CN112949039B - 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 - Google Patents

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 Download PDF

Info

Publication number
CN112949039B
CN112949039B CN202110136253.1A CN202110136253A CN112949039B CN 112949039 B CN112949039 B CN 112949039B CN 202110136253 A CN202110136253 A CN 202110136253A CN 112949039 B CN112949039 B CN 112949039B
Authority
CN
China
Prior art keywords
phytoplankton
pigment concentration
diagnostic
concentration
satellite
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
Application number
CN202110136253.1A
Other languages
English (en)
Other versions
CN112949039A (zh
Inventor
孙德勇
李正浩
王胜强
张海龙
何宜军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Information Science and Technology
Original Assignee
Nanjing University of Information Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing University of Information Science and Technology filed Critical Nanjing University of Information Science and Technology
Priority to CN202110136253.1A priority Critical patent/CN112949039B/zh
Publication of CN112949039A publication Critical patent/CN112949039A/zh
Application granted granted Critical
Publication of CN112949039B publication Critical patent/CN112949039B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • 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

Abstract

本发明涉及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，包括：实测近海海表水样的浮游植物吸收系数和HPLC色素浓度；对浮游植物吸收系数使用高斯分解法进行分解，根据分解参数与HPLC色素浓度之间的拟合关系，得到浮游植物诊断色素浓度模型；结合叶绿素a卫星产品和浮游植物粒径比吸收系数，得到浮游植物吸收卫星产品；得到浮游植物吸收卫星产品后，再通过浮游植物诊断色素浓度模型计算出浮游植物诊断色素浓度，得到浮游植物诊断色素浓度的时空分布图。本发明适用于近海高混浊水域遥感反演，解决我国近海水体浮游植物诊断色素浓度反演算法缺失的问题，拓展了水色遥感卫星数据的应用，可行性强，适于实际应用。

