CN111650131B - 一种高泥沙含量水体表层叶绿素a浓度反演方法 - Google Patents
一种高泥沙含量水体表层叶绿素a浓度反演方法 Download PDFInfo
- Publication number
- CN111650131B CN111650131B CN202010558115.8A CN202010558115A CN111650131B CN 111650131 B CN111650131 B CN 111650131B CN 202010558115 A CN202010558115 A CN 202010558115A CN 111650131 B CN111650131 B CN 111650131B
- Authority
- CN
- China
- Prior art keywords
- chlorophyll
- concentration
- water body
- surface layer
- sediment content
- 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
- 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 title claims abstract description 80
- 229930002868 chlorophyll a Natural products 0.000 title claims abstract description 77
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 30
- 239000013049 sediment Substances 0.000 title claims abstract description 24
- 239000002344 surface layer Substances 0.000 title claims abstract description 14
- 230000003595 spectral effect Effects 0.000 claims abstract description 15
- 238000001228 spectrum Methods 0.000 claims abstract description 15
- 238000000611 regression analysis Methods 0.000 claims abstract description 9
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000002310 reflectometry Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 238000003384 imaging method Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 abstract description 2
- 229930002875 chlorophyll Natural products 0.000 description 3
- 235000019804 chlorophyll Nutrition 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 239000002028 Biomass Substances 0.000 description 1
- 238000012952 Resampling Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000000701 chemical imaging Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004836 empirical method Methods 0.000 description 1
- 238000012851 eutrophication Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 239000000049 pigment Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000002798 spectrophotometry method Methods 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Bioinformatics & Computational Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Immunology (AREA)
- Algebra (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Biochemistry (AREA)
- Pathology (AREA)
Abstract
本发明涉及一种高泥沙含量水体表层叶绿素a浓度反演方法,包括以下步骤:通过光谱仪获取中心波长分别在λ1、λ2、λ3三个谱段的反射率数据:R1、R2及R3;基于R1、R2及R3三个谱段进行波段组合,构建叶绿素a浓度指数IC;根据叶绿素a浓度指数IC反演得到叶绿素a浓度。本发明通过采集同步水体的光谱及叶绿素a浓度数据,进行回归分析,得到反演模型的参数,能够实现高泥沙含量影响下的叶绿素a浓度反演。
