CN110749568A - 高浑浊富营养化湖泊浮游植物吸收特性modis遥感反演方法 - Google Patents
高浑浊富营养化湖泊浮游植物吸收特性modis遥感反演方法 Download PDFInfo
- Publication number
- CN110749568A CN110749568A CN201911058658.7A CN201911058658A CN110749568A CN 110749568 A CN110749568 A CN 110749568A CN 201911058658 A CN201911058658 A CN 201911058658A CN 110749568 A CN110749568 A CN 110749568A
- Authority
- CN
- China
- Prior art keywords
- phytoplankton
- absorption
- remote sensing
- pigment
- absorption coefficient
- 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
- 238000010521 absorption reaction Methods 0.000 title claims abstract description 113
- 238000000034 method Methods 0.000 title claims abstract description 33
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 58
- 230000003287 optical effect Effects 0.000 claims abstract description 36
- 239000002352 surface water Substances 0.000 claims abstract description 22
- 238000005259 measurement Methods 0.000 claims abstract description 10
- 239000000049 pigment Substances 0.000 claims description 58
- 239000013618 particulate matter Substances 0.000 claims description 22
- 238000004422 calculation algorithm Methods 0.000 claims description 18
- 239000002245 particle Substances 0.000 claims description 16
- 239000000126 substance Substances 0.000 claims description 16
- 238000012937 correction Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000002310 reflectometry Methods 0.000 claims description 6
- 239000000463 material Substances 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 claims description 4
- 238000000862 absorption spectrum Methods 0.000 claims description 3
- 239000013543 active substance Substances 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 abstract description 4
- 230000005540 biological transmission Effects 0.000 abstract description 3
- 230000005855 radiation Effects 0.000 abstract description 3
- 238000010187 selection method Methods 0.000 abstract description 3
- 238000011160 research Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000003851 biochemical process Effects 0.000 description 1
- 239000003653 coastal water Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000011236 particulate material Substances 0.000 description 1
- 235000021178 picnic Nutrition 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 239000002344 surface layer Substances 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