Description

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
技术领域
本发明属于海洋遥感技术领域，具体涉及一种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。
背景技术
浮游植物广泛分布于海洋水体中，是全球初级生产力的重要贡献者，在物质循环和能量流动中发挥着重要作用。浮游植物种群结构的监测对海洋环境保护、维持海洋生态平衡有着非常重要的意义。光合作用是浮游植物在初级生产过程中最重要的过程，在这一过程中，太阳辐射能主要被浮游植物细胞内的色素吸收。随着高效液相色谱法(HPLC)等色素分析方法的发展，学者们对浮游植物色素的研究不断深入，发现不同的色素在光合作用过程中起着不同的作用，而不同的浮游植物含有的色素类型也存在较大差异。利用不同浮游植物含有的色素类型和色素比例来识别不用的浮游植物类型，从而可以实现浮游植物种群结构的监测。开展浮游植物色素浓度的鉴定和量化已成为海洋浮游植物种群结构研究中的一项重要基础工作。
传统的获取海洋浮游植物诊断色素信息的方法是通过现场采集浮游植物样本，利用丙酮，甲醇，DMF等有机溶剂，结合超声波震荡、浸泡研磨等方法，得到各种色素提取液，最后通过HPLC方法获得各色素浓度。传统方法虽然能获得精度较高的诊断色素，但只能获得离散点位的诊断色素浓度信息，不能有效地进行大范围监测研究。遥感技术的发展为解决这类问题提供了数据支撑。通过遥感能够进行宏观监测、获得长时间序列的观测资料。因此需要建立浮游植物诊断色素遥感反演模型，实现浮游植物诊断色素遥感监测。
基于卫星遥感数据，近年来学者们开展了浮游植物色素浓度的遥感反演研究。现有的研究中，主要是利用浮游植物吸收特征、遥感反射率敏感信号来建立浮游植物诊断色素遥感反演模型。虽然国内外学者对浮游植物诊断色素反演研究已有了一定的进展，但可以发现现有的研究多是应用大洋水体数据来进行分析建模，很少针对我国近海水体进行浮游植物诊断色素遥感反演研究。大洋一类水体与我国近海二类水体水质条件差异较大，已有的基于大洋水体数据开发的诊断色素浓度反演算法不能直接移植使用。因此需要针对我国近海水体开发一种浮游植物诊断色素浓度的反演模型，并能将其应用于较多的卫星遥感数据上，实现浮游植物诊断色素浓度的遥感监测研究。
发明内容
本发明针对现有的浮游植物诊断色素浓度遥感反演模型存在的限制，提出一种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，提高近海水体诊断色素浓度分布信息的获取能力，提高水色遥感在中国近海水体的应用水平。
本发明所采用的技术方案为：
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，包括：
步骤一、实测近海海表水样的浮游植物吸收系数aph和HPLC色素浓度，获取实测数据；
步骤二、对浮游植物吸收系数aph使用高斯分解法进行分解，根据分解参数与HPLC色素浓度之间的拟合关系，得到浮游植物诊断色素浓度模型；
步骤三、结合Chla卫星产品和浮游植物粒径比吸收系数，得到浮游植物吸收卫星产品；
步骤四、得到浮游植物吸收卫星产品后，再通过浮游植物诊断色素浓度模型计算出浮游植物诊断色素浓度，得到浮游植物诊断色素浓度的时空分布图。
进一步地，步骤一中，借助海洋观测航次走航观测，现场使用CTD采集海表水样，过滤后测出浮游植物吸收系数aph和HPLC色素浓度，获取实测数据。
进一步地，步骤二包括：
步骤201、对浮游植物吸收系数aph，根据公式(1)的高斯分解模型，利用公式(2)的最小二乘法进行分解，分解得到不同高斯波段的高斯参数agaus(λ'i)；
Figure BDA0002927066040000021
公式(1)中，λ为浮游植物吸收系数aph的波段范围，取400-700nm；λ'i为高斯函数中心波段，σi为高斯函数的半波宽度；i＝1,2,…,n，n为高斯函数中心波段数；
Figure BDA0002927066040000022
