向散射信号较强，在蓝光波段的对光的衰减影响较大。这导致了已有的浮游植物吸收系数的反演算法在浑浊水体失效。QAA是一种针对大洋和近岸水体建立的固有光学参数的反演算法，已有研究证明了该算法在浑浊水体会出现明显的低估。QAA750是一种基于水体总吸收系数在750nm处只包含纯水的吸收系数的算法，可以得到富营养化湖泊的水体总吸收系数，并得到了实测数据的验证。
浮游植物吸收系数光谱可以得到不同浮游植物特征波段对应的浮游植物吸收系数，例如，藻蓝素的特征波段为620nm，根据620nm处的浮游植物吸收峰可以监测蓝藻水华的爆发及藻蓝素的浓度。以此，可以区别于其他类型的藻华，如绿藻、硅藻等。浮游植物吸收系数光谱可以为湖泊群的藻华及色素浓度遥感监测提供必要的技术支撑，有助于湖泊水环境关键参数数据库的建立，为湖泊水环境安全提供决策依据。
参考文献
Binding,C.,Jerome,J.,Bukata,R.,&Booty,W.(2008).Spectral absorptionproperties of dissolved and particulate matter in Lake Erie.Remote Sensing ofEnvironment,112,1702-1711
Brando,V.E.,Dekker,A.G.,Park,Y.J.,&Schroeder,T.(2012).Adaptivesemianalytical inversion of ocean color radiometry in optically complexwaters.Applied Optics,51,2808-2833
Lee,Z.(2014).Update of the quasi-analytical algorithm(QAA_v6).In.http://www.ioccg.org/groups/Software_OCA/QAA_v6_2014209.pdf
Lee,Z.,Ahn,Y.-H.,Mobley,C.,&Arnone,R.(2010).Removal of surface-reflected light for the measurement of remote-sensing reflectance from anabove-surface platform.Optics express,18,26313-26324
Li,L.,Li,L.,Song,K.,Li,Y.,Tedesco,L.P.,Shi,K.,&Li,Z.(2013).Aninversion model for deriving inherent optical properties of inland waters:Establishment,validation and application.Remote Sensing of Environment,135,150-166
Li,S.,Song,K.,Chen,Z.,Zhao,Y.,Shao,T.,Mu,G.,&Guan,Y.(2015).Absorptioncharacteristics of particulates and CDOM in spring in the LakeXingkai.Journal of Lake Sciences,941-952
Zheng,G.,&Stramski,D.(2013).A model based on stacked-constraintsapproach for partitioning the light absorption coefficient of seawater intophytoplankton and non-phytoplankton components.Journal of GeophysicalResearch:Oceans,118,2155-2174
Zheng,G.,Stramski,D.,&DiGiacomo,P.M.(2015).A model for partitioningthe light absorption coefficient of natural waters into phytoplankton,nonalgal particulate,and colored dissolved organic components:A case studyfor the Chesapeake Bay.Journal of Geophysical Research:Oceans,120,2601-2621
Zheng,G.,Stramski,D.,&Reynolds,R.A.(2014).Evaluation of the Quasi-Analytical Algorithm for estimating the inherent optical properties ofseawater from ocean color:Comparison of Arctic and lower-latitudewaters.Remote Sensing of Environment,155,194-209