Description
技术领域
本发明属于水环境监测、遥感领域,具体涉及一种高泥沙含量水体表层叶绿素a浓度反演方法。
背景技术
叶绿素a浓度是重要的水质参数,它同时与化学需氧量(COD)、溶解氧(DO)等其他水质参数有着密切的关系。叶绿素a是浮游植物体内最重要的色素之一,可用于评估水中浮游植物的生物量、初级生产力状况;叶绿素a浓度也可以用于评估水体富营养化程度。
传统获取叶绿素a浓度的方法主要为紫外分光光度计法,即通过现场采集水样,按要求条件保存带回实验室进行分析,萃取、离心;通过该方法能够测量的水体范围小,操作复杂且耗费的人力、物力大。也有在线的叶绿素仪器测定方法,但也需要通过水泵抽取水样。这些方法均为接触式的测定方法,对仪器的保养等带来诸多不便。遥感监测方法是一种非接触式的监测方式,可以通过卫星、无人机、地面等多种平台来实现,可克服传统方法的诸多不足。
目前,叶绿素a浓度的遥感定量反演方法主要为经验方法、半经验半分析方法。大洋一类水体组成简单,水面反射主要受浮游植物反射特性影响,用蓝绿波段比值算法就能很好反演水中叶绿素a浓度。对于二类水体,水中物质组成复杂,其红和近红比值算法应用较多,其常用的近红和红波长位置一般设在700nm和670nm附近的波段比值算法,如R704/R672、R719/R667、R705/R678、R705/R665、以及三波段、四波段模型等。这些算法在大洋水体以及泥沙浓度相对较低(100mg/L以下)且叶绿素a浓度较高的情形下,叶绿素a浓度反演具有较高的精度。
较对于泥沙含量较高、其浓度在几百至几千mg/L时,水体的光学特性变化,相应的光谱亦发生变化,现有的叶绿素a反演方法难以获得可靠的精度。
发明内容
针对上述技术不足,本发明的目的提供一种高泥沙含量水体表层叶绿素a浓度反演算法。该算法可用于卫星遥感图像、无人机或现场地物光谱仪获取的反射比、遥感反射率数据,实现常规算法对高泥沙浓度水体反演失效的问题。
本发明解决其技术问题所采用的技术方案是:一种高泥沙含量水体表层叶绿素a浓度反演方法,包括以下步骤:
1)通过光谱仪获取中心波长分别在λ1、λ2、λ3三个谱段的反射率数据:R1、R2及R3;
2)基于R1、R2及R3三个谱段进行波段组合,构建叶绿素a浓度指数IC;
3)根据叶绿素a浓度指数IC反演得到叶绿素a浓度。
所述光谱仪为地物光谱仪或成像光谱仪。
所述λ1、λ2、λ3分别位于630nm~670nm、655nm~695nm、680nm~720nm区间内。
所述λ1、λ2、λ3中每个谱段的半高峰宽或波宽在1nm至20nm区间。
所述反射率数据为水表遥感反射率、反射比或大气层顶反射比中的一种。
所述构建叶绿素a浓度指数IC如下:
IC=R1+R3-k1×R2
式中,R1、R2及R3分别为λ1、λ2、λ3的三个谱段反射率,k1为系数。
所述叶绿素a浓度指数IC的反演通过构建基于IC的叶绿素a浓度模型得到;所述构建基于IC的叶绿素a浓度模型,包括以下步骤:
预先在各水样采集处采集水样并通过实验室分析获取叶绿素a,构成叶绿素a数据集;
同步测量各水样采集处的光谱构成光谱数据集;
根据叶绿素a数据集和光谱数据集通过回归分析得到叶绿素a浓度与叶绿素a浓度指数IC的关系,作为基于IC的叶绿素a浓度模型:[Chl-a]=f(IC);其中,[Chl-a]表示叶绿素a浓度,f表示通过回归分析得到的函数。
所述基于IC的叶绿素a浓度模型如下:
[Chl-a]=k2*IC
式中,k2为系数。
所述叶绿素指数IC用于泥沙含量水体的叶绿素a浓度反演。
一种计算机可读存储介质,所述存储介质上存储有计算机程序,当所述计算机程序被处理器执行时,实现如权利要求1-9任一项所述的一种高泥沙含量水体表层叶绿素a浓度反演方法的步骤2)和步骤3)。
本发明具有以下有益效果及优点:
1.本发明方法基于中心波长在650nm、675nm、700nm左右三个谱段反射比,这三个谱段对于泥沙含量较高(泥沙含量大于100mg/L)、叶绿素a浓度在几百至几千mg/L的水体中,能够有效的根据光学特性以及光谱的变化获取叶绿素a浓度。
2.本发明通过构建叶绿素a浓度指数IC,能够减少悬浮泥沙的影响。
3.本发明通过采集同步水体的光谱及叶绿素a浓度数据,进行回归分析,得到反演模型的参数,能够实现高泥沙含量影响下的叶绿素a浓度反演。
附图说明
图1为本发明实施例中650nm、675nm、700nm三个谱段对应的反射比R1、R2、R3示意图。
图2为650nm、675nm、700nm三谱段叶绿素a反演流程图。
具体实施方式
下面结合实施例对本发明做进一步的详细说明。
本发明基于中心波长在650nm、675nm、700nm左右三个谱段反射比R1、R2、R3的水体叶绿素a浓度[Chl-a]的遥感反演指数(IC=R1+R3-k1×R2)及其反演算法[Chl-a]=k2*IC。该算法可用于卫星遥感图像、无人机或现场地物光谱仪获取的反射比、遥感反射率数据,实现常规算法对高泥沙浓度水体反演失效的问题。
如图2所示,本发明是通过如下技术方案实现的:
步骤1,采集包含650nm、675nm、700nm三个谱段的数据(DN值)。
步骤2,计算650nm、675nm、700nm三个谱段对应的反射比R1、R2、R3值。其中,(1)对于多波段或高光谱成像数据,直接提取对应的波段数据(DN值),转换成反射比(R)数据;(2)对于光谱仪采集的数据(DN值),处理成反射比(R)或遥感反射率(Rrs),进一步通过重采样获取650nm、675nm、700nm三个谱段对应的反射比(R)或遥感反射率(Rrs)。如图1所示。
步骤3,构建遥感反演指数(IC=R1+R3-k1×R2),其中系数k1值默认值为2。
