CN112697752B - 估算全球内陆水体透明度的方法 - Google Patents
估算全球内陆水体透明度的方法 Download PDFInfo
- Publication number
- CN112697752B CN112697752B CN202011445834.5A CN202011445834A CN112697752B CN 112697752 B CN112697752 B CN 112697752B CN 202011445834 A CN202011445834 A CN 202011445834A CN 112697752 B CN112697752 B CN 112697752B
- Authority
- CN
- China
- Prior art keywords
- transparency
- wave band
- global
- satellite
- water body
- 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
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
- G01N21/55—Specular reflectivity
Landscapes
- Physics & Mathematics (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
估算全球内陆水体透明度的方法,涉及一种估算内陆水体透明度的方法。本发明的目的是为了解决现有湖库的透明度测试无法大尺度范围实现连续监测的缺陷,而提供一种利用遥感卫星的天顶角反射率估算全球内陆水体透明度的方法。本发明全球内陆水体透明度估算采用陆地卫星系列卫星的天顶角反射率波段组合模型进行估算,所述波段组合模型为红波段/蓝波段+蓝波段/绿波段。本发明估算湖库透明度的模型效果好,经实测样点模型验证发现该模型可以准确的估算全球湖库水体的透明度,具有极高的可信度和可应用性。
Description
技术领域
本发明涉及一种估算内陆水体透明度的方法。
背景技术
水体透明度(Secchi disk Depth,SDD)是通过赛克盘垂直放入水体中测量极限能见度。透明度可以直接反映水体的混浊程度和水下透射情况,是水体的重要物理参数之一,也是重要的水质参数指标,能够作为评价判断水体富营养化程度的重要依据。湖库是地球水圈的重要组成,在全球气候变化和人类生存发展等方面都具有具足轻重的作用。近年来受人类活动和生产生活的直接影响,湖库面临着污染物输入、水体富营养化和水资源分配不均等多重影响,同时在土地利用和气候变化的压力下全球湖库都发生了明显的生态环境变化。全球湖库数量众多,大约有1.1亿个湖库,因此在全球范围内进行连续水质监测具有极大的挑战,而传统的野外采样监测只能获得一定时间和地点内的水质监测数据。对于大尺度范围内的湖库实时连续采样可以获得更全面的水质参数数据,对于环境监测和管理具有积极的实际应用价值。
发明内容
本发明的目的是为了解决现有湖库的透明度测试无法大尺度范围实现连续监测的缺陷,而提供一种利用遥感卫星的天顶角反射率估算全球内陆水体透明度的方法。
本发明全球内陆水体透明度估算方法采用陆地卫星系列卫星的天顶角反射率波段组合模型进行估算,所述波段组合模型为红波段/蓝波段+蓝波段/绿波段。
进一步,本发明方法采用Landsat-8卫星,波段组合模型的估算公式为Ln(SDD)=-2.27*R/B+3.50*B/G+1.52;其中,R为卫星传感器获取的该采样点红波段天顶角反射率,B为卫星传感器获取的该采样点蓝波段天顶角反射率,G为卫星传感器获取的该采样点绿波段天顶角反射率。
进一步,本发明方法采用Landsat-7卫星,波段组合模型的估算公式为Ln(SDD)=-2.35*R/B+2.99*B/G+2.26;其中,R为卫星传感器获取的该采样点红波段天顶角反射率,B为卫星传感器获取的该采样点蓝波段天顶角反射率,G为卫星传感器获取的该采样点绿波段天顶角反射率。
进一步,本发明方法采用Landsat-5卫星,波段组合模型的估算公式为Ln(SDD)=-3.22*R/B+2.63*B/G+3.26;其中,R为卫星传感器获取的该采样点红波段天顶角反射率,B为卫星传感器获取的该采样点蓝波段天顶角反射率,G为卫星传感器获取的该采样点绿波段天顶角反射率。
遥感技术具有连续快速获得大范围动态观测数据的特点,因此本发明利用卫星遥感技术对大尺度范围的湖库水体进行水质监测。美国NASA的陆地卫星(Landsat)计划从1972年7月23日以来已发射8颗,Landsat-5卫星是美国陆地卫星系列中的第五颗,携带有效载荷为专题制图仪(TM)(蓝波段:0.45-0.52μm绿波段:0.52-0.60μm红波段:0.63-0.69μm)。Landsat-7卫星装备有增强型专题制图仪(ETM+)(蓝波段:0.45-0.515μm绿波段:0.525-0.605μm红波段:0.63-0.69μm),ETM+有8个波段的感应器,覆盖着从红外到可见光的不同波长范围(蓝波段:0.45-0.51μm绿波段:0.53-0.59μm红波段:0.64-0.67μm)。与Landsat-5卫星的TM传感器相比,ETM+增加了15米分辨率的一个波段,在红外波段的分辨率更高,因此有更高的准确性。Landsat-8卫星装备有陆地成像仪(简称OLI)和热红外传感器。OLI有9个波段的感应器,覆盖了从红外到可见光的不同波长范围。
本发明通过卫星传感器获得水体离水反射光谱推演湖库透明度等水质参数可以快速了解大尺度范围内水体透明度在时间和空间上的分布变化,及时了解湖库的水质情况和富营养化程度,对于全球水体的水质监测和科学管理具有重要的实际意义。
本发明估算湖库透明度的模型效果好,经实测样点模型验证发现该模型可以准确的估算全球湖库水体的透明度,具有极高的可信度和可应用性。