Zhu,W.,Yu,Q.,&Tian,Y.Q.(2013).Uncertainty analysis of remote sensingof colored dissolved organic matter:Evaluations and comparisons for threerivers in North America.ISPRS Journal of Photogrammetry and Remote Sensing,84,12-22
Zhu,W.,Yu,Q.,Tian,Y.Q.,Chen,R.F.,&Gardner,G.B.(2011).Estimation ofchromophoric dissolved organic matter in the Mississippi and Atchafalayariver plume regions using above-surface hyperspectral remote sensing.Journalof Geophysical Research,116
发明内容
本发明的目的在于提供一种浑浊水体浮游植物吸收系数光谱遥感反演方法，可以得到浮游植物吸收系数光谱，为湖泊群水体的藻华及色素浓度遥感监测提供必要的技术支撑，有助于湖泊水环境关键参数数据库的建立，为湖泊水环境安全提供决策依据。
本发明的上述目的通过独立权利要求的技术特征实现，从属权利要求以另选或有利的方式发展独立权利要求的技术特征。
为达成上述目的，本发明所采用的技术方案如下：
浑浊水体浮游植物吸收系数光谱遥感反演方法，包括如下步骤：
步骤10：获取待测湖泊在400-750nm波长范围内的实测遥感反射比Rrs数据、水体总吸收系数、浮游植物吸收系数、非色素颗粒物及CDOM的吸收系数及纯水的吸收系数；
步骤11：基于实测遥感反射比Rrs数据计算得到水体总吸收系数a(λ)，然后利用红光-近红外3个波段的水体总吸收系数减去纯水吸收系数计算得到674nm处的水体浮游植物吸收系数aph(674)；
步骤12：基于步骤10获取的实测浮游植物吸收系数光谱建立400-750nm波段的浮游植物吸收系数的光谱形状查找表；结合步骤11得到的aph(674)，计算得到浮游植物吸收系数光谱曲线aph(λ)的初始值；
步骤13：结合步骤11计算得到的aph(674)数值及步骤12建立的光谱形状查找表，基于优化迭代方法的浮游植物吸收系数反演算法，得到优化后的水体总吸收系数减去纯水吸收anw、浮游植物吸收系数aph(λ)和非色素颗粒物及CDOM的吸收系数adg(λ)。
作为本发明的进一步改进，所述步骤10中，遥感反射比光谱Rrs(λ)由美国ASD公司生产的地物双通道光谱仪测量得到。
作为本发明的进一步改进，所述步骤11中，水体总吸收系数a(λ)由QAA750算法计算得到。
作为本发明的进一步改进，所述步骤11中水体浮游植物吸收系数aph(674)的计算步骤如下：
aph(674)＝1.546aph-LH 0.95 (2)
其中αph-LH为吸收高度线。
作为本发明的进一步改进，所述aph(λ)光谱基于公式(3)获取：
aph(λ)＝aph(674)*(A1*ln(aph(674))+A2) (3)
其中系数A1和A2基于构建的浮游植物吸收系数的光谱形状查找表获取。
作为本发明的进一步改进，所述步骤13中，基于优化迭代方法的浮游植物吸收系数反演算法流程为：
将步骤11和12中计算得到的a(λ)浮游植物吸收系数作为初始值，首先假设i＝1，计算得到初始的非色素颗粒物及CDOM的吸收系数adg(i)，adg＝anw-aph，然后基于adg随波长增加呈指数形式降低这一特征对得到的adg(i)进行曲线拟合，得到拟合后的adg(i+1)，计算两者之间的差值Δ(i)，并进行选择判断，如果Δ(i)的均值小于0.01，则计算得到aph(i)；如果Δ(i)的均值大于等于0.01，则将Δ(i)代入anw(i)，此时i＝i+1，得到去除误差的anw(i+1)，进入第二层迭代，循环n次，直到最终Δ(i+n)的均值小于0.01；第i+n次循环的结果adg(i+n)、aph(i+n)、anw(i+n)为最终输出结果。
作为本发明的进一步改进，还包括步骤20，预留1/2实测数据，进行基于实测水体总吸收系数的浮游植物吸收系数光谱的计算及验证；以实测的水体总吸收系数为输入参数，代入步骤13获取的反演结果进行计算及验证。进一步的，还包括步骤30，利用步骤20中预留的1/2实测数据，进行基于实测Rrs的浑浊水体浮游植物吸收系数光谱的反演及验证。
本发明的浑浊湖泊浮游植物吸收系数光谱遥感反演方法，基于浅水湖泊水体浑浊的特点，利用红光波段的水体总吸收系数的波谱特征，结合水体各组分吸收系数的光谱形状，建立浮游植物吸收系数的反演方法，实现对实测总吸收系数和高光谱遥感反射比数据浮游植物吸收系数光谱的反演，提高浑浊水体的浮游植物吸收系数的反演精度。
应当理解，前述构思以及在下面更加详细地描述的额外构思的所有组合只要在这样的构思不相互矛盾的情况下都可以被视为本公开的发明主题的一部分。另外，所要求保护的主题的所有组合都被视为本公开的发明主题的一部分。
结合附图从下面的描述中可以更加全面地理解本发明教导的前述和其他方面、实施例和特征。本发明的其他附加方面例如示例性实施方式的特征和/或有益效果将在下面的描述中显见，或通过根据本发明教导的具体实施方式的实践中得知。