公式(2)中，a′ph(λj)为计算时输入的浮游植物吸收系数；aph(λj)为根据公式(1)重构的浮游植物吸收系数；kλ为浮游植物吸收系数波段数；j＝400，401,402,…,700；
步骤202、高斯参数agaus(λ'i)与实测HPLC色素浓度数据之间呈指数关系；
利用实测HPLC色素浓度数据分析不同浮游植物诊断色素浓度Cpigs与不同高斯函数波段处的高斯参数agaus(λ'i)之间的关系，找出最优高斯参数，最后建立最优高斯参数与实测诊断色素浓度之间的关系模型；
浮游植物诊断色素浓度模型为：
Cpigs＝α*exp[β*log10(agaus(λ'i))] (3)
公式(3)中，α和β为模型参数，通过分析不同诊断色素与最优高斯参数之间关系得到。
进一步地，公式(1)中，n取12。
进一步地，步骤三包括：
步骤301、收集与实测数据时空同步匹配的卫星数据，对卫星数据进行预处理，提取并计算得到卫星遥感反射率数据Rrs；通过Chla卫星遥感算法，由卫星遥感反射率数据Rrs计算得到Chla卫星产品；
步骤302、浮游植物吸收系数aph表示为：
Figure BDA0002927066040000031
公式(4)中，
Figure BDA0002927066040000032
表示小型浮游植物的比吸收，/>
Figure BDA0002927066040000033
表示微型、微微型浮游植物的比吸收；Cm表示小型浮游植物的浓度，Cn,p表示微型、微微型浮游植物的浓度；
步骤303、Cn,p可通过Chla卫星产品计算得到，Cn,p与Chla浓度CChla关系表示为：
Figure BDA0002927066040000034
公式(5)中，
Figure BDA0002927066040000035
表示Cn,p随着CChla逐渐增加达到的最大值，Sn,p表示这一过程中的斜率，/>
Figure BDA0002927066040000036
与Sn,p的关系为/>
Figure BDA0002927066040000037
结合公式(4)和公式(5)，最终可使用Chla卫星产品计算得到浮游植物吸收卫星产品：
Figure BDA0002927066040000038
进一步地，公式(5)中，Sn,p＝0.591。
本发明的有益效果在于：
本发明通过构建实测浮游植物诊断色素浓度与浮游植物吸收之间的关系，并使用卫星数据计算得到近海浮游植物吸收产品，适用于近海高混浊水域遥感反演(这些水域均为典型的二类水体)，能够解决当前对于我国近海水体浮游植物诊断色素浓度反演算法缺失的问题，拓展了水色遥感卫星数据的应用，具有可行性强，适于实际应用等优点。
附图说明
图1为本发明的海洋水色遥感方法流程图；
图2为小型浮游植物
Figure BDA0002927066040000043
和微型、微微型浮游植物/>
Figure BDA0002927066040000044
在400-700nm处的比吸收系数。
具体实施方式
下面结合附图和具体的实施例对本发明的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作进一步地详细说明。
如图1所示，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，包括：
步骤一、实测近海海表水样的浮游植物吸收系数aph和HPLC色素浓度，获取实测数据。
步骤一中，借助海洋观测航次走航观测，现场使用CTD(温盐深仪)采集海表水样，过滤后测出浮游植物吸收系数aph和HPLC色素浓度数据。
步骤二、对浮游植物吸收系数aph使用高斯分解法进行分解，根据分解参数与HPLC色素浓度之间的拟合关系，得到浮游植物诊断色素浓度模型。包括：
步骤201、对浮游植物吸收系数aph，根据公式(1)的高斯分解模型，利用公式(2)的最小二乘法进行分解，分解得到不同高斯波段的高斯参数agaus(λ'i)；
Figure BDA0002927066040000041
公式(1)中，λ为浮游植物吸收数据aph的波段范围，取400-700nm；λ'i为高斯函数中心波段，σi为高斯函数的半波宽度；i＝1,2,…,n，n为高斯函数中心波段数；