附图说明
图1是实施例1中全球湖库透明度估算模型的样点分布图;
图2是实施例1中全球3600个样点所构建的四种效果较好的透明度估算模型的透明度估算值与实测值回归分析图;图2a为采用单波段——红波段天顶角反射率构建的效果较好透明度估算模型的透明度估算值与实测值回归分析图,图2b为采用波段组合——红/绿波段天顶角反射率构建的效果较好透明度估算模型的透明度估算值与实测值回归分析图;图2c为采用波段组合——蓝/绿波段天顶角反射率构建的效果较好透明度估算模型的透明度估算值与实测值回归分析图;图2d为采用波段组合——红/绿+蓝/绿波段天顶角反射率构建的效果较好透明度估算模型的透明度估算值与实测值回归分析图;
图3是实施例1中全球1800个样点验证所构建的四种效果较好的透明度估算模型的透明度估算值与实测值回归分析图;图3a为采用单波段——红波段天顶角反射率构建的效果较好透明度估算模型的透明度估算值与实测值回归分析图,图3b为采用波段组合——红/绿波段天顶角反射率构建的效果较好透明度估算模型的透明度估算值与实测值回归分析图;图3c为采用波段组合——蓝/绿波段天顶角反射率构建的效果较好透明度估算模型的透明度估算值与实测值回归分析图;图3d为采用波段组合——红/绿+蓝/绿波段天顶角反射率构建的效果较好透明度估算模型的透明度估算值与实测值回归分析图.
具体实施方式
本发明技术方案不局限于以下所列举具体实施方式,还包括各具体实施方式间的任意组合。
实施例1
全球七大洲范围内通过实际采样测量和文献检索共获取湖库实测透明度数据的样点5400个,对于上述5400个湖库样点(如图1所示)采用不同卫星传感器(包括Landsat-5TM、Landsat-7ETM+、Landsat-8OLI传感器)的天顶角反射率建模进行估算。
从上述5400个湖库样点中随机挑选3600个样点,检验Landsat-5TM、Landsat-7ETM+、Landsat-8OLI卫星传感器获取的卫星天顶角反射率的单波段或波段组合与实测透明度的相关性,最终筛选、构建出四种效果较好的透明度估算模型(如表1所示)。在三种不同卫星传感器模型中,线性回归系数R2最高的模型均为本发明波段组合模型即红波段/蓝波段+蓝波段/绿波段(R/B+B/G)。利用模型对所选3600个样点进行估算,估算值与实测值的相关性结果中发现波段组合模型的均方根误差(RMSE)、平均绝对百分比误差(MAPE)和偏差(Bias)最低如图2和表1所示。
表1
再利用5400个湖库样点中剩余的1800个样点进行验证,估算值与实测值的相关性结果如表2所示,发现本发明波段组合模型的均方根误差(RMSE)、平均绝对百分比误差(MAPE)和偏差(Bias)最低(如图3所示)。说明本发明方法估算数据对全球湖库水体的透明度都具有极高的可信度和可应用性。
表2
Claims (1)
1.估算全球内陆水体透明度的方法,其特征在于全球内陆水体透明度估算采用陆地卫星系列卫星的天顶角反射率波段组合模型进行估算,所述波段组合模型为R/B+B/G;其中,R为卫星传感器获取的采样点红波段天顶角反射率,B为卫星传感器获取的采样点蓝波段天顶角反射率,G为卫星传感器获取的采样点绿波段天顶角反射率;
该方法采用Landsat-8卫星,波段组合模型的估算公式为Ln(SDD)=-2.27*R/B+3.50*B/G+1.52;
该方法采用Landsat-7卫星,波段组合模型的估算公式为Ln(SDD)=-2.35*R/B+2.99*B/G+2.26;
该方法采用Landsat-5卫星,波段组合模型的估算公式为Ln(SDD)=-3.22*R/B+2.63*B/G+3.26。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011445834.5A CN112697752B (zh) | 2020-12-09 | 2020-12-09 | 估算全球内陆水体透明度的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011445834.5A CN112697752B (zh) | 2020-12-09 | 2020-12-09 | 估算全球内陆水体透明度的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112697752A CN112697752A (zh) | 2021-04-23 |
CN112697752B true CN112697752B (zh) | 2022-11-18 |
Family
ID=75508006
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011445834.5A Active CN112697752B (zh) | 2020-12-09 | 2020-12-09 | 估算全球内陆水体透明度的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112697752B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5652597A (en) * | 1993-08-23 | 1997-07-29 | Alcatel Espace | Electronically-scanned two-beam antenna |
WO2008051207A2 (en) * | 2005-10-21 | 2008-05-02 | Carnegie Institution Of Washington | Remote sensing analysis of forest disturbances |
JP2010286635A (ja) * | 2009-06-11 | 2010-12-24 | Sony Corp | 立体映像表示装置および立体映像表示方法 |