附图说明
附图不意在按比例绘制。在附图中，在各个图中示出的每个相同或近似相同的组成部分可以用相同的标号表示。为了清晰起见，在每个图中，并非每个组成部分均被标记。现在，将通过例子并参考附图来描述本发明的各个方面的实施例，其中：
图1是研究区及采样点位图。
图2是水体吸收系数光谱曲线及水体组分的吸收系数占水体总吸收系数的比例。
图3是浮游植物吸收系数的光谱形状查找表。
图4是基于优化迭代方法的浮游植物吸收系数反演算法的流程图。
图5是基于实测水体总吸收系数的443、490、555、620、674nm的实测数据和模型计算结果的散点图。
图6是基于实测水体总吸收系数的各波段(400-750nm)的误差统计参数。
图7是基于实测遥感反射比数据的443、490、555、620、674nm的实测数据和模型计算结果的散点图。
图8是基于实测遥感反射比数据的各波段(400-750nm)的误差统计参数。
前述图示1-8中，作为英文形式表达的各坐标、标识或其他表示，均为本领域所公知的，并不在本例中再做赘述。
具体实施方式
为了更了解本发明的技术内容，特举具体实施例并配合所附图式说明如下。
在本公开中参照附图来描述本发明的各方面，附图中示出了许多说明的实施例。本公开的实施例不必定义在包括本发明的所有方面。应当理解，上面介绍的多种构思和实施例，以及下面更加详细地描述的那些构思和实施方式可以以很多方式中任意一种来实施，这是因为本发明所公开的构思和实施例并不限于任何实施方式。另外，本发明公开的一些方面可以单独使用，或者与本发明公开的其他方面的任何适当组合来使用。
实施例1
本实施例说明本发明遥感反演方法的具体实现方式。
本实施例基于野外实测数据对浑浊水体浮游植物吸收系数光谱进行反演，实现方式如下：在半分析算法(QAA750)的基础上，首先计算得到水体的总吸收系数减去纯水吸收系数(anw)；根据基于优化迭代算法的水体总吸收系数分解模型，得到aph、adg以及优化后的anw；结合2013-2017年江淮湖泊群的野外试验测量的水体遥感反射比、吸收系数，对该算法进行率定；然后，利用预留的1/2组数据，分别把实测a和Rrs作为输入参数，对模型反演得到的aph、adg以及优化后的anw进行验证，并给出不确定性分析。
作为示例性的描述，下面结合附图所示，对前述方法的实施进行具体说明。
步骤10：获取江淮湖泊群的实测遥感反射比Rrs数据及水体总吸收系数及组分吸收系数，波长为400-750nm；
如图1所示，采样点位于江淮湖泊群，主要位于长江和淮河中下游流域的湖泊；遥感反射比Rrs通过美国ASD公司生产的地物双通道光谱仪测量；水体总吸收系数和组分吸收系数由岛津分光光度计室内测得。水体总吸收系数a(λ)和水体组分吸收系数的关系如下公式4所示：
a(λ)＝aph(λ)+adg(λ)+aw(λ)
anw(λ)＝a(λ)-aw(λ)＝aph(λ)+adg(λ)
anw为水体总吸收系数减去纯水吸收系数，aph为浮游植物吸收系数，adg为非色素颗粒物及CDOM的吸收系数，aw为纯水的吸收系数，为固定值。如图2所示，浑浊水体中水体总吸收系数均值较高、动态范围变化比较大。浮游植物吸收系数aph所占的比例比较低，尤其在蓝光和绿光波段。这些生物光学特性，为后面算法的设计提供了重要参考依据。
步骤11：基于实测遥感反射比光谱计算得到水体总吸收系数a-model(λ)，然后利用红光-近红外3个波段的水体总吸收系数减去纯水吸收系数anw计算得到674nm处的浮游植物吸收系数aph(674)：aph(674)的计算方法如下述公式(1)、(2)所示。
aph(674)＝1.546aph-LH 0.95 (2)
其中αph-LH为吸收高度线(absorption line height)；公式(2)中的系数基于最小二乘方法(Matlab2015b中的曲线拟合工具箱curve fitting tool)拟合得到。
所述水体浮游植物吸收系数是指色素颗粒物(phytoplankton)的吸收系数；
步骤12：根据实测浮游植物吸收系数aph光谱，建立浮游植物吸收系数的光谱形状查找表(400-750nm)；结合步骤11得到的aph(674)得到浮游植物吸收系数光谱曲线aph(λ)的初始值。
其中，所述浮游植物吸收系数光谱形状为图3所示；aph光谱基于如下公式(3)获取：
aph(λ)＝aph(674)*(A1*ln(aph(674))+A2) (3)
系数A1、A2基于图3获取；
步骤13：利用本研究建立的基于优化迭代算法的水体总吸收系数分解模型，得到优化后的水体总吸收系数减去纯水吸收anw、浮游植物吸收系数aph和非色素颗粒物及CDOM的吸收系数adg；
基于优化迭代方法的浮游植物吸收系数反演算法的流程图如图4所示，把步骤11和12中得到的水体总吸收系数和浮游植物吸收系数作为初始值，首先，假设i＝1，计算得到初始的adg(i)(＝anw(i)-aph(i))，然后，由于adg随波长增加，呈指数形式降低，根据这一特征，对得到的adg(i)进行曲线拟合，得到拟合后的adg(i+1)，计算两者之间的差值Δ(i)，并进行选择判断，如果Δ(i)的均值小于0.01，则计算得到aph(i)；如果Δ(i)的均值大于等于0.01，则将Δ(i)代入anw(i)，此时i＝i+1，得到去除误差的anw(i+1)，进入第二层迭代，循环n次，直到最终Δ(i+n)的均值小于0.01。第i+n次循环的结果adg(i+n)、aph(i+n)、anw(i+n)为最终输出结果。
