CN112034480B - 一种双波长海洋激光雷达探测的波长择优方法 - Google Patents
一种双波长海洋激光雷达探测的波长择优方法 Download PDFInfo
- Publication number
- CN112034480B CN112034480B CN202010687023.XA CN202010687023A CN112034480B CN 112034480 B CN112034480 B CN 112034480B CN 202010687023 A CN202010687023 A CN 202010687023A CN 112034480 B CN112034480 B CN 112034480B
- Authority
- CN
- China
- Prior art keywords
- wavelength
- dual
- inversion
- chlorophyll
- laser radar
- 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
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000001514 detection method Methods 0.000 title claims abstract description 20
- 238000005457 optimization Methods 0.000 title claims abstract description 11
- 238000010521 absorption reaction Methods 0.000 claims abstract description 58
- 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 45
- 229930002875 chlorophyll Natural products 0.000 claims abstract description 34
- 235000019804 chlorophyll Nutrition 0.000 claims abstract description 34
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 25
- 238000012546 transfer Methods 0.000 claims abstract description 5
- 230000003595 spectral effect Effects 0.000 claims description 14
- 229930002868 chlorophyll a Natural products 0.000 claims description 11
- 230000009977 dual effect Effects 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 9
- 239000005446 dissolved organic matter Substances 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 3
- 150000002894 organic compounds Chemical class 0.000 claims description 2
- 238000011156 evaluation Methods 0.000 abstract description 3
- 238000005259 measurement Methods 0.000 description 12
- 239000013535 sea water Substances 0.000 description 8
- 230000000694 effects Effects 0.000 description 6
- 230000007423 decrease Effects 0.000 description 4
- 238000011065 in-situ storage Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000000862 absorption spectrum Methods 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 239000000443 aerosol Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005229 chemical vapour deposition Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- DGNIJJSSARBJSH-NLJAFYFLSA-L magnesium (E)-3-[(3R)-16-ethenyl-11-ethyl-3-methoxycarbonyl-12,17,21,26-tetramethyl-4-oxo-7,24-diaza-23,25-diazanidahexacyclo[18.2.1.15,8.110,13.115,18.02,6]hexacosa-1(22),2(6),5(26),7,9,11,13,15(24),16,18,20-undecaen-22-yl]prop-2-enoic acid Chemical compound [Mg++].CCc1c(C)c2cc3nc(cc4[n-]c(c(\C=C\C(O)=O)c4C)c4[C@@H](C(=O)OC)C(=O)c5c(C)c(cc1[n-]2)nc45)c(C)c3C=C DGNIJJSSARBJSH-NLJAFYFLSA-L 0.000 description 1