Figure BDA0002927066040000042
公式(2)中，a′ph(λj)为反演输入的浮游植物吸收系数；aph(λj)为公式(1)中重构的浮游植物吸收系数；kλ为浮游植物吸收系数波段数；j＝400，401,402,…,700；
根据先前学者的研究以及使用渤海、黄海和东海航次调查数据的优化，本实施例所采用的高斯函数中心波段λ'i以及高斯函数宽度σi如表1所示。本实施例公式(1)中n为12。
表1高斯函数中心波段及宽度
Figure BDA0002927066040000051
步骤202、高斯参数agaus(λ'i)与实测HPLC色素浓度数据之间呈指数关系。
利用实测HPLC色素浓度数据分析不同浮游植物诊断色素浓度Cpigs与不同高斯函数波段处的高斯参数agaus(λ'i)之间的关系，找出最优高斯参数，最后建立最优高斯参数与实测诊断色素浓度之间的关系模型。
浮游植物诊断色素浓度模型为：
Cpigs＝α*exp[β*log10(agaus(λ'i))] (3)
公式(3)中，α和β为模型参数，通过分析不同诊断色素与最优高斯参数之间关系得到。
步骤三、结合Chla(叶绿素a)卫星产品和浮游植物粒径比吸收系数，得到浮游植物吸收卫星产品。包括：
步骤301、收集与实测数据时空同步匹配的卫星数据，对卫星数据进行预处理，提取并计算得到卫星遥感反射率数据Rrs。通过Chla卫星遥感算法，由卫星遥感反射率数据Rrs计算得到Chla卫星产品。
步骤302、为了将步骤二中的浮游植物诊断色素浓度模型应用到卫星产品上，浮游植物吸收系数aph表示为：
Figure BDA0002927066040000052
公式(4)中，
Figure BDA0002927066040000053
表示小型浮游植物的比吸收，/>
Figure BDA0002927066040000054
表示微型、微微型浮游植物的比吸收。Cm表示小型浮游植物的浓度，Cn,p表示微型、微微型浮游植物的浓度。
步骤303、Cn,p可通过Chla卫星产品计算得到，Cn,p与Chla浓度CChla关系表示为：
Figure BDA0002927066040000061
公式(5)中，
Figure BDA0002927066040000062
表示Cn,p随着CChla逐渐增加达到的最大值，Sn,p表示这一过程中的斜率，/>
Figure BDA0002927066040000063
与Sn,p的关系为/>
Figure BDA0002927066040000064
本实施例中，Sn,p＝0.591。
结合公式(4)和公式(5)，最终可使用Chla卫星产品计算得到浮游植物吸收卫星产品：
Figure BDA0002927066040000065
渤海、黄海和东海处小型浮游植物和微型、微微型浮游植物的比吸收系数如图2所示。
步骤四、得到浮游植物吸收卫星产品后，再通过浮游植物诊断色素浓度模型计算出浮游植物诊断色素浓度，得到浮游植物诊断色素浓度的时空分布图。
本发明中通过Chla卫星产品以及已知的浮游植物粒径比吸收数据(参见图2)，应用Chla卫星数据由公式(6)计算得到卫星浮游植物吸收数据。基于实测的HPLC色素浓度数据以及对aph进行高斯分解后得到的高斯参数agaus(λ'i)，通过公式(3)的指数关系方程拟合实测数据与最优高斯参数之间的关系，得到适用于我国渤、黄、东海的模型参数。一些典型的浮游植物诊断色素模型参数如表2所示。
对浮游植物诊断色素浓度遥感反演模型进行改进和验证并应用到卫星数据上，得到黄、渤、东海区域诊断色素浓度的空间分布差异以及时间变化特征(如季节变化和年际变化)，为利用卫星遥感影像监测浮游制诊断色素浓度分布打下基础，促进开展浮游植物种群结构及其它水色遥感产品应用领域等工作的研究。
表2典型诊断色素对应的最优高斯波段位置以及公式(6)色素模型建模参数
Figure BDA0002927066040000066
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术方法范围内，可轻易想到的替换或变换方法，都应该涵盖在本发明的保护范围之内。