步骤20：实现基于实测水体总吸收系数a(λ)的浮游植物吸收系数光谱的计算及验证；其中，利用预留的1/2实测数据对步骤11-13中构建的算法进行验证。
图5-6为以实测的a(λ)为输入参数，利用步骤13中算法得到的验证结果。图5为443、490、555、620、674nm的实测数据和模型计算结果的散点图；图6为各波段的误差统计参数。结果表明，该模型可以很好的应用于实测的水体总吸收，误差UAPD<20％。
步骤30：实现基于实测Rrs的浑浊水体浮游植物吸收系数光谱的反演及验证；其中，利用预留的1/2实测数据对步骤11-13中构建的算法进行验证。图7-8为以实测的Rrs(λ)，首先利用IOP反演模型得到anw(λ)作为初始值，再利用步骤13中的算法得到的验证结果。图7为443、490、555、620、674nm的实测数据和模型计算结果的散点图；图8为各波段的误差统计参数。结果表明，该模型可以很好的应用于实测的Rrs进行吸收系数光谱的反演，误差UAPD<20％。其中，蓝光波段<450nm部分误差相对较大，主要原因是浑浊水体中无机悬浮物和CDOM引起的adg吸收系数在蓝光波段值很高(平均值>4m-1)，导致浮游植物吸收系数信号很弱。
虽然本发明已以较佳实施例揭露如上，然其并非用以限定本发明。本发明所属技术领域中具有通常知识者，在不脱离本发明的精神和范围内，当可作各种的更动与润饰。因此，本发明的保护范围当视权利要求书所界定者为准。
Claims (6)
1.浑浊水体浮游植物吸收系数光谱遥感反演方法，其特征在于，包括如下步骤：
步骤10：获取待测湖泊在400-750nm波长范围内的实测遥感反射比Rrs数据、水体总吸收系数、浮游植物吸收系数、非色素颗粒物及CDOM的吸收系数及纯水的吸收系数；
步骤11：定义水体总吸收系数减去纯水吸收系数为anw；基于实测遥感反射比Rrs数据计算得到水体总吸收系数a(λ)，然后利用红光-近红外3个波段的anw计算得到674nm处的水体浮游植物吸收系数aph(674)；
计算步骤如下：
aph(674)＝1.546aph-LH 0.95 (2)
其中αph-LH为吸收高度线；
步骤12：基于步骤10获取的实测浮游植物吸收系数光谱建立400-750nm波段的浮游植物吸收系数的光谱形状查找表；结合步骤11得到的aph(674)，计算得到浮游植物吸收系数光谱曲线aph(λ)的初始值；
步骤13：结合步骤11计算得到的aph(674)数值及步骤12建立的光谱形状查找表，基于优化迭代方法的浮游植物吸收系数反演算法，得到优化后的anw、浮游植物吸收系数aph(λ)和非色素颗粒物及CDOM的吸收系数adg(λ)；
基于优化迭代方法的浮游植物吸收系数反演算法流程为：
将步骤11和12中计算得到的a(λ)和浮游植物吸收系数作为初始值，首先假设i＝1，计算得到初始的非色素颗粒物及CDOM的吸收系数adg(i)，adg(i)＝anw(i)-aph(i)，然后基于adg随波长增加呈指数形式降低的特征对得到的adg(i)进行曲线拟合，得到拟合后的adg(i+1)，计算两者之间的差值Δ(i)，并进行选择判断，如果Δ(i)的均值小于0.01，则计算得到aph(i)；如果Δ(i)的均值大于等于0.01，则从anw(i)中减去Δ(i)，此时i＝i+1，得到去除误差Δ(i)的anw(i+1)，进入第二层迭代，循环n次，直到最终Δ(i+n)的均值小于0.01；第i+n次循环的结果adg(i+n)、aph(i+n)、anw(i+n)为最终输出结果。
2.根据权利要求1所述的方法，其特征在于，所述步骤10中，遥感反射比光谱Rrs(λ)由美国ASD公司生产的地物双通道光谱仪测量得到。
3.根据权利要求1所述的方法，其特征在于，所述步骤11中，水体总吸收系数a(λ)由QAA750算法计算得到。
4.根据权利要求1所述的方法，其特征在于，所述aph(λ)光谱基于公式(3)获取：
aph(λ)＝aph(674)*(A1*ln(aph(674))+A2) (3)
其中系数A1和A2基于构建的浮游植物吸收系数的光谱形状查找表获取。
5.根据权利要求1所述的方法，其特征在于，还包括步骤20，预留1/2实测数据，进行基于实测水体总吸收系数的浮游植物吸收系数光谱的计算及验证；以实测的水体总吸收系数为输入参数，代入步骤13获取的反演结果进行计算及验证。
6.根据权利要求5所述的方法，其特征在于，还包括步骤30，利用步骤20中预留的1/2实测数据，进行基于实测Rrs的浑浊水体浮游植物吸收系数光谱的反演及验证。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910505003.3A CN110196239B (zh) | 2019-06-12 | 2019-06-12 | 浑浊水体浮游植物吸收系数光谱遥感反演方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910505003.3A CN110196239B (zh) | 2019-06-12 | 2019-06-12 | 浑浊水体浮游植物吸收系数光谱遥感反演方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110196239A CN110196239A (zh) | 2019-09-03 |