- 238000013507 mapping Methods 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
- 230000009467 reduction Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific 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
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/006—Theoretical aspects
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- 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
- G01N2021/3129—Determining multicomponents by multiwavelength light
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Electromagnetism (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)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明公开了一种双波长海洋激光雷达探测的波长择优方法，属于激光雷达技术领域，首先，根据水体吸收公式建立了叶绿素浓度和CDOM浓度的反演模型；其次，根据相对误差传递公式和反演模型建立了参数的相对误差模型；之后在双波长随机情况下建立了叶绿素浓度和CDOM浓度反演误差与双波长选择的关系图，对双波长进行择优；再将第一波长固定在532nm，通过在不同初始ag(532)、初始叶绿素浓度、S值情况下叶绿素浓度和CDOM浓度的反演，对海洋激光雷达第二波长进行择优。本发明通过建立参数相对误差的评价方法，对双波长激光雷达的两个波长进行择优，可获得最佳的叶绿素和CDOM吸收系数反演精度。
Description
技术领域
本发明属于激光雷达技术领域，尤其是涉及一种双波长海洋激光雷达探测叶绿素和CDOM吸收系数的波长择优方法。
背景技术
海洋覆盖了地球的71％以上，在全球生态系统和气候变化中扮演着非常重要的角色。所以对海洋的探测显得尤为重要。目前有以下几种方法来检测海洋内部。原位方法如透射仪和散射仪等，可以准确地获取海洋信息，但效率受到限制。基于飞机或卫星的海洋彩色遥感(例如“海洋宽视野传感器”)能够长期有效地收集全球数据。然而，垂直分布状况探测能力不足和对自然光的依赖性限制了其应用。声学被广泛用于对海水进行剖析，但是由于空气-水界面的大量损失，它们只能在水下平台上工作。激光雷达受平台和自然光的限制较少，是一种对海水进行剖面探测的有效方法，具备高时空分辨率、昼夜连续观测、全球尺度测量等优势。到目前为止，海洋激光雷达已能够成功应用于生物探测、浮游植物层分布研究、浅海地形测绘、海洋内波探测等相关研究。
目前，激光雷达中广泛使用单波长来探测海洋。此外，几乎所有的工作波长都是532nm，这是Nd：YAG激光器的二次谐波波长。例如，正交偏振云气溶胶激光雷达是一种简单的弹性后向散射激光雷达，发射波长为532和1064nm，但是对于1064nm，其在水中的衰减太大，无法提供有用的水下信息。532nm的高光谱分辨率激光雷达(HSRL)是一种更先进的激光雷达，它可以独立分离衰减和反向散射。当海水为仅包含水分子和浮游植物的I类水时，单波长激光雷达可以使用现有的生物光学模型获得叶绿素a。然而，如果海水中还存在诸如有色溶解有机物(CDOM)之类的复杂物质，则仅通过使用一个波长就无法准确获得叶绿素a，而多波长激光雷达是解决这一问题的方法之一。
Gray等人开发了一种多波长激光雷达，证明了激光雷达波长与水类型之间的关系，但激光雷达仍处于实验室使用阶段，并未用于检测叶绿素a。Hoge提出了双波长激光雷达的想法来解决这个问题，但是他没有提供关于波长选择的建议。Hostetler等提议使用355nm和532nm的波长，但是，选择355nm和532nm是因为它们是Nd：YAG激光器的二次谐波和三次谐波波长，但并未证明它们是最佳波长。
发明内容
本发明提出了一种双波长海洋激光雷达探测的波长择优方法，对双波长激光雷达的两个波长进行择优，可获得最佳的叶绿素和CDOM吸收系数反演精度。
一种双波长海洋激光雷达探测的波长择优方法，包括以下步骤：
(1)基于双波长海洋高光谱分辨率激光雷达进行探测，利用激光雷达参量参数中的180度体积散射函数和激光雷达衰减系数，得到双波长下的总吸收系数a(λ1)和a(λ2)；