Claims (4)

1.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，其特征在于，包括：
步骤一、实测近海海表水样的浮游植物吸收系数aph和HPLC色素浓度，获取实测数据；
步骤二、对浮游植物吸收系数aph使用高斯分解法进行分解，根据分解参数与HPLC色素浓度之间的拟合关系，得到浮游植物诊断色素浓度模型；
步骤二包括：
步骤201、对浮游植物吸收系数aph，根据公式(1)的高斯分解模型，利用公式(2)的最小二乘法进行分解，分解得到不同高斯波段的高斯参数agaus(λ'i)；
Figure FDA0004178302570000011
公式(1)中，λ为浮游植物吸收系数aph的波段范围，取400-700nm；λ'i为高斯函数中心波段，σi为高斯函数的半波宽度；i＝1,2,…,n，n为高斯函数中心波段数；
Figure FDA0004178302570000012
公式(2)中，a′ph(λj)为计算时输入的浮游植物吸收系数；aph(λj)为根据公式(1)重构的浮游植物吸收系数；kλ为浮游植物吸收系数波段数；j＝400，401,402,…,700；
步骤202、高斯参数agaus(λ'i)与实测HPLC色素浓度数据之间呈指数关系；
利用实测HPLC色素浓度数据分析不同浮游植物诊断色素浓度Cpigs与不同高斯函数波段处的高斯参数agaus(λ'i)之间的关系，找出最优高斯参数，最后建立最优高斯参数与实测诊断色素浓度之间的关系模型；
浮游植物诊断色素浓度模型为：
Cpigs＝α*exp[β*log10(agaus(λ'i))] (3)
公式(3)中，α和β为模型参数，通过分析不同诊断色素与最优高斯参数之间关系得到；
步骤三、结合Chla卫星产品和浮游植物粒径比吸收系数，得到浮游植物吸收卫星产品；
步骤三包括：
步骤301、收集与实测数据时空同步匹配的卫星数据，对卫星数据进行预处理，提取并计算得到卫星遥感反射率数据Rrs；通过Chla卫星遥感算法，由卫星遥感反射率数据Rrs计算得到Chla卫星产品；
步骤302、浮游植物吸收系数aph表示为：
Figure FDA0004178302570000021
公式(4)中，
Figure FDA0004178302570000022
表示小型浮游植物的比吸收，/>
Figure FDA0004178302570000023
表示微型、微微型浮游植物的比吸收；Cm表示小型浮游植物的浓度，Cn,p表示微型、微微型浮游植物的浓度；
步骤303、Cn,p通过Chla卫星产品计算得到，Cn,p与Chla浓度CChla的关系表示为：
Figure FDA0004178302570000024
公式(5)中，
Figure FDA0004178302570000025
表示Cn,p随着CChla逐渐增加达到的最大值，Sn,p表示这一过程中的斜率，
Figure FDA0004178302570000026
与Sn,p的关系为/>
Figure FDA0004178302570000027
/>
结合公式(4)和公式(5)，最终使用Chla卫星产品计算得到浮游植物吸收卫星产品：
Figure FDA0004178302570000028
步骤四、得到浮游植物吸收卫星产品后，再通过浮游植物诊断色素浓度模型计算出浮游植物诊断色素浓度，得到浮游植物诊断色素浓度的时空分布图。
2.根据权利要求1所述的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，其特征在于，步骤一中，借助海洋观测航次走航观测，现场使用CTD采集海表水样，过滤后测出浮游植物吸收系数aph和HPLC色素浓度。
3.根据权利要求1所述的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，其特征在于，公式(1)中，n取12。
4.根据权利要求1所述的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，其特征在于，公式(5)中，Sn,p＝0.591。
CN202110136253.1A 2021-02-01 2021-02-01 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 Active CN112949039B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110136253.1A CN112949039B (zh) 2021-02-01 2021-02-01 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110136253.1A CN112949039B (zh) 2021-02-01 2021-02-01 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

Publications (2)

Publication Number Publication Date
CN112949039A CN112949039A (zh) 2021-06-11
CN112949039B true CN112949039B (zh) 2023-05-26

Family

ID=76240658

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110136253.1A Active CN112949039B (zh) 2021-02-01 2021-02-01 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

Country Status (1)

Country Link
CN (1) CN112949039B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
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
CN105352861A (zh) * 2015-11-25 2016-02-24 中国科学院南海海洋研究所 浮游植物粒级结构分析方法
CN106442233A (zh) * 2016-09-21 2017-02-22 南京信息工程大学 利用卫星数据估测海水悬浮颗粒物粒径的混合型新方法
CN106960204A (zh) * 2017-05-05 2017-07-18 南京信息工程大学 一种估算近海水体浮游植物粒级结构的遥感方法
CN107044985A (zh) * 2017-05-18 2017-08-15 杭州师范大学 一种表层海水中多环芳烃的遥感监测方法
CN107462535A (zh) * 2017-08-17 2017-12-12 中国科学院烟台海岸带研究所 一种基于高斯多峰拟合的光谱解析算法
CN110749568A (zh) * 2019-12-19 2020-02-04 中国科学院南京地理与湖泊研究所 高浑浊富营养化湖泊浮游植物吸收特性modis遥感反演方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007097341A1 (ja) * 2006-02-20 2007-08-30 Hamamatsu Photonics K.K. 光合成サンプルの評価方法、光合成サンプルの評価システム及び光合成サンプルの評価プログラム
WO2011069067A1 (en) * 2009-12-04 2011-06-09 The Trustees Of Columbia University In The City Of New York Spectral and temporal laser fluorescence analysis such as for natural aquatic environments