步骤4,基于IC建立叶绿素a的反演算法[Chl-a]=f(IC),其默认形式为[Chl-a]=k2*IC,k2为常数。
步骤5,将未知叶绿素a浓度水体的反射比R1、R2、R3值,输入反演算法[Chl-a]=f(IC),计算出其叶绿素a浓度[Chl-a]。
进一步地,在步骤4中,函数f或k2基于现有的数据集通过回归分析确定,具体如下:
预先在各水样采集处分别采集水样并通过实验室分析获取叶绿素a,构成叶绿素a数据集;
同步测量各水样采集处的光谱,构成光谱数据集;
根据叶绿素a数据集和光谱数据集通过回归分析得到叶绿素a浓度与叶绿素a浓度指数IC的关系,作为基于IC的叶绿素a浓度模型:[Chl-a]=f(IC);其中,[Chl-a]表示叶绿素a浓度,f表示通过回归分析得到的函数。
本发明涉及的叶绿素a浓度[Chl-a]的遥感反演指数(IC=R1+R3-k1×R2)及其反演算法[Chl-a]=k2*IC,同样适用于无明显液态水强反射地物表层的叶绿素a反演,如土壤、沉积物、冰雪表层。
该本发明也适用于基于主动光源和被动光源获取的步骤1中数据。
本发明涉及一种高泥沙含量水体表层叶绿素a浓度遥感反演算法,采用的数据为成像或非成像光谱仪采集的反射率,适用于地面、无人机、卫星等平台采集或并处理的满足上述波段要求的反射比多光谱、高光谱或超光谱数据。该叶绿素反演算法能用于高泥沙含量(TSM高达2000mg/L)水体表层叶绿素a浓度的反演。
Claims (4)
1.一种高泥沙含量水体表层叶绿素a浓度反演方法,其特征在于包括以下步骤:
1)通过光谱仪获取中心波长分别在λ1、λ2、λ3三个谱段的反射率:R1、R2及R3;
2)基于R1、R2及R3三个谱段进行波段组合,构建叶绿素a浓度指数IC;
所述构建叶绿素a浓度指数IC如下:
IC=R1+R3-k1×R2
k1=2;
所述λ1、λ2、λ3分别位于630nm~670nm、655nm~695nm、680nm~720nm区间内;
3)根据叶绿素a浓度指数IC反演得到叶绿素a浓度;
所述叶绿素a浓度指数IC的反演通过构建基于IC的叶绿素a浓度模型得到;所述构建基于IC的叶绿素a浓度模型,包括以下步骤:
预先在各水样采集处采集水样并通过实验室分析获取叶绿素a浓度,构成叶绿素a浓度数据集;
同步测量各水样采集处的光谱构成光谱数据集;
根据叶绿素a浓度数据集和光谱数据集通过回归分析得到叶绿素a浓度与叶绿素a浓度指数IC的关系,作为基于IC的叶绿素a浓度模型:[Chl-a]=f(IC);其中,[Chl-a]表示叶绿素a浓度,f表示通过回归分析得到的函数;
所述基于IC的叶绿素a浓度模型如下:
[Chl-a]=k2*IC
式中,k2为常数。
2.根据权利要求1所述的一种高泥沙含量水体表层叶绿素a浓度反演方法,其特征在于,所述光谱仪为地物光谱仪或成像光谱仪。
3.根据权利要求1所述的一种高泥沙含量水体表层叶绿素a浓度反演方法,其特征在于,所述λ1、λ2、λ3中每个谱段的半高峰宽或波宽在1nm至20nm区间。
4.一种计算机可读存储介质,其特征在于,所述存储介质上存储有计算机程序,当所述计算机程序被处理器执行时,实现如权利要求1-3任一项所述的一种高泥沙含量水体表层叶绿素a浓度反演方法的步骤2)和步骤3)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010558115.8A CN111650131B (zh) | 2020-06-18 | 2020-06-18 | 一种高泥沙含量水体表层叶绿素a浓度反演方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010558115.8A CN111650131B (zh) | 2020-06-18 | 2020-06-18 | 一种高泥沙含量水体表层叶绿素a浓度反演方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111650131A CN111650131A (zh) | 2020-09-11 |
CN111650131B true CN111650131B (zh) | 2023-12-19 |
Family
ID=72347155
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010558115.8A Active CN111650131B (zh) | 2020-06-18 | 2020-06-18 | 一种高泥沙含量水体表层叶绿素a浓度反演方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111650131B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101852722A (zh) * | 2010-05-20 | 2010-10-06 | 北京航空航天大学 | 一种实现水体叶绿素a遥感反演精度评估方法 |
CN101893550A (zh) * | 2010-07-14 | 2010-11-24 | 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 |
CN102200576A (zh) * | 2011-03-10 | 2011-09-28 | 王桥 | 叶绿素a浓度反演方法及系统 |
CN103983584A (zh) * | 2014-05-30 | 2014-08-13 | 中国科学院遥感与数字地球研究所 | 一种内陆二类水体叶绿素a浓度的反演方法及装置 |