- G01N21/359—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
- 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
- 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
本发明提供高浑浊富营养化湖泊浮游植物吸收特性MODIS遥感反演方法，包括：基于野外实测固有光学数据，通过辐射传输模拟，建立高浑浊富营养化湖泊水体吸收系数数据库，结合MODIS卫星数据的波段特征，优化参数选取方法，构建适合高浑浊富营养化湖泊表层水体吸收系数的MODIS遥感反演方法。该方法可为基于MODIS卫星数据准确获取高浑浊富营养化湖泊表层水体吸收系数提供重要的遥感理论基础。
Description
技术领域
本发明涉及遥感技术领域，尤其涉及高浑浊富营养化湖泊浮游植物吸收特性MODIS遥感反演方法。
背景技术
遥感技术提供了快速大范围监测水体中光学活性组分含量的可能，但是开展湖泊水体固有光学特性的遥感反演则是上述工作的前提和基础。
近年来，固有光学参量反演模型逐步从传统的经验统计模型深入到半分析模型，经验模型是通过对固有光学参量与辐照度反射比或遥感反射率进行一次或多次回归获得，具有算法形式简单、处理速度快等优点；半分析模型则是通过辐射传输方程建立表观光学量与固有光学量之间的关系，具有物理意义明确、实用性强、反演精度高等特点(赵文静，曹文熙，2018)。目前，针对颗粒物光学特性遥感反演算法的研究取得了很大进展，这些算法在地球水体生物化学过程相关研究中起到了举足轻重的作用(IOCCG，2006)。
其中，Lee等(2007)、Carder等(1999；2004)、Loisel等(2000；2001)在不同海区构建有不同形式的半分析算法，其中，Lee等(2007)构建的QAA算法(quasi-analyticalalgorithm)应用最为深入和广泛。QAA是目前主流的模型,具有精度高、运算速度快等特点，适合大批量数据的处理。近年来我国不少学者开展了QAA在我国近海的应用研究，胡连波等利用现场实测数据初步检验了QAA在黄海的适用性，汪文琦等利用该算法对南海和福建沿岸水体吸收系数进行了反演，郝艳玲等(2011)对珠江口赤潮水体的适用性上也进行了深入分析。
针对内陆湖泊水体，乐成峰等(2009)在太湖梅梁湾水域对QAA算法进行了验证和改进，结果证明在较浑浊的水体中，QAA算法的参考波长应该选择更长的波段；马荣华等利用生物光学模型，通过优化算法，在光学深水区模拟获得太湖水体的后向散射系数和后向散射概率；谢飞等(2015)将QAA应用到昆承湖的固有光学量反演。国内对固有光学量的研究主要以基于经验和半分析算法的海洋固有光学量反演为主，内陆水体固有光学量的研究主要集中于后向散射系数的反演，而针对吸收系数的反演研究较少(姜玲玲等,2013)。
但是目前广泛应用于大洋一类水体的QAA算法等无法直接应用于高浑浊的富营养化湖泊水体浮游植物色素吸收系数的遥感反演。
发明内容
本发明的目的在于，基于野外实测数据，通过优化参数选取方法，提供高浑浊富营养化湖泊浮游植物吸收特性MODIS遥感反演方法。
为实现上述技术目的，本发明采用如下技术方案：
一种高浑浊富营养化湖泊浮游植物吸收特性MODIS遥感反演方法，其特征在于，所述方法包括以下步骤：
1)确定参考波段λref；
基于高浑浊富营养化湖泊表层水体中主要光学活性组分的吸收光谱特征，选取计算水体光学组分吸收系数的基本参考波段；
2)确定后向散射系数的幂指数曲线指数Y；
依据野外实测数据，结合生物光学模型，分析水体主要光学活性组分的浓度与水体后向散射系数的波段指数Y之间的关系，基于光学活性组分浓度确定Y值的最佳算法；
3)确定黄色物质和非色素颗粒物的吸收系数幂指数函数曲线斜率参数Sdg；
基于野外实测数据确定黄色物质和非色素颗粒物的吸收系数幂指数函数曲线斜率参数Sdg；
4)构建浮游植物色素吸收系数的估算方法；
在已知表层水体总吸收系数的基础上，基于野外实测数据，通过构建浮游植物色素、非色素颗粒物与黄色物质的吸收系数与水体遥感反射比之间的关系，分步实现表层水体吸收系数的分解，继而确定浮游植物色素吸收系数。
进一步的，所述主要光学活性组分包括：浮游植物色素Chla、非色素颗粒物SPM以及黄色物质CDOM；所述步骤1)中，基于所述主要光学活性物质组分选取的参考波段位于非色素颗粒物及黄色物质吸收影响接近于0的可见光波段，将该波段的吸收系数假定为全部由纯水和富有植物色素的吸收组成。进一步的，选取的参考波段为位于近红外波段的MODIS波段748nm。
进一步的，所述步骤2)中，基于非色素颗粒物SPM浓度确定Y值。进一步的，基于非色素颗粒物SPM浓度确定Y值的最佳算法表达形式为；
ln(CSPM)＝0.0121(Rrs(555)/Rrs(748))2-0.3452(Rrs(555)/Rrs(748))+4.7784
Y＝CSPM*0.0103+1.6386
其中，Rrs(555)、Rrs(645)和Rrs(748)指MODIS波段555、645和748nm处离水遥感反射率，CSPM指表层水体中非色素颗粒物的浓度，bbp(λ)为颗粒物在λ处的后向散射系数，λ为波长。