(2)利用反演算法得到叶绿素的反演参数模型C和有色溶解有机物CDOM的反演参数模型ag(λ1)，其中，C是叶绿素浓度，ag(λ1)是CDOM在第一波长下的吸收系数；
(3)根据相对误差传递公式和反演参数模型得出叶绿素的相对误差模型εC和有色溶解有机物CDOM的相对误差模型
(4)根据波长和误差的关系得到双波长任意时的择优方案；再通过改变参数设置得到激光雷达的第一波长λ1取定为532nm时，第二波长λ2对反演误差的影响，从而得到单波长固定时的择优方案。
本发明中，所述的双波长海洋高光谱分辨率激光雷达包括激光发射系统、接收系统、锁频系统、滤波系统、数据采集及处理系统；其中，激光发射系统中使用两种不同波长的激光进行探测，根据不同激光波长的回波信号进行后续的波长择优计算。
步骤(1)中，双波长海洋高光谱分辨率激光雷达同时测量两个波长的水体总吸收系数，水体总吸收系数通过激光雷达衰减系数和后向散射系数得出，其中，后向散射系数通过转换因子从180度体积散射函数中获取；双波长下的总吸收系数a(λ1)和a(λ2)计算表达式为：
式中，aw(λ)是纯水各波长吸收系数，λ1为激光雷达的第一波长，λ2为激光雷达的第一波长；A(λ)是叶绿素a的比吸收系数；C是叶绿素a的浓度；E(λ)是叶绿素a的指数吸收系数；S为光谱吸收斜率，单位为nm-1；λ0是参考波长；ag(λ0)是CDOM在参考波长下的吸收系数。
步骤(2)中，叶绿素的反演参数模型C和有色溶解有机物CDOM的反演参数模型ag(λ1)通过以下隐式函数的形式表示：
步骤(3)中，叶绿素的参数相对误差模型εC计算过程为：
采用经典的误差传播定律来估计C的相对误差，假设a(λ1)、a(λ2)的相对误差分别表示为Δ1a(λ1)、Δ2a(λ2)，C的相对误差表示为：
其中：
综合上述公式，得到：
其中，Mg＝ag(λ1)/ag(λ2)、MC＝aph(λ1)/aph(λ2)、ME＝E(λ1)/E(λ2)。
有色溶解有机物CDOM的参数相对误差模型
计算过程为：
采用经典的误差传播定律来估计ag(λ1)的相对误差：
其中，
综合上述公式，得到：
步骤(4)中，双波长任意时的择优方案确定方法具体如下：对双波长同时进行随机后作出双波长与反演误差的关系图，在图中找到反演误差最小的点，其对应的双波长即为最优的双波长。
单波长固定时的择优方案确定方法具体如下：
取定激光雷达的第一波长λ1为532nm，在取定初始ag(λ1)、初始叶绿素浓度、光谱吸收斜率S值的情况下，作第二波长与反演误差的关系图，反演误差最小时对应的第二波长即为最优波长。
与现有技术相比，本发明具有以下有益效果：
本发明采用的是双波长的海洋激光雷达，建立参数相对误差的评价方法，择优选取海洋激光雷达的两个波长，提高叶绿素和CDOM吸收系数的反演精度。克服了传统单波长海洋激光雷达探测存在CDOM等复杂物质的水体时反演的不精确，以及传统双波长海洋激光雷达没有建立参数相对误差传递模型的不足，通过建立参数相对误差的评价方法，对双波长激光雷达的两个波长进行择优，可获得最佳的叶绿素和CDOM吸收系数反演精度。
附图说明
图1为本发明方法的流程示意图；
图2为纯水、CDOM、浮游植物在不同波长下的吸收系数占比；
图3为本发明实施例中蒙特卡洛法反演和模型反演的比对图；
图4为本发明实施例中任意波长选择对误差的影响；
图5为本发明实施例中λ1＝532时，λ2对误差的影响；
图6为本发明实施例中不同C、ag(532)、S设置时反演的相对误差；
图7为本发明实施例中测量误差对反演误差的影响；
图8为本发明实施例中黄海收集的原位数据-吸收系数图；
图9为本发明实施例中不同站点数据反演与实测结果比较图。
具体实施方式
下面结合附图和实施例对本发明做进一步详细描述，需要指出的是，以下所述实施例旨在便于对本发明的理解，而对其不起任何限定作用。
如图1所示，一种双波长海洋激光雷达探测的波长择优方法，包括以下步骤：
步骤1，基于双波长海洋高光谱分辨率激光雷达，利用激光雷达参量参数——180度体积散射函数和激光雷达衰减系数，得到双波长下的总吸收系数a(λ1)和a(λ2)；
步骤2，利用反演算法得到叶绿素和CDOM的反演参数模型——C和ag(λ1)；
步骤3，根据相对误差传递公式得出叶绿素和CDOM的参数相对误差模型——εC和
步骤4，根据波长和误差的关系得到双波长任意时的择优方案，再通过改变参数设置得到λ1＝532时，λ2对误差的影响，从而得到单波长固定时的择优方案。
下面将详细介绍各步骤的方法和流程。
步骤1，基于双波长海洋高光谱分辨率激光雷达，所测水体的总吸收系数a(λ)具体通过如下方法获取：
双波长海洋高光谱分辨率激光雷达主要包括激光发射系统、接收系统、锁频系统、滤波系统、数据采集及处理系统，其中激光发射系统中使用两种不同波长的激光进行探测，根据不同激光波长的回波信号进行后续的计算。
激光雷达信号包含两个海水光学特性，分别是180度体积散射函数和激光雷达衰减系数。可以使用多种方法从原始信号中检索两个属性。对于弹性激光雷达，可以使用Fernald方法和摄动方法，对于HSRL，两个属性可以独立获取。通过转换因子可以从180度体积的散射函数中获取后向散射系数。
