CN110274858B - 利用goci数据估算湖泊悬浮泥沙浓度的遥感方法 - Google Patents
利用goci数据估算湖泊悬浮泥沙浓度的遥感方法 Download PDFInfo
- Publication number
- CN110274858B CN110274858B CN201910634358.2A CN201910634358A CN110274858B CN 110274858 B CN110274858 B CN 110274858B CN 201910634358 A CN201910634358 A CN 201910634358A CN 110274858 B CN110274858 B CN 110274858B
- Authority
- CN
- China
- Prior art keywords
- water body
- remote sensing
- concentration
- goci
- suspended sediment
- 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
- 239000013049 sediment Substances 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 title claims abstract description 15
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 58
- 239000002344 surface layer Substances 0.000 claims abstract description 14
- 238000012937 correction Methods 0.000 claims abstract description 12
- 238000012544 monitoring process Methods 0.000 claims abstract description 5
- 239000010410 layer Substances 0.000 claims description 10
- 238000002310 reflectometry Methods 0.000 claims description 4
- 238000013441 quality evaluation Methods 0.000 abstract description 2
- 239000002352 surface water Substances 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000004062 sedimentation Methods 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 101001095088 Homo sapiens Melanoma antigen preferentially expressed in tumors Proteins 0.000 description 1
- 102100037020 Melanoma antigen preferentially expressed in tumors Human genes 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
-
- G01N15/075—
Abstract
本发明公开了一种利用GOCI数据递归估算浅水湖泊不同深度悬浮泥沙浓度的遥感方法,属于水体质量的评价技术领域。该方法包括如下步骤:使用COMS卫星搭载的水色成像仪对水体进行遥感监测获取水体的GOCI影像;对获取的水体的GOCI影像进行大气校正,得到各波段大气校正后的遥感反射率值;利用公式计算表层悬浮泥沙浓度;将水体按深度进行分层,下层水体悬浮泥沙浓度由上层水体递归计算。该方法利用GOCI获取的卫星遥感数据,可快速获取全湖从水面到不同深度的悬浮泥沙浓度。
Description
技术领域
本发明属于水体质量的评价技术领域,具体涉及一种利用GOCI数据递归估算浅水湖泊不同深度悬浮泥沙浓度的遥感方法。
背景技术
水体中悬浮物是指悬浮在水体之中,不能通过孔径为0.45微米滤膜的固体物,悬浮物是影响水体浑浊度、色度、气味的主要水体组分,因此,是重要的水质参数。一些通江湖泊,例如鄱阳湖、洞庭湖、洪泽湖等,其悬浮颗粒主要由悬浮泥沙构成,悬浮泥沙浓度的多少,对于湖岸形态、湖底沉积都具有长期、持续的影响。
由于受到光衰减的影响,太阳辐射往往不能穿透水体,而只能到达一定深度,因此,对于内陆湖泊悬浮泥沙浓度的卫星遥感估算,大多仅是针对表层水体建立悬浮泥沙浓度估算模型,但是,仅仅是表层的计算,无法估算整个湖泊的悬浮泥沙浓度,因而也难以准确评估悬浮泥沙的堆积、漂移、沉降,以及对下游的影响。
建立水体不同深度悬浮泥沙浓度的遥感估算模型,可以结合湖泊水下地形数据,估算湖泊水体泥沙总含量,这将有助于准确评价泥沙输入对沉降、湖岸形态、湖底地形的影响,以及对下游泥沙的输出。
GOCI((Geostationary Ocean Color Imager))是韩国发射的COMS卫星搭载的水色成像仪,空间分辨率为500m,设置了8个水色遥感波段,由于COMS卫星是地球静止卫星,因此,每天可获得8景同一观测区域的遥感影像,该数据可从韩国海洋卫星中心网站下载(http://kosc.kiost.ac/eng/)。GOCI数据适用于对水体进行遥感监测。
发明内容
本发明的目的是为了解决现有技术的不足,而提供一种利用GOCI数据递归估算浅水湖泊不同深度悬浮泥沙浓度的遥感方法,该方法利用GOCI获取的卫星遥感数据,可快速获取全湖从水面到不同深度的悬浮泥沙浓度。
本发明采用如下技术方案:
利用GOCI数据递归估算浅水湖泊不同深度悬浮泥沙浓度的遥感方法,包括如下步骤:
步骤一:使用COMS卫星搭载的水色成像仪对水体进行遥感监测获取水体的GOCI影像;
步骤二:对获取的水体的GOCI影像进行大气校正,得到各波段大气校正后的遥感反射率值;
步骤三:利用公式计算表层悬浮泥沙浓度;
步骤四:将水体按深度进行分层,下层水体悬浮泥沙浓度由上层水体递归计算。