进一步的，所述步骤3)中，Sdg的平均值为0.01453。
进一步的，所述步骤3)中，在已知Sdg情况下，非色素颗粒物和黄色物质的吸收系数之和表达形式为；
adg(λ)＝adg(440)*exp[-Sdg*(λ-440)] (2)
其中，adg(λ)是在波段处的非色素颗粒物和黄色物质的吸收系数之和。
进一步的，所述步骤4)中，在已知表层水体总吸收系数的前提下，浮游植物色素吸收系数，计算公式如下：
rrs(λ)＝Rrs(λ)/(0.52+1.7Rrs(λ))
aph(440)＝a(440)-adg(440)-aw(440) (3)
式中，rrs(λ)为水下遥感反射率；u(λ)为后向散射系数与吸收系数和后向散射系数之和的比值；g0、g1分别为0.0895、0.1247；bbp(λ)、bbw(λ)分别为水体颗粒物和纯水的后向散射系数；ζ为浮游植物色素吸收系数在410nm和440nm的比值；ξ为无机悬浮物和黄色物质吸收系数之和在410nm和440nm的比值；S(λ)为无机悬浮物和黄色物质吸收系数之和曲线的斜率；a(λ)、aph(λ)、adg(λ)、aw(λ)分别指水体总吸收系数、浮游植物色素吸收系数、非色素颗粒物和黄色物质的吸收系数之和以及纯水吸收系数。
进一步的，所述方法还包括基于MODIS遥感数据获取全湖表层水体吸收系数，步骤如下：
a)获取遥感影像，进行影像预处理；
b)基于遥感影像获取Rrs数据，逐像元计算CSPM；
c)逐像元计算Y值和总吸收系数a；
d)逐像元分解总吸收系数a，获取每个像元的aph；
根据前述流程，获取全湖的aph的空间分布情况。
进一步的，所述步骤a)中，对获取的影像进行几何纠正和辐射定标计算；几何纠正采用Geographic Lat/Lon投影，结合1B数据中的经纬度信息进行校正；并在ERDAS中利用湖泊矢量边界，通过掩膜技术提取湖泊水域，除去岛屿植被的影响；对其做大气精确校正，获取每个像元的Rrs信息。
本发明的方法基于野外实测固有光学数据，通过辐射传输模拟，建立高浑浊富营养化湖泊水体吸收系数数据库，结合MODIS卫星数据的波段特征，摒弃了传统固定Y数值的方式，依据野外实测数据，结合生物光学模型，基于水体主要光学活性组分的浓度确立，实现了参数选取的优化，构建了适合高浑浊富营养化湖泊表层水体吸收系数的MODIS遥感反演方法。该方法可为基于MODIS卫星数据准确获取高浑浊富营养化湖泊表层水体吸收系数提供重要的遥感理论基础。
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，将通过实施例并参考附图来描述本发明的各个方面的实施例，其中：
图1是不同类型水体中不同MODIS参考波段情况下水体中总吸收系数曲线与实测值之间的关系。
图2是不同类型的水体中颗粒物后向散射系数幂指数曲线指数Y值与水体中吸收系数曲线间的关系。
图3是不同光学活性组分浓度与颗粒物后向散射系数幂指数曲线指数Y值的关系。
图4是水体中SPM浓度与实测Rrs(555)/Rrs(748)的关系图。
图5是三种不同类型的水体中aph和adg的实测值与计算值对比。
图6是依据本发明方法得到的总吸收系数a和浮游植物色素吸收aph与实测结果对比。
前述图示1-5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意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，这是应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。
本实施例以巢湖为例，对本发明的方法作进一步描述。
本发明提供一种高浑浊富营养化湖泊表层水体浮游植物色素吸收系数MODIS遥感反演方法，上述目的是这样实现的：确定参考波段λref；
在生物光学模型模拟的基础上，分析水体主要光学活性组分的浓度与水体后向散射系数的波段指数Y之间的关系，确定基于单一光学活性组分浓度确定Y值的最佳算法；
确定黄色物质和非色素颗粒物的吸收系数幂指数函数曲线斜率参数Sdg；
构建浮游植物色素吸收系数的估算方法。
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1、确定参考波段λref；
参考波段λref的选取方法，依据高浑浊富营养化湖泊表层水体中主要光学活性组分的吸收光谱特征，位于近红外波段的MODIS波段748nm，将该波段作为计算水体光学组分吸收系数的基本参考波段(如图1)；水体中主要光学活性物质组分包括：浮游植物色素Chla、非色素颗粒物SPM以及黄色物质CDOM；所选取的MODIS波段748nm，主要位于非色素颗粒物及黄色物质吸收影响接近于0的可见光波段，将该波段的吸收系数假定为全部由纯水和浮游植物色素的吸收造成的。
步骤2、确定后向散射系数的幂指数曲线指数Y；
不同水体幂指数曲线指数Y值并不一致(如图2)，本后向散射系数的幂指数曲线指数Y确定方法，摒弃了传统固定Y数值的方式，依据野外实测数据，结合生物光学模型，分析水体主要光学活性组分的浓度与水体后向散射系数的波段指数Y之间的关系(如图3)，确定基于单一光学活性组分SPM浓度确定Y值的最佳算法；基于野外实测数据，SPM浓度与水体遥感反射比在555nm、748nm的比值之间存在良好的相关性(如图4)。
基于单一光学活性组分浓度确定Y值的最佳算法表达形式为；