Gordon指出，使用Kullenberg相位函数可将激光雷达衰减系数视为扩散衰减系数，而扩散衰减系数可表示为吸收系数和反向散射系数的函数。因此，吸收系数可以从激光雷达测得的漫反射衰减系数和反向散射系数中得出。此外，如果海水散射相位函数为两项Henyey-Greenstein形式，则激光雷达衰减系数可以直接表示为吸收系数和反向散射系数的函数。然后，可以从激光雷达的衰减系数和反向散射系数中得出吸收系数。无论如何，根据现有理论，可以使用海洋激光雷达来获取吸收系数。如果激光雷达具有双波长，则可以同时测量两个波长的吸收系数。
水体的主要成分包括水、浮游植物和CDOM等。多成分的总体吸收系数是各成分吸收系数之和。因此水体总吸收系数表达式如下：
a(λ)＝aw(λ)+aph(λ)+ag(λ), (1)
其中，aw(λ)是纯水各波长吸收系数，仅与波长相关，并已被测量。aph(λ)是浮游植物吸收系数，主要由叶绿素a贡献，可由以下公式估算：
aph(λ)＝A(λ)×CE(λ), (2)
其中，A(λ)是叶绿素a的比吸收系数，单位为m-1；C是叶绿素a的浓度，以毫克每立方米表示。ag(λ)是CDOM的吸收系数，在200-800nm范围内呈指数衰减，可用以下公式估算：
ag(λ)＝ag(λ0)*exp[-S(λ-λ0)], (3)
其中，S为光谱吸收斜率，单位为nm-1；λ0是参考波长，ag(λ0)是CDOM在参考波长下的吸收系数。
图2显示了海水各成分的吸收系数，随波长的变化趋势是不同的。纯水的吸收系数在550nm以下很小，但在550至700nm之间迅速增加。对于浮游植物的吸收光谱，在440nm处有一个主要峰，在680nm附近有一个次要峰；主峰约为次峰的峰值的两倍。另外，浮游植物在310nm处具有大的吸收峰。CDOM吸收随着波长的增加呈指数下降。CDOM和浮游植物的吸收趋势在360-440nm和550-680nm之间相反，但在440-550nm和310-360nm之间相似。相同的趋势不利于区分这两个组成部分。
步骤2，叶绿素和CDOM的反演参数模型具体通过如下方法获取：
假设激光雷达采用双波长λ1和λ2探测，可得到下式：
叶绿素和CDOM的关键参数分别为C和ag(λ1)，可以用以下隐式函数的形式表示：
CDOM的浓度可以用ag(λ0)表示。因此，只需要将测量的两个吸收系数代入，并输入已知的叶绿素吸收特性和CDOM吸收特性，就可以得到所测水域叶绿素和CDOM的浓度。
步骤3，叶绿素和CDOM的参数相对误差模型具体通过如下方法获取：
实际测量中受仪器、环境等因素影响，激光雷达测量的两个吸收系数存在误差。a(λ)误差的存在，使评估C和ag(λ1)的相对误差成为必要。相对误差越小，说明结果量的精确度受测量误差的影响越小，说明该方法的可行性越高。采用经典的误差传播定律来估计C的相对误差，假设a(λ1)、a(λ2)的相对误差分别表示为Δ1a(λ1)、Δ2a(λ2)，C相对误差可表示为：
其中:
综合公式(6)、(7)得到：
其中，Mg＝ag(λ1)/ag(λ2)、MC＝aph(λ1)/aph(λ2)、ME＝E(λ1)/E(λ2)。
同样的，ag(λ1)相对误差是：
其中，
综合公式(9)、(10)得到：
步骤4，对双波长激光雷达进行波长择优具体通过如下方法进行：首先验证模型的正确性，并从双波长任意和单波长固定两种情况提供波长择优的方案，同时利用反演模型对从黄海采集到的真实水体吸收数据进行反演，验证择优结果。
图3展示了蒙特卡洛反演和模型反演的结果，从图3中的(a)和(c)可以看到MC的大多数结果都局限于预测的3-σ误差范围，同时图3中的(b)和(d)误差理论值和MC的均方根基本吻合，这表明理论模型与MC方法之间具有很好的一致性。
图4展示了双波长任意时的误差结果。令测量误差等于0.1，同时设置相关参数为表1中的基准值，作双波长与误差的关系图。可以看到CDOM反演的相对误差总体小于C的相对反演误差。当λ1>550nm或λ1<400nm时，C的相对误差都大于100％，相比之下CDOM的误差可以通过改变λ2得到显著的降低。另外这种误差和物质浓度的关系很大，若模拟情况下的叶绿素浓度高于设置值，则叶绿素的误差将进一步减小。另外，叶绿素反演和CDOM反演的误差有很多相似之处：当400nm<λ1<600nm和λ2<430nm时，误差相对较小；当λ1和λ2的值非常接近时，误差值很大。叶绿素误差最小在λ1＝488nm和λ2＝300nm时得到为51.01％，CDOM误差最小在λ1＝500nm和λ2＝300nm时得到为14.58％。
表1
鉴于目前532nm单波长激光器发展得较为成熟，同时已有投入应用的532激光雷达，而本文的目的在于探讨在现有的激光雷达上若增加一个波长通道，波长设置在哪里更优的问题。因此在单波长反演中将波长设置为532nm；双波长反演中，将在λ1固定为532nm的基础上，探究不同λ2设置对反演误差的影响。
同样令测量误差等于0.1，设置除波长外的参数为表1中的基准值。图5展示了当λ1＝532nm时，λ2对反演误差的影响。当λ2在510～570nm之间时，出现几个误差峰值；当λ2>420nm时，误差都比较大。而在小于420nm的波段内，误差相对比较小，并且随着波长的减小，进一步减小。因此为了获得较小的反演误差，应将λ2设置在小于420nm的短波长范围内。
为了说明所得规律的普适性，通过改变初始ag(532)、初始叶绿素浓度C和S值，得到在300～420nm的λ2与误差的关系，图6展示了在不同参数设置情况下λ2和误差的关系，得到了误差随着波长减小而减小，极小值出现在358nm左右的位置的结果。
图7显示了仪器测量误差对反演结果的影响。显然，测量误差越小，反演误差就越小，并且测量误差的值不会影响λ2与误差之间的关系：反演误差通常随λ2的增加而增加，在358nm附近存在极小值。