其中一些实施例中,所述步骤三中的公式具体如下:TSM0=4444.41*B2-5867.96*B3+1989.71*B6-8208.35*B7+11190.92*B8-711.26*B8/B4+558.17*B7/B4+34.6,其中,TSM0是表层悬浮泥沙浓度,B2,B3,B4,B6,B7,B8分别是GOCI的第2、3、4、6、7、8波段大气校正后的遥感反射率值。
其中一些实施例中,采用6S模型对获取的水体的GOCI影像进行大气校正。
其中一些实施例中,所述步骤四中,采用如下公式进行计算:TSMi+1=slope*TSMi+intercept,其中,i代表水层数,表层为0,第一层为1,并依此下推,i=0,1,...,n,TSMi是第i层的悬浮泥沙浓度,slope为递归回归方程斜率,intercept为截距。
其中一些实施例中,所述步骤四中,将水体按0.2m深度间隔进行分层,即从表层向下,每隔0.2m定义一个水层,直至湖底。
其中一些实施例中,所述步骤四中,从表层到2.8m深度公式的参数如下表1:
表1从表层到2.8m深度公式的参数
本发明与现有技术相比,其有益效果为:
本发明针对我国内陆,以悬浮泥沙为主要水体组份的湖泊提出,其中选取了GOCI数据的6个水色波段。该发明利用卫星遥感数据进行水体不同深度悬浮泥沙浓度的估算,克服了常规遥感监测仅能估算表层水体悬浮泥沙浓度的缺陷,可以快速获取整个水域不同深度的悬浮泥沙浓度,便于对水体悬浮泥沙总量及不同湖区悬浮泥沙空间差异和水生态环境进行整体评价。
附图说明
图1为2016年12月洪泽湖表层水体悬浮泥沙浓度;
图2为2016年12月洪泽湖悬浮泥沙浓度随深度的变化;
图3为本发明表层实测悬浮物浓度与卫星反演结果对比;
图4为本发明0.8米深度实测悬浮物浓度与卫星反演结果对比;
图5为本发明1.6米深度实测悬浮物浓度与卫星反演结果对比。
具体实施方式
下面结合附图和具体实施例,进一步阐明本发明,应理解这些实施例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等效形式的修改均落于本申请所附权利要求所限定的范围。
以下结合实际案例对本发明进行详细说明。
实施例
利用洪泽湖2016年12月获取的GOCI数据,估算洪泽湖表层到2.8m深度的悬浮泥沙浓度。
实施时:
首先,通过网站(http://kosc.kiost.ac/eng/)下载获取COMS/GOCI数据,数据的地点是洪泽湖,数据时间是2016年12月,数据获取时间为地方时8、9、10、11、12、13、14、15。
其次,对获得的水体的GOCI影像的所有波段波段,采用6S模型进行大气校正,得到各波段的水面遥感反射率数据。
然后,利用公式1估算洪泽湖水体表层悬浮泥沙浓度:
TSM0=4444.41*B2-5867.96*B3+1989.71*B6-8208.35*B7+11190.92*B8-711.26*B8/B4+558.17*B7/B4+34.6 公式1
其中,TSM0是表层悬浮泥沙浓度,B2,B3,B4,B6,B7,B8分别是GOCI的第2、3、4、6、7、8波段大气校正后的遥感反射率值。
利用2016年全年GOCI数据计算的表层12月平均悬浮泥沙浓度结果如图1所示。
最后,将水体按0.2m深度间隔进行分层,下层水体悬浮泥沙浓度由上层水体递归计算,公式2如下:
TSMi+1=slope*TSMi+intercept 公式2
其中,i代表水层数,表层为0,第一层为1,并依此下推,i=0,1,...,n,TSMi是第i层的悬浮泥沙浓度,slope为递归回归方程斜率,intercept为截距。
从表层到2.8m深度公式的参数如下表。
表2从表层到2.8m深度公式的参数
利用GOCI数据计算2016年12月不同深度悬浮泥沙浓度,从8点到15点,悬浮泥沙浓度随深度的变化如图2所示。
利用GOCI数据估算水体不同深度悬浮泥沙浓度的模型方法的精度验证采用下面方式进行:
利用卫星影像估算值与地面准同步数据进行验证。在卫星过境的前后3小时内获得了地面25个样点的漫衰减系数实测数据,将这些数据与卫星估算的相同样点的数据进行对比,用MAPE、RMSE和MR评价模型精度,结果如图3至图5所示。
其中,n是样本数,yi和y′i分别代表测量值和预测值。
通过图3至图5可以看出,利用GOCI数据估算水体不同深度悬浮泥沙浓度的模型方法精度高。
上述实施例对本发明的实施方式作了详细说明,但是本发明并不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下做出各种变化。
Claims (2)
1.利用GOCI数据递归估算浅水湖泊不同深度悬浮泥沙浓度的遥感方法,其特征在于,包括如下步骤:
步骤一:使用COMS卫星搭载的水色成像仪对水体进行遥感监测获取水体的GOCI影像;
步骤二:对获取的水体的GOCI影像进行大气校正,得到各波段大气校正后的遥感反射率值;
步骤三:利用公式计算表层悬浮泥沙浓度,公式具体如下:TSM0=4444.41*B2-5867.96*B3+1989.71*B6-8208.35*B7+11190.92*B8-711.26*B8/B4+558.17*B7/B4+34.6,其中,TSM0是表层悬浮泥沙浓度,B2,B3,B4,B6,B7,B8分别是GOCI的第2、3、4、6、7、8波段大气校正后的遥感反射率值;
步骤四:将水体按深度进行分层,下层水体悬浮泥沙浓度由上层水体递归计算;采用如下公式进行计算:TSMi+1=slope*TSMi+intercept,其中,i代表水层数,表层为0,第一层为1,并依此下推,i=0,1,...,n,TSMi是第i层的悬浮泥沙浓度,slope为递归回归方程斜率,intercept为截距;将水体按0.2m深度间隔进行分层,即从表层向下,每隔0.2m定义一个水层,直至湖底;从表层到2.8m深度公式的参数如下表:
2.根据权利要求1所述的利用GOCI数据递归估算浅水湖泊不同深度悬浮泥沙浓度的遥感方法,其特征在于,所述步骤二中,采用6S模型对获取的水体的GOCI影像进行大气校正。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910634358.2A CN110274858B (zh) | 2019-07-15 | 2019-07-15 | 利用goci数据估算湖泊悬浮泥沙浓度的遥感方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910634358.2A CN110274858B (zh) | 2019-07-15 | 2019-07-15 | 利用goci数据估算湖泊悬浮泥沙浓度的遥感方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110274858A CN110274858A (zh) | 2019-09-24 |