CN105718514A (zh) * | 2016-01-14 | 2016-06-29 | 中国科学院计算机网络信息中心 | 一种基于web的遥感影像多波段自由组合渲染方法 |
CN109085142A (zh) * | 2018-07-13 | 2018-12-25 | 中国科学院东北地理与农业生态研究所 | 一种测量湖泊水体透明度的方法 |
CN109635249A (zh) * | 2019-01-09 | 2019-04-16 | 中国科学院遥感与数字地球研究所 | 水体浊度反演模型建立方法、水体浊度检测方法及装置 |
IT201900001891A1 (it) * | 2019-02-11 | 2020-08-11 | Univ Degli Studi Di Palermo | Metodo per il monitoraggio di superfici vegetali |
CN112033907A (zh) * | 2020-07-28 | 2020-12-04 | 中国科学院南海海洋研究所 | 一种利用海洋水色遥感数据估算海洋细菌丰度的方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN106248601B (zh) * | 2016-09-14 | 2019-02-15 | 南京吉泽信息科技有限公司 | 一种利用oli数据估算水体漫衰减系数的模型方法 |
CN110736712A (zh) * | 2019-11-20 | 2020-01-31 | 中国科学院东北地理与农业生态研究所 | 一种估算湖泊光合有效辐射衰减系数的方法 |
CN110836870B (zh) * | 2019-11-27 | 2021-06-25 | 中国科学院南京地理与湖泊研究所 | 基于gee的大区域湖泊透明度快速制图方法 |
CN111538940B (zh) * | 2020-05-12 | 2021-05-28 | 自然资源部第二海洋研究所 | 悬浮物浓度反演模型确定方法及悬浮物浓度确定方法 |
-
2020
- 2020-12-09 CN CN202011445834.5A patent/CN112697752B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5652597A (en) * | 1993-08-23 | 1997-07-29 | Alcatel Espace | Electronically-scanned two-beam antenna |
WO2008051207A2 (en) * | 2005-10-21 | 2008-05-02 | Carnegie Institution Of Washington | Remote sensing analysis of forest disturbances |
JP2010286635A (ja) * | 2009-06-11 | 2010-12-24 | Sony Corp | 立体映像表示装置および立体映像表示方法 |
CN105718514A (zh) * | 2016-01-14 | 2016-06-29 | 中国科学院计算机网络信息中心 | 一种基于web的遥感影像多波段自由组合渲染方法 |
CN109085142A (zh) * | 2018-07-13 | 2018-12-25 | 中国科学院东北地理与农业生态研究所 | 一种测量湖泊水体透明度的方法 |
CN109635249A (zh) * | 2019-01-09 | 2019-04-16 | 中国科学院遥感与数字地球研究所 | 水体浊度反演模型建立方法、水体浊度检测方法及装置 |
IT201900001891A1 (it) * | 2019-02-11 | 2020-08-11 | Univ Degli Studi Di Palermo | Metodo per il monitoraggio di superfici vegetali |
CN112033907A (zh) * | 2020-07-28 | 2020-12-04 | 中国科学院南海海洋研究所 | 一种利用海洋水色遥感数据估算海洋细菌丰度的方法 |
Non-Patent Citations (8)
Title |
---|
A unified model for high resolution mapping of global lake (>1 ha) clarity using Landsat imagery data;Kaishan Song et al;《Science of The Total Environment》;20220301;第810卷;第1-10页 * |
Characterization of Landsat-7 to Landsat-8 reflective wavelength and normalized difference vegetation index continuity;D.P. Roy et al;《Remote Sensing of Environment》;20161231;第185卷;第57-70页 * |
Extending Landsat 8: Retrieval of an Orange contra-Band for Inland Water Quality Applications;Alexandre Castagna et al;《remote sensing》;20200212;第1-27页 * |
Landsat 15-m Panchromatic-Assisted Downscaling (LPAD) of the 30-m ReflectiveWavelength Bands to Sentinel-2 20-m Resolution;Zhongbin Li et al;《remote sensing>;20170720;第1-18页 * |