| CN110196239B true CN110196239B (zh) | 2020-09-29 |
Family
ID=67754427
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910505003.3A Active CN110196239B (zh) | 2019-06-12 | 2019-06-12 | 浑浊水体浮游植物吸收系数光谱遥感反演方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110196239B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111855600A (zh) * | 2020-08-04 | 2020-10-30 | 淮阴师范学院 | 内陆湖泊水体cdom光谱吸收系数遥感反演模型和方法 |
| CN112949038B (zh) * | 2021-02-01 | 2023-04-28 | 南京信息工程大学 | 一种计算海洋水体不同浮游植物种群比吸收系数的方法 |
| CN116952906B (zh) * | 2023-09-20 | 2024-01-12 | 南京航天宏图信息技术有限公司 | 水体健康状态评估方法、装置、电子设备及存储介质 |
Family Cites Families (33)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5070455A (en) * | 1989-11-22 | 1991-12-03 | Singer Imaging, Inc. | Imaging system and method using scattered and diffused radiation |
| FR2823344B1 (fr) * | 2001-04-06 | 2003-06-13 | Univ Toulouse | Procede d'obtention d'une representation numerique, simulee de l'etat radiatif d'une scene tridimensionnelle heterogene |
| CN101893550B (zh) * | 2010-07-14 | 2011-09-21 | 青岛海洋地质研究所 | 一种实现水体叶绿素a浓度反演的半分析方法 |
| CN101936881B (zh) * | 2010-09-15 | 2012-10-03 | 吉林大学 | 利用临边遥感数据反演大气臭氧剖面的层析成像方法 |
| CN102073792A (zh) * | 2011-01-19 | 2011-05-25 | 安徽师范大学 | 一种利用modis图像反演海岸带气溶胶光学特性的方法 |
| WO2012128614A1 (en) * | 2011-03-24 | 2012-09-27 | Erasmus University Medical Center Rotterdam | Method to determine the absorption coefficient in turbid media |
| UA101864C2 (uk) * | 2011-07-11 | 2013-05-13 | Институт кибернетики им. В.М. Глушкова НАН Украины | Спосіб вимірювання поверхневої концентрації хлорофілу у листках рослин |
| 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 |
| MY166969A (en) * | 2011-11-30 | 2018-07-26 | Institute Of Tech Petronas Sdn Bhd | Methodology for determining concentration of the types of melanin pigment in the skin |
| CN102721655A (zh) * | 2012-06-01 | 2012-10-10 | 天津科技大学 | 一种赤潮水体及其优势藻的光学判别方法 |
| CN102878957B (zh) * | 2012-09-26 | 2015-05-27 | 安徽大学 | 基于遥感影像优化prosail模型参数的叶面积指数和叶绿素含量的反演方法 |
| CN102914505A (zh) * | 2012-09-27 | 2013-02-06 | 国家海洋局第二海洋研究所 | 利用modis水色遥感数据的海洋赤潮藻种判别方法 |