ln(CSPM)＝0.0121(Rrs(555)/Rrs(748))2-0.3452(Rrs(555)/Rrs(748))+4.7784
Y＝CSPM*0.0103+1.6386
其中，Rrs(555)、Rrs(645)和Rrs(748)指MODIS波段555、645和748nm处离水遥感反射率，CSPM指表层水体中非色素颗粒物的浓度，bbp(λ)为颗粒物在λ处的后向散射系数，λ为波长。
步骤3、确定黄色物质和非色素颗粒物的吸收系数幂指数函数曲线斜率参数Sdg；
黄色物质和非色素颗粒物的吸收系数幂指数函数曲线斜率参数Sdg，基于野外实测数据，最终确定Sdg的平均值0.01453；在已知Sdg情况下，非色素颗粒物和黄色物质的吸收系数之和表达形式为；
adg(λ)＝adg(440)*exp[-Sdg*(λ-440)] (2)
其中，adg(λ)是在波段处的非色素颗粒物和黄色物质的吸收系数之和。
步骤4、构建浮游植物色素吸收系数的估算方法；
在已知表层水体总吸收系数的基础上，基于野外实测数据，通过构建浮游植物色素、非色素颗粒物与黄色物质的吸收系数与水体遥感反射比之间的关系，分步实现表层水体吸收系数的分解，继而确定浮游植物色素吸收系数。
在已知表层水体总吸收系数的前提下，浮游植物色素吸收系数，计算公式如下：
rrs(λ)＝Rrs(λ)/(0.52+1.7Rrs(λ))
aph(440)＝a(440)-adg(440)-aw(440) (3)
式中，rrs(λ)为水下遥感反射率；u(λ)为后向散射系数与吸收系数和后向散射系数之和的比值；g0、g1分别为0.0895、0.1247；bbp(λ)、bbw(λ)分别为水体颗粒物和纯水的后向散射系数；ζ为浮游植物色素吸收系数在410nm和440nm的比值；ξ为无机悬浮物和黄色物质吸收系数之和在410nm和440nm的比值；S(λ)为无机悬浮物和黄色物质吸收系数之和曲线的斜率；；a(λ)、aph(λ)、adg(λ)、aw(λ)分别指水体总吸收系数、浮游植物色素吸收系数、非色素颗粒物和黄色物质的吸收系数之和以及纯水吸收系数。
步骤5、基于MODIS遥感数据获取全湖表层水体浮游植物色素吸收系数；
a)获取遥感影像，进行影像预处理；对获取的影像进行几何纠正和辐射定标计算；几何纠正采用Geographic Lat/Lon投影，结合1B数据中的经纬度信息进行校正；并在ERDAS中利用湖泊矢量边界，通过掩膜技术提取湖泊水域，除去岛屿植被的影响；对其做大气精确校正，获取每个像元的Rrs信息。
b)基于遥感影像获取Rrs数据，逐像元计算CSPM；
c)逐像元计算Y值和总吸收系数a；
d)逐像元分解总吸收系数a，获取每个像元的aph；
根据前述流程，获取全湖的aph的空间分布情况。
采用本发明方法得到的总吸收系数a和浮游植物色素吸收aph与实测结果对比如图6所示，可以看出，本发明的计算结果具有较高的精度。
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 (10)
1.一种高浑浊富营养化湖泊浮游植物吸收特性MODIS遥感反演方法，其特征在于，所述湖泊指高浑浊富营养化湖泊，所述方法包括以下步骤：
1)确定参考波段λref；
基于高浑浊富营养化湖泊表层水体中主要光学活性组分的吸收光谱特征，选取计算水体光学组分吸收系数的基本参考波段；
2)确定后向散射系数的幂指数曲线指数Y；
依据野外实测数据，结合生物光学模型，分析水体主要光学活性组分的浓度与水体后向散射系数的波段指数Y之间的关系，基于光学活性组分浓度确定Y值的最佳算法；
3)确定黄色物质和非色素颗粒物的吸收系数幂指数函数曲线斜率参数Sdg；
基于野外实测数据确定黄色物质和非色素颗粒物的吸收系数幂指数函数曲线斜率参数Sdg；
4)浮游植物色素吸收系数的估算；
在已知表层水体总吸收系数的基础上，基于野外实测数据，通过构建浮游植物色素、非色素颗粒物与黄色物质的吸收系数与水体遥感反射比之间的关系，分步实现表层水体吸收系数的分解，继而确定浮游植物色素吸收系数。
2.根据权利要求1所述的高浑浊富营养化湖泊浮游植物吸收特性MODIS遥感反演方法，其特征在于，所述主要光学活性组分包括：浮游植物色素Chla、非色素颗粒物SPM以及黄色物质CDOM；所述步骤1)中，基于所述主要光学活性物质组分选取的参考波段位于非色素颗粒物及黄色物质吸收影响接近于0的可见光波段，将该波段的吸收系数假定为全部由纯水和浮游植物色素的吸收组成。
3.根据权利要求1或2所述的高浑浊富营养化湖泊浮游植物吸收特性MODIS遥感反演方法，所述步骤1)中，选取的参考波段为位于近红外波段的MODIS波段748nm。
4.根据权利要求1所述的高浑浊富营养化湖泊浮游植物吸收特性MODIS遥感反演方法，其特征在于，所述步骤2)中，基于非色素颗粒物SPM浓度确定Y值。
5.根据权利要求4所述的高浑浊富营养化湖泊浮游植物吸收特性MODIS遥感反演方法，其特征在于，所述步骤2)中，基于非色素颗粒物SPM浓度确定Y值的最佳算法表达形式为；
ln(CSPM)＝0.0121(Rrs(555)/Rrs(748))2-0.3452(Rrs(555)/Rrs(748))+47784
Y＝CSPM*0.0103+1.6386
其中，Rrs(555)、Rrs(645)和Rrs(748)指MODIS波段555、645和748nm处离水遥感反射率，CSPM指表层水体中非色素颗粒物的浓度，bbp(λ)为颗粒物在λ处的后向散射系数，λ为波长。