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 |
CN105203466A (zh) * | 2015-09-17 | 2015-12-30 | 中国科学院南京地理与湖泊研究所 | 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 |
CN106769903A (zh) * | 2017-01-12 | 2017-05-31 | 南京渔管家物联网科技有限公司 | 一种养殖水体藻类浓度检测方法 |
CN107014763A (zh) * | 2017-04-07 | 2017-08-04 | 山东理工大学 | 叶绿素遥感反演装置及方法 |
CN109799199A (zh) * | 2018-12-26 | 2019-05-24 | 环境保护部卫星环境应用中心 | 一种叶绿素a浓度的协同反演方法 |
-
2020
- 2020-06-18 CN CN202010558115.8A patent/CN111650131B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101852722A (zh) * | 2010-05-20 | 2010-10-06 | 北京航空航天大学 | 一种实现水体叶绿素a遥感反演精度评估方法 |
CN101893550A (zh) * | 2010-07-14 | 2010-11-24 | 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 |
CN102200576A (zh) * | 2011-03-10 | 2011-09-28 | 王桥 | 叶绿素a浓度反演方法及系统 |
CN103983584A (zh) * | 2014-05-30 | 2014-08-13 | 中国科学院遥感与数字地球研究所 | 一种内陆二类水体叶绿素a浓度的反演方法及装置 |
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 |
CN105203466A (zh) * | 2015-09-17 | 2015-12-30 | 中国科学院南京地理与湖泊研究所 | 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 |
CN106769903A (zh) * | 2017-01-12 | 2017-05-31 | 南京渔管家物联网科技有限公司 | 一种养殖水体藻类浓度检测方法 |
CN107014763A (zh) * | 2017-04-07 | 2017-08-04 | 山东理工大学 | 叶绿素遥感反演装置及方法 |
CN109799199A (zh) * | 2018-12-26 | 2019-05-24 | 环境保护部卫星环境应用中心 | 一种叶绿素a浓度的协同反演方法 |
Non-Patent Citations (11)
Title |
---|
利用导数光谱估算珠江河口水体悬浮泥沙浓度;禹定峰等;《生态科学》;20101215(第06期);全文 * |
基于HICO波段的滨海土壤盐分遥感反演研究;安德玉等;《海洋学报》;20180522(第06期);全文 * |
基于HJ-1A卫星超光谱数据的太湖叶绿素a浓度及悬浮物浓度反演;杨婷;张慧;王桥;赵巧华;;环境科学(第11期);全文 * |
基于HJ-1A卫星超光谱数据的太湖叶绿素a浓度及悬浮物浓度反演;杨婷等;《环境科学》;20111115(第11期);全文 * |
基于实测光谱估测密云水库水体叶绿素a浓度;王婷;刘良云;李存军;贾建华;;地理空间信息(第04期);全文 * |
基于实测光谱分析和MODIS数据鄱阳湖叶绿素a浓度估算;张永杰等;《长江流域资源与环境》;20130815(第08期);全文 * |
基于导数光谱的混浊河口水体叶绿素浓度反演;史合印等;《海洋环境科学》;20100820(第04期);全文 * |
基于环境一号卫星影像的内陆水体叶绿素α浓度遥感定量反演模型研究;潘梅娥等;《科学技术与工程》;20130528(第15期);全文 * |
基于现场光谱的潮滩表层沉积物叶绿素-a含量遥感模式;邢前国等;《光谱学与光谱分析》;20130815(第08期);第2188-2191页 * |
水体红波段反射光谱对叶绿素浓度变化的响应;马万栋等;《光谱学与光谱分析》;20100215(第02期);全文 * |
潮滩底栖微藻生物量垂直变化对其遥感反演模式的影响;李少朋等;《生态科学》;20141115(第06期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111650131A (zh) | 2020-09-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Song et al. | Remote estimation of chlorophyll-a in turbid inland waters: Three-band model versus GA-PLS model | |
Zeng et al. | Quantitative visualization of photosynthetic pigments in tea leaves based on Raman spectroscopy and calibration model transfer | |
CN112881293A (zh) | 一种基于高分一号卫星的内陆湖泊清洁水体叶绿素a浓度反演方法 | |