| CN103018736B (zh) * | 2012-12-03 | 2014-11-26 | 北京航空航天大学 | 一种基于大气参数遥感反演的星载遥感器辐射定标方法 |
| CN103955607B (zh) * | 2014-04-24 | 2017-11-24 | 中国科学院遥感与数字地球研究所 | 一种提高短波红外卫星二氧化碳反演速度的方法 |
| CN104764716B (zh) * | 2014-10-21 | 2017-12-19 | 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 |
| CN104374713B (zh) * | 2014-12-03 | 2017-04-19 | 中国科学院南京地理与湖泊研究所 | 一种富营养化湖泊水体藻类垂向分布类型modis遥感监测方法 |
| EP3029439B1 (de) * | 2014-12-03 | 2021-06-23 | 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 |
| CN105158172A (zh) * | 2015-08-22 | 2015-12-16 | 中国城市科学研究会 | 一种内陆ii类水体水色参数遥感反演的分析方法 |
| CN105181607B (zh) * | 2015-09-07 | 2018-04-10 | 中国科学院遥感与数字地球研究所 | 土壤速效养分反演方法及装置 |
| CN105115941B (zh) * | 2015-09-30 | 2017-09-12 | 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 |
| CN105891124B (zh) * | 2016-04-12 | 2019-04-16 | 山东理工大学 | 近岸河口水色参数反演装置及方法 |
| CN105987879B (zh) * | 2016-04-12 | 2019-04-16 | 山东理工大学 | 近岸河口水色参数反演装置 |
| 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 |
| CN106126826B (zh) * | 2016-06-27 | 2019-02-26 | 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 |
| CN106442233A (zh) * | 2016-09-21 | 2017-02-22 | 南京信息工程大学 | 利用卫星数据估测海水悬浮颗粒物粒径的混合型新方法 |
| CN108020511B (zh) * | 2016-11-01 | 2020-06-30 | 中国科学院遥感与数字地球研究所 | 一种浅水草型湖泊水质参数遥感监测方法与装置 |
| CN107014763B (zh) * | 2017-04-07 | 2019-11-26 | 山东理工大学 | 叶绿素遥感反演装置及方法 |
| CN107688003B (zh) * | 2017-09-04 | 2020-06-30 | 南京大学 | 一种消除植被冠层结构和地表背景影响的叶片反射率卫星遥感提取方法 |
| CN107589075B (zh) * | 2017-09-07 | 2020-12-29 | 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 |
| CN107885909A (zh) * | 2017-10-18 | 2018-04-06 | 中国水利水电科学研究院 | 一种水质遥感多模型协同反演的权重集结优化方法及装置 |
| CN108088805B (zh) * | 2017-12-15 | 2020-04-03 | 中国科学院南京地理与湖泊研究所 | 富营养化湖泊真光层内藻总量卫星遥感监测方法 |
| CN108956503B (zh) * | 2018-09-04 | 2020-12-01 | 深圳市卡普瑞环境科技有限公司 | 一种水分子浓度计算方法 |
| CN109738397B (zh) * | 2018-11-30 | 2021-03-30 | 南京师范大学 | 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 |
-
2019
- 2019-06-12 CN CN201910505003.3A patent/CN110196239B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN110196239A (zh) | 2019-09-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110196239B (zh) | 浑浊水体浮游植物吸收系数光谱遥感反演方法 | |