6.根据权利要求1所述的高浑浊富营养化湖泊浮游植物吸收特性MODIS遥感反演方法，其特征在于，所述步骤3)中，Sdg的平均值为0.01453。
7.根据权利要求1或6所述的高浑浊富营养化湖泊浮游植物吸收特性MODIS遥感反演方法，其特征在于，所述步骤3)中，在已知Sdg的情况下，非色素颗粒物和黄色物质的吸收系数之和表达形式为；
adg(λ)＝adg(440)*exp[-Sdg*(λ-440)] (2)
其中，adg(λ)是在波段处的非色素颗粒物和黄色物质的吸收系数之和。
8.根据权利要求1所述的高浑浊富营养化湖泊浮游植物吸收特性MODIS遥感反演方法，其特征在于，所述步骤4)中，在已知表层水体总吸收系数的前提下，浮游植物色素吸收系数计算公式如下：
rrs(λ)＝Rrs(λ)/(0.52+1.7Rrs(λ))
aph(440)＝a(440)-adg(440)-aw(440) (3)
式中，rrs(λ)为水下遥感反射率；u(λ)为后向散射系数与吸收系数和后向散射系数之和的比值；g0、g1分别为0.0895、0.1247；bbp(λ)、bbw(λ)分别为水体颗粒物和纯水的后向散射系数；ζ为浮游植物色素吸收系数在410nm和440nm的比值；ξ为无机悬浮物和黄色物质吸收系数之和在410nm和440nm的比值；S(λ)为无机悬浮物和黄色物质吸收系数之和曲线的斜率；a(λ)、aph(λ)、adg(λ)、aw(λ)分别指水体总吸收系数、浮游植物色素吸收系数、非色素颗粒物和黄色物质的吸收系数之和以及纯水吸收系数。
9.根据权利要求1所述的高浑浊富营养化湖泊浮游植物吸收特性MODIS遥感反演方法，其特征在于，还包括基于MODIS遥感数据获取全湖表层水体浮游植物色素吸收系数，步骤如下：
a)获取遥感影像，进行影像预处理；
b)基于遥感影像获取Rrs数据，逐像元计算CSPM；
c)逐像元计算Y值和总吸收系数a；
d)逐像元分解总吸收系数a，获取每个像元的aph；
根据前述流程，获取全湖的aph的空间分布情况。
10.根据权利要求9所述的高浑浊富营养化湖泊浮游植物吸收特性MODIS遥感反演方法，其特征在于，所述步骤a)中，对获取的影像进行几何纠正和辐射定标计算；几何纠正采用Geographic Lat/Lon投影，结合1B数据中的经纬度信息进行校正；并在ERDAS中利用湖泊矢量边界，通过掩膜技术提取湖泊水域，除去岛屿植被的影响；对其做大气精确校正，获取每个像元的Rrs信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911058658.7A CN110749568B (zh) | 2019-12-19 | 2019-12-19 | 高浑浊富营养化湖泊浮游植物吸收特性modis遥感反演方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911058658.7A CN110749568B (zh) | 2019-12-19 | 2019-12-19 | 高浑浊富营养化湖泊浮游植物吸收特性modis遥感反演方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110749568A true CN110749568A (zh) | 2020-02-04 |
| CN110749568B CN110749568B (zh) | 2021-06-25 |
Family
ID=69281729
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911058658.7A Active CN110749568B (zh) | 2019-12-19 | 2019-12-19 | 高浑浊富营养化湖泊浮游植物吸收特性modis遥感反演方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110749568B (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112179854A (zh) * | 2020-09-30 | 2021-01-05 | 中国科学院南京地理与湖泊研究所 | 基于p-fui水色指数的富营养化湖泊蓝藻水华遥感监测方法 |
| CN112949039A (zh) * | 2021-02-01 | 2021-06-11 | 南京信息工程大学 | 估算近海水体浮游植物诊断色素浓度的海洋水色遥感方法 |
| CN112949038A (zh) * | 2021-02-01 | 2021-06-11 | 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 |
| CN113324952A (zh) * | 2021-05-17 | 2021-08-31 | 中山大学 | 水体漫衰减系数遥感反演方法及系统 |
| CN113763272A (zh) * | 2021-09-03 | 2021-12-07 | 中国科学院南京地理与湖泊研究所 | 一种富营养化湖泊光合有效辐射衰减系数遥感反演方法 |
| CN114624152A (zh) * | 2022-05-16 | 2022-06-14 | 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 |