图8展示了从黄海收集到的原位吸收数据。现场设备通过船后甲板上的收缩孔沉入海水中，以收集水柱的固有光学特性。处理完初始数据后，获得了不同深度的吸收系数，其中S1和S2代表不同的收集位置。S1采集点位于黄海的冷水区，深度很大。S2采集点位于坪山岛附近，其深度较浅。
图9所显示的是真实水体模拟的结果。结果表明，单波长反演获得的叶绿素浓度与实际值相差很大，而双波长反演获得的结果与实际值基本吻合。同时，在两种双波长反演的情况下，当λ2设置为较小的412nm值时，反演曲线与实测曲线更吻合，验证了之前的立论推导结果。同时，在双波长反演中，当λ1固定在532nm时，λ2越小，反演结果越准确。
以上所述的实施例对本发明的技术方案和有益效果进行了详细说明，应理解的是以上所述仅为本发明的具体实施例，并不用于限制本发明，凡在本发明的原则范围内所做的任何修改、补充和等同替换，均应包含在本发明的保护范围之内。
Claims (8)
1.一种双波长海洋激光雷达探测的波长择优方法，其特征在于，包括以下步骤：
(1)基于双波长海洋高光谱分辨率激光雷达进行探测，利用激光雷达参量参数中的180度体积散射函数和激光雷达衰减系数，得到双波长下的总吸收系数a(λ1)和a(λ2)；
(2)利用反演算法得到叶绿素的反演参数模型C和有色溶解有机物CDOM的反演参数模型ag(λ1)，其中，C是叶绿素浓度，ag(λ1)是CDOM在第一波长下的吸收系数；
(3)根据相对误差传递公式和反演参数模型得出叶绿素的相对误差模型εC和有色溶解有机物CDOM的相对误差模型
(4)根据波长和误差的关系得到双波长任意时的择优方案；再通过改变参数设置得到激光雷达的第一波长λ1取定为532nm时，第二波长λ2对反演误差的影响，从而得到单波长固定时的择优方案。
2.根据权利要求1所述的双波长海洋激光雷达探测的波长择优方法，其特征在于，步骤(1)中，所述的双波长海洋高光谱分辨率激光雷达包括激光发射系统、接收系统、锁频系统、滤波系统、数据采集及处理系统；其中，激光发射系统中使用两种不同波长的激光进行探测，根据不同激光波长的回波信号进行后续的波长择优计算。
3.根据权利要求1所述的双波长海洋激光雷达探测的波长择优方法，其特征在于，步骤(1)中，双波长海洋高光谱分辨率激光雷达同时测量两个波长的水体总吸收系数，水体总吸收系数通过激光雷达衰减系数和后向散射系数得出，其中，后向散射系数通过转换因子从180度体积散射函数中获取；双波长下的总吸收系数a(λ1)和a(λ2)计算表达式为：
式中，λ1为激光雷达的第一波长，λ2为激光雷达的第一波长；aw(λ1)和aw(λ2)分别表示纯水对于激光雷达第一波长和第二波长的吸收系数；A(λ1)和A(λ2)分别表示叶绿素a对于激光雷达第一波长和第二波长的比吸收系数；C是叶绿素a的浓度；E(λ1)和E(λ2)分别表示叶绿素a对于激光雷达第一波长和第二波长的指数吸收系数；S为光谱吸收斜率，单位为nm-1；λ0是参考波长；ag(λ0)是CDOM在参考波长下的吸收系数。
4.根据权利要求3所述的双波长海洋激光雷达探测的波长择优方法，其特征在于，步骤(2)中，叶绿素的反演参数模型C和有色溶解有机物CDOM的反演参数模型ag(λ1)通过以下隐式函数的形式表示：
5.根据权利要求3所述的双波长海洋激光雷达探测的波长择优方法，其特征在于，步骤(3)中，叶绿素的参数相对误差模型εC计算过程为：
采用经典的误差传播定律来估计C的相对误差，假设a(λ1)、a(λ2)的相对误差分别表示为Δa(λ1)、Δa(λ2)，C的相对误差表示为：
其中：
综合上述公式，得到：
其中，Mg＝ag(λ1)/ag(λ2)、MC＝aph(λ1)/aph(λ2)、ME＝E(λ1)/E(λ2)。
6.根据权利要求5所述的双波长海洋激光雷达探测的波长择优方法，其特征在于，步骤(3)中，有色溶解有机物CDOM的参数相对误差模型
计算过程为：
采用经典的误差传播定律来估计ag(λ1)的相对误差：
其中，
综合上述公式，得到：
7.根据权利要求1所述的双波长海洋激光雷达探测的波长择优方法，其特征在于，步骤(4)中，双波长任意时的择优方案确定方法具体如下：对双波长同时进行随机后作出双波长与反演误差的关系图，在图中找到反演误差最小的点，其对应的双波长即为最优的双波长。
8.根据权利要求1所述的双波长海洋激光雷达探测的波长择优方法，其特征在于，步骤(4)中，单波长固定时的择优方案确定方法具体如下：
取定激光雷达的第一波长λ1为532nm，在取定初始ag(λ1)ag(532)、初始叶绿素浓度、光谱吸收斜率S值的情况下，作第二波长与反演误差的关系图，反演误差最小时对应的第二波长即为最优波长。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010687023.XA CN112034480B (zh) | 2020-07-16 | 2020-07-16 | 一种双波长海洋激光雷达探测的波长择优方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010687023.XA CN112034480B (zh) | 2020-07-16 | 2020-07-16 | 一种双波长海洋激光雷达探测的波长择优方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112034480A CN112034480A (zh) | 2020-12-04 |