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
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
CN105352861A (zh) * 2015-11-25 2016-02-24 中国科学院南海海洋研究所 浮游植物粒级结构分析方法
CN106442233A (zh) * 2016-09-21 2017-02-22 南京信息工程大学 利用卫星数据估测海水悬浮颗粒物粒径的混合型新方法
CN106960204A (zh) * 2017-05-05 2017-07-18 南京信息工程大学 一种估算近海水体浮游植物粒级结构的遥感方法
CN107044985A (zh) * 2017-05-18 2017-08-15 杭州师范大学 一种表层海水中多环芳烃的遥感监测方法
CN107462535A (zh) * 2017-08-17 2017-12-12 中国科学院烟台海岸带研究所 一种基于高斯多峰拟合的光谱解析算法
CN110749568A (zh) * 2019-12-19 2020-02-04 中国科学院南京地理与湖泊研究所 高浑浊富营养化湖泊浮游植物吸收特性modis遥感反演方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Gaussian decomposition and component pigment spectral analysis of phytoplankton absorption spectra;YE Huping 等;《Journal of Oceanology and Limnology》;第37卷(第05期);1542-1554 *
Remote sensing of spatial and temporal patterns of phytoplankton assemblages in the Bohai Sea, Yellow Sea, and east China sea;Deyong Sun 等;《Water Research》;第157卷;119-133 *
二类水体吸收系数精确校正及其遥感反演研究;叶虎平;《中国博士学位论文全文数据库 基础科学辑》(第10期);A010-4 *
典型内陆湖泊及海域浮游植物优势物种的光学特性研究——以太湖、东海为例;梁桥;《中国优秀硕士学位论文全文数据库 基础科学辑》(第11期);A006-117 *

Also Published As

Publication number Publication date
CN112949039A (zh) 2021-06-11

Similar Documents

Publication Publication Date Title
WO2018153143A1 (zh) 一种利用遥感含水量测量滩涂高程的方法
CN112989692A (zh) 基于遥感数据的湖泊富营养化反演方法
Johan et al. Laboratory measurement: Chlorophyll-a concentration measurement with acetone method using spectrophotometer
CN108549858B (zh) 一种城市热岛效应的定量评价方法
CN110068539B (zh) 一种富营养化浅水湖泊有色溶解有机物的遥感方法
CN101187630A (zh) 一种农田干旱监测方法
CN106960204B (zh) 一种估算近海水体浮游植物粒级结构的遥感方法
CN101836561B (zh) 一种海滨盐土蓖麻产量预测模型及其构建方法和应用
CN106501255B (zh) 一种枣树冠层总叶绿素含量的卫星遥感监测方法
Reza et al. Spatial variability of soil properties in Brahmaputra plains of North-eastern India: a geostatistical approach
CN103592283B (zh) 一种快速检测微藻产能过程的方法
Gaillard et al. The challenge of pollen-based quantitative reconstruction of Holocene plant cover in tropical regions: A pilot study in Cameroon
CN112949039B (zh) 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
CN103913422A (zh) 一种基于hj-ccd影像的浅水湖泊水生植物快速监测方法
CN116429988A (zh) 海洋植物碳汇动态遥感监测装置
CN105954207A (zh) 一种枣树冠层叶绿素b含量的检测方法
Tao et al. A phytoplankton class-specific marine primary productivity model using MODIS data
CN114724647A (zh) 一种高时空分辨率co2通量反演系统及方法
CN106501454B (zh) 一种枣树冠层叶绿素b含量的卫星遥感监测方法
CN112949038B (zh) 一种计算海洋水体不同浮游植物种群比吸收系数的方法
Chen et al. The possibility on estimation of concentration of heavy metals in coastal waters from remote sensing data
Sun et al. Understanding optical absorption associated with phytoplanktonic groups in the marginal seas
CN109323891A (zh) 一种估算湖泊真光层深度的方法
CN101900661B (zh) Hy-1b卫星cocts的悬浮泥沙浓度获取方法
CN110736712A (zh) 一种估算湖泊光合有效辐射衰减系数的方法

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
GR01 Patent grant
GR01 Patent grant