| CN114705632A (zh) * | 2021-11-18 | 2022-07-05 | 中林信达（北京）科技信息有限责任公司 | 一种利用卫星遥感反射率估算水库营养状态指数的方法 |
| CN115824972A (zh) * | 2022-11-29 | 2023-03-21 | 中国科学院空天信息创新研究院 | 一种内陆水体半解析透明度反演方法和系统 |
| CN116952906A (zh) * | 2023-09-20 | 2023-10-27 | 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 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106468658A (zh) * | 2016-09-05 | 2017-03-01 | 中国科学院南京地理与湖泊研究所 | 一种富营养化湖泊藻蓝素的modis遥感监测方法 |
| 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 |
-
2019
- 2019-12-19 CN CN201911058658.7A patent/CN110749568B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106468658A (zh) * | 2016-09-05 | 2017-03-01 | 中国科学院南京地理与湖泊研究所 | 一种富营养化湖泊藻蓝素的modis遥感监测方法 |
| 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 |
Non-Patent Citations (3)
| Title |
|---|
| 方美红: "基于MODIS的南海北部水体叶绿素-a时空特征遥感分析", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
| 江俊武: "内陆浑浊水体CDOM半分析遥感反演模型研究-以太湖为例", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
| 潘德炉 等: "《洋水色遥感机理及反演》", 31 December 2012 * |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112179854A (zh) * | 2020-09-30 | 2021-01-05 | 中国科学院南京地理与湖泊研究所 | 基于p-fui水色指数的富营养化湖泊蓝藻水华遥感监测方法 |
| CN112179854B (zh) * | 2020-09-30 | 2022-05-27 | 中国科学院南京地理与湖泊研究所 | 基于p-fui水色指数的富营养化湖泊蓝藻水华遥感监测方法 |
| CN112949039A (zh) * | 2021-02-01 | 2021-06-11 | 南京信息工程大学 | 估算近海水体浮游植物诊断色素浓度的海洋水色遥感方法 |
| CN112949038A (zh) * | 2021-02-01 | 2021-06-11 | 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 |
| CN112949039B (zh) * | 2021-02-01 | 2023-05-26 | 南京信息工程大学 | 估算近海水体浮游植物诊断色素浓度的海洋水色遥感方法 |
| 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 |
| CN113324952B (zh) * | 2021-05-17 | 2023-03-03 | 中山大学 | 水体漫衰减系数遥感反演方法及系统 |
| CN113324952A (zh) * | 2021-05-17 | 2021-08-31 | 中山大学 | 水体漫衰减系数遥感反演方法及系统 |
| CN113763272A (zh) * | 2021-09-03 | 2021-12-07 | 中国科学院南京地理与湖泊研究所 | 一种富营养化湖泊光合有效辐射衰减系数遥感反演方法 |
| CN114705632A (zh) * | 2021-11-18 | 2022-07-05 | 中林信达（北京）科技信息有限责任公司 | 一种利用卫星遥感反射率估算水库营养状态指数的方法 |
| CN114705632B (zh) * | 2021-11-18 | 2024-02-06 | 中林信达（北京）科技信息有限责任公司 | 一种利用卫星遥感反射率估算水库营养状态指数的方法 |
| CN114624152A (zh) * | 2022-05-16 | 2022-06-14 | 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 |
| CN115824972A (zh) * | 2022-11-29 | 2023-03-21 | 中国科学院空天信息创新研究院 | 一种内陆水体半解析透明度反演方法和系统 |
| CN115824972B (zh) * | 2022-11-29 | 2023-07-25 | 中国科学院空天信息创新研究院 | 一种内陆水体半解析透明度反演方法和系统 |