Kallio et al. | Validation of MERIS spectral inversion processors using reflectance, IOP and water quality measurements in boreal lakes | |
CN107796764A (zh) | 一种基于三波段植被指数的小麦叶面积指数估算模型的构建方法 | |
CN109799199B (zh) | 一种叶绿素a浓度的协同反演方法 | |
CN113109281B (zh) | 一种基于高光谱遥感的水质参数定量反演模型及其构建方法 | |
CN108982406A (zh) | 一种基于算法融合的土壤氮素近红外光谱特征波段选取方法 | |
CN105486655A (zh) | 基于红外光谱智能鉴定模型的土壤有机质快速检测方法 | |
JP2003533690A (ja) | 天然水の測光分析 | |
CN114676636A (zh) | 一种综合植被和生境特征的草原区土壤水分快速反演方法 | |
CN114705632B (zh) | 一种利用卫星遥感反射率估算水库营养状态指数的方法 | |
CN111781147A (zh) | 基于两波段的内陆湖泊水体叶绿素a浓度遥感反演模型和方法 | |
Lyu et al. | Retrieval of phycocyanin concentration from remote-sensing reflectance using a semi-analytic model in eutrophic lakes | |
CN111650131B (zh) | 一种高泥沙含量水体表层叶绿素a浓度反演方法 | |
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 | |
CN113420497A (zh) | 浑浊湖泊总磷浓度遥感估算方法 | |
CN115266497A (zh) | 一种基于哨兵2A的叶绿素a和悬浮物匹配协同反演方法 | |
Zou et al. | Detection of chlorophyll content distribution in cucumber leaves based on hyperspectral imaging | |
Kong et al. | An integrated field and hyperspectral remote sensing method for the estimation of pigments content of Stipa Purpurea in Shenzha, Tibet | |
Sent | Remote sensing for water quality studies: test of Suspended Particulate Matter and turbidity algorithms for Portuguese transitional and inland waters | |
Zhang et al. | Prediction and map-making of soil organic matter of soil profile based on imaging spectroscopy: A case in Hubei China | |
Shi et al. | Semi-analytical approach to retrieve the chromophoric dissolved organic matter absorption coefficient in non-turbid waters: preliminary application to Medium Resolution Imaging Spectrometer (MERIS) data | |
LU102667B1 (en) | Method for selecting near-infrared (nir) spectral characteristic bands for soil nitrogen based on algorithm fusion | |
CN117491290A (zh) | 一种基于GF-1数据的西南山区水库叶绿素a浓度反演方法 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210804 Address after: Chunhui road Laishan District 264003 Shandong city of Yantai province No. 17 Applicant after: YANTAI INSTITUTE OF COASTAL ZONE RESEARCH, CHINESE ACADEMY OF SCIENCES Applicant after: Zhongshan Ecological Environment Bureau Address before: Chunhui road Laishan District 264003 Shandong city of Yantai province No. 17 Applicant before: YANTAI INSTITUTE OF COASTAL ZONE RESEARCH, CHINESE ACADEMY OF SCIENCES |
|
GR01 | Patent grant | ||
GR01 | Patent grant |