| Abdelmalik | Role of statistical remote sensing for Inland water quality parameters prediction | |
| Mao et al. | A regional remote sensing algorithm for total suspended matter in the East China Sea | |
| Moore et al. | The atmospheric correction of water colour and the quantitative retrieval of suspended particulate matter in Case II waters: application to MERIS | |
| Wang et al. | MODIS-based radiometric color extraction and classification of inland water with the Forel-Ule scale: A case study of Lake Taihu | |
| CN110749568B (zh) | 高浑浊富营养化湖泊浮游植物吸收特性modis遥感反演方法 | |
| CN112070234B (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 | |
| André et al. | Atmospheric corrections and interpretation of marine radiances in CZCS imagery, revisited | |
| Bartlett et al. | The spectral effects of clouds on solar irradiance | |
| 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 | |
| Loisel et al. | Challenges and new advances in ocean color remote sensing of coastal waters | |
| Mao et al. | A new approach to estimate the aerosol scattering ratios for the atmospheric correction of satellite remote sensing data in coastal regions | |
| CN113324952B (zh) | 水体漫衰减系数遥感反演方法及系统 | |
| CN113506235B (zh) | 一种对抗曝光变化的自适应加权光谱重建方法 | |
| 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 | |
| CN109406457A (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 | |
| Durand et al. | Optical remote sensing of shallow-water environmental parameters: a feasibility study | |
| CN108088805B (zh) | 富营养化湖泊真光层内藻总量卫星遥感监测方法 | |
| Song et al. | Remote Quantification of Total Suspended Matter through Empirical Approaches for Inland Waters. | |
| CN112329790B (zh) | 一种城市不透水面信息快速提取方法 | |
| CN113420497A (zh) | 浑浊湖泊总磷浓度遥感估算方法 | |
| Hlaing et al. | Validation of ocean color satellite sensors using coastal observational platform in Long Island Sound | |
| Li et al. | An improved analytical algorithm for remote estimation of chlorophyll-a in highly turbid waters | |
| Sunar et al. | How efficient can Sentinel-2 data help spatial mapping of mucilage event in the Marmara Sea? | |
| Wu et al. | Specific absorption and backscattering coefficients of the main water constituents in Poyang Lake, China |
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 |