| CN116952906A (zh) * | 2023-09-20 | 2023-10-27 | 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 |
| 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 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110749568B (zh) | 2021-06-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| 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 | |
| CN109059796B (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 | |
| Doxaran et al. | A reflectance band ratio used to estimate suspended matter concentrations in sediment-dominated coastal waters | |
| CN102176001B (zh) | 一种基于透水波段比值因子的水深反演方法 | |
| Mishra et al. | Characterizing the vertical diffuse attenuation coefficient for downwelling irradiance in coastal waters: Implications for water penetration by high resolution satellite data | |
| CN105631904B (zh) | 一种富营养化湖泊藻类总存量遥感估算方法 | |
| CN105203466B (zh) | 一种富营养化湖泊非藻华条件下藻类总存量遥感估算方法 | |
| Yang et al. | Retrieval of inherent optical properties for turbid inland waters from remote-sensing reflectance | |
| CN104820224B (zh) | 富营养化湖泊水体叶绿素a的MODIS卫星高精度监测方法 | |
| CN104390917B (zh) | 一种富营养化湖泊水体叶绿素a 的MODIS卫星高精度监测方法 | |
| CN112013822A (zh) | 基于改进gwr模型的多光谱遥感水深反演方法 | |
| Shanmugam et al. | An evaluation of inversion models for retrieval of inherent optical properties from ocean color in coastal and open sea waters around Korea | |
| CN114201732A (zh) | 一种基于Sentinel-2A影像的浅海海域水深反演方法 | |
| CN111651707A (zh) | 一种基于光学浅水区卫星遥感影像的潮位反演方法 | |
| CN110274858B (zh) | 利用goci数据估算湖泊悬浮泥沙浓度的遥感方法 | |
| CN110196239A (zh) | 浑浊水体浮游植物吸收系数光谱遥感反演方法 | |
| 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 | |
| CN114297938A (zh) | 一种基于神经网络的光学浅水水底深度的反演方法 | |
| Mishra et al. | Bathymetric mapping using IKONOS multispectral data | |
| CN117744031B (zh) | 一种基于遥感反射率的大洋水体次表层叶绿素a浓度最大值深度反演方法 | |
| Giardino et al. | Recent changes in macrophyte colonisation patterns: an imaging spectrometry-based evaluation of southern Lake Garda (northern Italy) | |
| CN117274831B (zh) | 一种基于机器学习与高光谱卫星遥感影像的近岸浑浊水体水深反演方法 | |
| Liu et al. | A neural networks based method for suspended sediment concentration retrieval from GF-5 hyperspectral images | |
| CN115618633B (zh) | 一种基于纯水吸收高光谱特征的水深反演方法 | |
| KS et al. | Ocean color algorithms for estimating water clarity (Secchi depth) from SeaWiFS |
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 |