| CN112034480B true CN112034480B (zh) | 2022-12-20 |
Family
ID=73579516
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010687023.XA Active CN112034480B (zh) | 2020-07-16 | 2020-07-16 | 一种双波长海洋激光雷达探测的波长择优方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112034480B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112817058B (zh) * | 2021-01-25 | 2022-11-15 | 华中科技大学鄂州工业技术研究院 | 成群海洋生物预警方法、系统、电子设备及存储介质 |
| CN113219496A (zh) * | 2021-03-18 | 2021-08-06 | 杭州电子科技大学 | 一种星载海洋大气参数激光雷达探测系统 |
| CN113655495B (zh) * | 2021-08-31 | 2024-06-11 | 自然资源部第二海洋研究所 | 一种基于水体漫衰减系数光谱依赖性的星载海洋激光雷达最优波段评估方法 |
| CN114674292B (zh) * | 2021-12-23 | 2024-04-26 | 自然资源部第二海洋研究所 | 基于机载多波长激光雷达探测海洋光学剖面的系统及方法 |
| CN114295585B (zh) * | 2022-01-04 | 2024-03-22 | 浙江大学 | 一种基于解析模型的多视场海洋激光雷达数据正则化反演方法 |
Citations (6)
| 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 |
| CN105115941A (zh) * | 2015-09-30 | 2015-12-02 | 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 |
| 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 |
| CN105372641A (zh) * | 2015-12-23 | 2016-03-02 | 国家海洋局第一海洋研究所 | 激光雷达水体回波信号仿真方法 |
| 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 |
| CN109521437A (zh) * | 2018-12-05 | 2019-03-26 | 武汉大学 | 面向植被生化参数探测的多光谱激光雷达波长选择方法 |
-
2020
- 2020-07-16 CN CN202010687023.XA patent/CN112034480B/zh active Active
Patent Citations (6)
| 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 |
| 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 |
| CN105115941A (zh) * | 2015-09-30 | 2015-12-02 | 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 |
| CN105372641A (zh) * | 2015-12-23 | 2016-03-02 | 国家海洋局第一海洋研究所 | 激光雷达水体回波信号仿真方法 |
| 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 |
| CN109521437A (zh) * | 2018-12-05 | 2019-03-26 | 武汉大学 | 面向植被生化参数探测的多光谱激光雷达波长选择方法 |
Non-Patent Citations (2)
| Title |
|---|
| Study of the effects of phytoplankton morphology and vertical profile on lidar attenuated backscatter and depolarization ratio;Patrick G.Stegmann 等;《Journal of Quantitative Spectroscopy and Radiative Transfer》;20181211;第225卷;第1-15页 * |
| 星载海洋激光雷达最佳工作波长分析;刘群 等;《中国光学》;20200229;第13卷(第1期);第148-155页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112034480A (zh) | 2020-12-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112034480B (zh) | 一种双波长海洋激光雷达探测的波长择优方法 | |