内陆水体CDOM光学特性与遥感反演研究进展;宋开山等;《吉林师范大学学报(自然科学版)》;20181110;第39卷(第4期);第115-125页 * |
内陆水体悬浮物波段比值优化模型及藻类丰度对模型精度影响研究;赵方睿等;《遥感技术与应用》;20220820;第37卷(第4期);第993-1002+1011页 * |
吉林省查干湖水体悬浮颗粒物光谱吸收特性研究;王远东等;《光谱学与光谱分析》;20111231;第31卷(第1期);第162-167页 * |
基于HJ-CCD和MODIS的吉林省中西部湖泊透明度反演对比;马建行等;《湖泊科学》;20160506;第28卷(第3期);第661-668页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112697752A (zh) | 2021-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Cheng et al. | Improved estimates of changes in upper ocean salinity and the hydrological cycle | |
Wang et al. | Consensuses and discrepancies of basin-scale ocean heat content changes in different ocean analyses | |
WO2018153143A1 (zh) | 一种利用遥感含水量测量滩涂高程的方法 | |
CN105631904B (zh) | 一种富营养化湖泊藻类总存量遥感估算方法 | |
Liu et al. | Spatial variability of soil organic carbon in the forestlands of northeast China | |
CN103868860B (zh) | 一种基于高光谱植被指数监测湿地植被冠层氮浓度的方法 | |
CN111597756A (zh) | 一种基于无人机多光谱数据的水质参数反演方法 | |
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 | |
CN110031856A (zh) | 一种机载LiDAR测深数据的漫衰减系数提取方法 | |
CN113219496A (zh) | 一种星载海洋大气参数激光雷达探测系统 | |
Xing et al. | Using in situ and satellite hyperspectral data to estimate the surface suspended sediments concentrations in the Pearl River estuary | |
CN104181515A (zh) | 一种基于蓝-黄波段高光谱数据的浅海水深反演方法 | |
Wu et al. | Remote sensing inversion for simulation of soil salinization based on hyperspectral data and ground analysis in Yinchuan, China | |
CN110109118B (zh) | 一种森林冠层生物量的预测方法 | |
CN106053370A (zh) | 一种基于hico模拟的反演近海岸水体透明度的方法 | |
CN103267533A (zh) | 一种实用型高光谱遥感图像大气自校正方法及装置 | |
Chen et al. | A simple atmospheric correction algorithm for MODIS in shallow turbid waters: A case study in Taihu Lake | |
CN113189559B (zh) | 一种星载成像高度计遥感数据海底地形反演方法 | |
CN114201732A (zh) | 一种基于Sentinel-2A影像的浅海海域水深反演方法 | |
Zhang et al. | Optimization of soil salt inversion model based on spectral transformation from hyperspectral index | |
CN112697752B (zh) | 估算全球内陆水体透明度的方法 | |
Wan et al. | Research on the applicability of the E spectrum and PM spectrum as the first guess spectrum of SAR wave spectrum inversion | |
DeTar et al. | Detection of soil properties with airborne hyperspectral measurements of bare fields | |
CN112924401A (zh) | 一种植被冠层叶绿素含量半经验反演方法 | |
Qu et al. | A spectral mixing algorithm for quantifying suspended sediment concentration in the Yellow River: a simulation based on a controlled laboratory experiment |
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 |