CN110274858B true CN110274858B (zh) | 2021-08-31 |
Family
ID=67964475
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910634358.2A Active CN110274858B (zh) | 2019-07-15 | 2019-07-15 | 利用goci数据估算湖泊悬浮泥沙浓度的遥感方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110274858B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110728642A (zh) * | 2019-10-17 | 2020-01-24 | 自然资源部第二海洋研究所 | 一种针对goci卫星晨昏观测的神经网络大气校正方法 |
CN111651707B (zh) * | 2020-05-28 | 2023-04-25 | 广西大学 | 一种基于光学浅水区卫星遥感影像的潮位反演方法 |
CN115655994B (zh) * | 2022-09-15 | 2023-09-19 | 浙江天禹信息科技有限公司 | 一种水域泥沙超声波测量方法及系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102081033A (zh) * | 2009-11-26 | 2011-06-01 | 上海海洋大学 | 基于海岸带成像仪的悬浮泥沙浓度计算方法 |
CN102288646A (zh) * | 2011-05-16 | 2011-12-21 | 中国海洋大学 | 一种海水中泥沙浓度垂向分布的原位自动监测方法及系统 |
CN104764716A (zh) * | 2014-10-21 | 2015-07-08 | 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 |
CN105300864A (zh) * | 2015-12-07 | 2016-02-03 | 广州地理研究所 | 一种悬浮泥沙定量遥感方法 |
CN105303030A (zh) * | 2015-09-17 | 2016-02-03 | 中国科学院南京地理与湖泊研究所 | 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 |
CN105606498A (zh) * | 2016-02-03 | 2016-05-25 | 南京信息工程大学 | 一种监测水体悬浮泥沙粒径分布的方法 |
KR101731234B1 (ko) * | 2016-02-04 | 2017-05-02 | 한국해양과학기술원 | 위성 또는 항공기에서 촬영된 영상의 슬롯간 편차 보정 방법 |
CN107219171A (zh) * | 2017-05-18 | 2017-09-29 | 杭州师范大学 | 一种海洋表层水体悬浮颗粒物中多环芳烃的遥感监测方法 |
CN109059796A (zh) * | 2018-07-20 | 2018-12-21 | 国家海洋局第三海洋研究所 | 无水深控制点区域的浅海水深多光谱卫星遥感反演方法 |
CN109406457A (zh) * | 2018-11-08 | 2019-03-01 | 北京航空航天大学 | 一种基于半分析模型的沉水植被光谱水体影响校正方法 |
-
2019
- 2019-07-15 CN CN201910634358.2A patent/CN110274858B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102081033A (zh) * | 2009-11-26 | 2011-06-01 | 上海海洋大学 | 基于海岸带成像仪的悬浮泥沙浓度计算方法 |
CN102288646A (zh) * | 2011-05-16 | 2011-12-21 | 中国海洋大学 | 一种海水中泥沙浓度垂向分布的原位自动监测方法及系统 |
CN104764716A (zh) * | 2014-10-21 | 2015-07-08 | 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 |
CN105303030A (zh) * | 2015-09-17 | 2016-02-03 | 中国科学院南京地理与湖泊研究所 | 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 |
CN105300864A (zh) * | 2015-12-07 | 2016-02-03 | 广州地理研究所 | 一种悬浮泥沙定量遥感方法 |
CN105606498A (zh) * | 2016-02-03 | 2016-05-25 | 南京信息工程大学 | 一种监测水体悬浮泥沙粒径分布的方法 |
KR101731234B1 (ko) * | 2016-02-04 | 2017-05-02 | 한국해양과학기술원 | 위성 또는 항공기에서 촬영된 영상의 슬롯간 편차 보정 방법 |
CN107219171A (zh) * | 2017-05-18 | 2017-09-29 | 杭州师范大学 | 一种海洋表层水体悬浮颗粒物中多环芳烃的遥感监测方法 |
CN109059796A (zh) * | 2018-07-20 | 2018-12-21 | 国家海洋局第三海洋研究所 | 无水深控制点区域的浅海水深多光谱卫星遥感反演方法 |
CN109406457A (zh) * | 2018-11-08 | 2019-03-01 | 北京航空航天大学 | 一种基于半分析模型的沉水植被光谱水体影响校正方法 |
Non-Patent Citations (2)
Title |
---|