| Ruddick et al. | Seaborne measurements of near infrared water‐leaving reflectance: The similarity spectrum for turbid waters | |
| CN111965608B (zh) | 一种基于水体叶绿素浓度的星载海洋激光雷达探测能力评估方法 | |
| CN110673108B (zh) | 一种基于迭代Klett的机载海洋激光雷达信号处理方法 | |
| CN101520515A (zh) | 基于激光雷达的混合层高度的自动反演算法 | |
| Stramska et al. | Estimation of the absorption and backscattering coefficients from inߚwater radiometric measurements | |
| CN110031856A (zh) | 一种机载LiDAR测深数据的漫衰减系数提取方法 | |
| CN115797760B (zh) | 主被动融合的水质立体遥感反演方法、系统及存储介质 | |
| Baban | The evaluation of different algorithms for bathymetric charting of lakes using Landsat imagery | |
| Jourdin et al. | Dual-frequency ADCPs measuring turbidity | |
| Dwivedi et al. | Remote sensing of phytoplankton An attempt from the Landsat Thematic Mapper | |
| L'Hégaret et al. | Ocean cross-validated observations from R/Vs L'Atalante, Maria S. Merian, and Meteor and related platforms as part of the EUREC 4 A-OA/ATOMIC campaign | |
| Brown et al. | Mapping coastal optical and biogeochemical variability using an autonomous underwater vehicle and a new bio‐optical inversion algorithm | |
| CN208091915U (zh) | 一种潜水拖曳式深海甲烷浓度原位检测系统 | |
| Gong | Extrapolation of upwelling irradiance just beneath the ocean surface from the in-water radiometric profile measurements | |
| Johnson | Developing chemical sensors to observe the health of the global ocean | |
| Higa et al. | Numerical Simulation and Remote Sensing for the Analysis of Blue Tide Distribution in Tokyo Bay in September 2012 | |
| Kulshreshtha et al. | Development of optical models for assessing the trophic status of coastal waters | |
| Guang et al. | A model for the retrieval of suspended sediment concentrations in Taihu Lake from TM images | |
| Zhao et al. | Remote sensing algorithms of seawater transparency: A review | |
| CN115659634A (zh) | 一种基于遥感反射率反演全球海洋光学衰减系数的方法 | |
| Tupas et al. | Hawaii Ocean Time-series Data Report 4, 1992 | |
| Wang et al. | Hyperspectral models of coastal water depth extraction | |
| Epps et al. | Development of a suspended particulate matter (SPM) algorithm for the coastal zone mapping and imaging lidar (CZMIL) | |
| Tiwari et al. | A Reflectance Model for Relatively Clear and Turbid 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 |