Tempo-spatial dynamics of water quality and its response to river flow in estuary of Taihu Lake based on GOCI imagery;Chenggong Du,et al.;《Environ Sci Pollut Res》;20171009;第1-23页 * |
杭州湾悬浮泥沙浓度垂向分布规律分析与模拟;王繁 等;《浙江大学学报(工学版)》;20081130;第42卷(第11期);第2028-2032页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110274858A (zh) | 2019-09-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110274858B (zh) | 利用goci数据估算湖泊悬浮泥沙浓度的遥感方法 | |
Zheng et al. | Remote sensing of diffuse attenuation coefficient patterns from Landsat 8 OLI imagery of turbid inland waters: A case study of Dongting Lake | |
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 | |
CN102176001B (zh) | 一种基于透水波段比值因子的水深反演方法 | |
Wang et al. | Estimation of suspended sediment concentrations using Terra MODIS: An example from the Lower Yangtze River, China | |
Ahn et al. | Satellite remote sensing of a low-salinity water plume in the East China Sea | |
CN109059796A (zh) | 无水深控制点区域的浅海水深多光谱卫星遥感反演方法 | |
CN111402169A (zh) | 一种海岸带潮汐影响下遥感植被指数时间序列的修复方法 | |
Sun et al. | Specific inherent optical quantities of complex turbid inland waters, from the perspective of water classification | |
CN114201732A (zh) | 一种基于Sentinel-2A影像的浅海海域水深反演方法 | |
Sun et al. | Remote sensing of spatial and temporal patterns of phytoplankton assemblages in the Bohai Sea, Yellow Sea, and east China sea | |
Giardino et al. | Recent changes in macrophyte colonisation patterns: an imaging spectrometry-based evaluation of southern Lake Garda (northern Italy) | |
CN114943161A (zh) | 一种基于多源遥感数据的内陆湖泊地形反演方法 | |
Yang et al. | A relaxed matrix inversion method for retrieving water constituent concentrations in case II waters: The case of Lake Kasumigaura, Japan | |
CN113763272A (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 | |
CN111650128B (zh) | 一种基于地表反射率库的高分辨率大气气溶胶反演方法 | |
CN116482317B (zh) | 湖泊水体营养状态实时监测方法、系统、设备及介质 | |
Liu et al. | A neural networks based method for suspended sediment concentration retrieval from GF-5 hyperspectral images | |
CN115235431A (zh) | 一种基于光谱分层的浅海水深反演方法及系统 | |
CN112229771B (zh) | 基于悬浮物示踪的江水倒灌入湖遥感监测方法 | |
Torres et al. | Preliminary investigation on chlorophyll-a and total suspended matter concentration in Manila Bay using Himawari-8 AHI and Sentinel-3 OLCI C2RCC | |
Kuznetsova et al. | DEVELOPMENT OF THE REGIONAL ALGORITHM FOR ASSESSMENT OF SUSPENEDED MATTER CONCENTRATION IN THE KARA SEA FROM SATELLITE OCEAN COLOR DATA | |
Choi et al. | Integration of spatial variables derived from remotely sensed data for the mapping of the tidal surface sediment distribution | |
Maselli et al. | Spectral angle minimization for the retrieval of optically active seawater constituents from MODIS data | |
Kulshreshtha et al. | Development of optical models for assessing the trophic status of coastal waters |
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 |