基于高光谱遥感的长江口叶绿素a浓度反演

为了解长江口的水质状况,现场测量叶绿素a浓度,结合高光谱遥感影像,运用波段比值模型、一阶微分模型和水体叶绿素a提取指数(Water Chlorophyll-a Index,WCI)对整个研究区域叶绿素a浓度进行反演推算,并进行空间分布评价;利用实测数据和遥感影像的关系建立反演模型,并结合相关系数、均方根误差和平均相对误差,分析和评价反演效果。结果显示,波段比值模型和叶绿素a浓度的相关性达到0.9099,均方根误差为1.7922,平均相对误差为9.09%;一阶微分模型的相关性为0.9483,均方根误差为2.2073,平均相对误差为15.31%;WCI模型的相关性高达0.9778,均方根误差为1.4405,平均相对误差为6.20%。利用WCI模型对整个研究区域的叶绿素a浓度进行模拟,可见研究区域的中间部分叶绿素a含量较低,从中间到两边逐渐增大,南部出现最大值,造成此差异的原因可能是因为北靠近居民生活区,南邻上海青草沙水库,并且附近存在植被。研究表明,WCI模型的反演效果优于波段比值模型和一阶微分模型,是一种计算简单、精度较高的方法,可以有效地提取水体叶绿素a的浓度,未来可广泛应用于水体环境质量监测。     

基于GOCI的东海叶绿素a浓度3种反演算法的对比及其昼变化分析

叶绿素a浓度是一种表征水体富营养化程度的重要参数,其已经成为水体水质评价的重要指标,它的研究对赤潮、绿潮等的监测预报具有重要意义。基于GOCI卫星获取的水色遥感资料,先对L1B数据进行了大气校正等影像预处理,然后利用OC2、OC3G和YOC 3种叶绿素反演算法反演了东海叶绿素a浓度,并用实测资料对3种反演算法结果进行验证分析,通过反演值与实测值之间的平均绝对误差、平均相对误差和相关系数对3种算法反演精度进行了比较,其中YOC算法的平均绝对误差为0.39 mg·m-3,平均相对误差为42.47%,相关系数为0.88,是3种算法中平均绝对误差和平均相对误差最小、相关系数最高的,因此确定YOC算法反演东海叶绿素a浓度是最优的。进而,利用YOC算法从GOCI卫星获取的高时间分辨率水色遥感信息反演了2011-2017年的东海叶绿素a浓度,并分析叶绿素a浓度的昼变化特征,基本上表现为:一日内从08∶30到15∶30,叶绿素a浓度先升高再降低,在10∶30左右达到峰值,此结果与藻类气泡调节浮力机制理论基本吻合。     

4种机器学习模型反演太湖叶绿素a浓度的比较

基于太湖实测叶绿素a浓度数据以及同步HJ-1B卫星CCD多光谱影像,综合比较4种机器学习模型(随机森林,RF;支持向量回归,SVR;反向传播人工神经网络,BPANN;深度学习,DL)反演太湖叶绿素a浓度的精度、稳定性及鲁棒性。利用11种波段组合分别建立基于RF、SVR、BPANN和DL的反演模型,筛选出最佳波段组合模型用于验证和评价。结果表明,模型精度方面,DL(决定系数R2=0.91,均方根误差RMSE=3.458μg/L,相对预测偏差RPD=3.13)和SVR(R2=0.88,RMSE=3.727μg/L,RPD=2.90)具有较优的验证精度;模型稳定性方面,DL模型不易受模型校正样本数影响,稳定性较好,而RF模型稳定性较差;模型鲁棒性方面,DL模型不易受噪声影响,鲁棒性较好,其次是SVR、BPANN和RF模型。综合4种模型的验证精度、稳定性和鲁棒性,DL模型在太湖叶绿素a浓度的反演具有较大应用潜力,能为研究湖泊水色参数提供借鉴。     

基于Sentinel-2卫星遥感影像的巢湖及南淝河叶绿素a浓度反演

叶绿素a是反映水生态环境污染状况的重要指标。定量反演叶绿素a浓度有助于及时监测水体营养状态变化，对富营养化水体治理具有重要意义。以巢湖及南淝河支流下游为研究区域，利用Sentinel-2卫星遥感数据源，构建其叶绿素a浓度反演模型，探究叶绿素a浓度的时空变化规律。结果显示，构建的深度神经网络（DNN）模型反演精度较高（R2=0.96，MRE=31.62%，RMSE=24.4 μg/L）。通过减少训练样本量对DNN模型精度的影响分析，发现训练样本较少时，模型仍具有较高的精度；根据其精度的敏感模型训练样本个数，将训练集按组等分，模型呈现较好的稳定性并具有一定的适用性。分析表明，研究区叶绿素a浓度在时间上呈现夏秋季上升、春冬季下降的规律，在空间上呈现湖区西高东低、局部近岸区分布较高的特点。     

利用MODIS遥感数据探测长江口及邻近海域赤潮初步研究

针对2004年6月11日和2005年5月25日发生在长江口及邻近海域的赤潮,利用EOS/MODIS遥感数据进行监测研究。采用海表温度19°C及叶绿素a浓度6mg/m3经验数据作为阈值,结合多波段差值比值法对MODIS遥感图像中长江口及邻近海域的赤潮进行综合检验。研究结果表明,利用MODIS遥感数据探测赤潮是可行的,并建立了运用多波段差值比值法、海表温度及叶绿素a浓度的阈值综合判定法对赤潮灾害进行探测的方法。     

基于Sentinel-2多光谱遥感的低盐湖泊盐度反演——以西藏错鄂湖为例

为探索遥感数据反演低盐湖盐度的能力, 以西藏错鄂湖为例, 利用 Sentinel-2 多光谱数据, 对比了可见光和近红外波段光谱反射率与水表盐度的相关性, 基于波段反射率和归一化水体指数(normalized difference water index, NDWI), 采用线性回归模型对西藏错鄂湖水表盐度进行反演研究。研究结果表明, 绿波段反射率与盐度的相关性高于其他波段, 当盐度低于 3 时, 近红外波段反射率与盐度相关性最高; 9 种变量组合的盐度反演模型中, NDWI 变量的加入能够提高模型的反演精度, 且 NDWI、近红外波段、蓝波段 3 个变量组合的线性回归模型反演盐度的精度最高, 平均绝对误差(the mean absolute error, MAE)为 0.103, 决定系数 R2 最大, 为 0.5696, 说明盐度实测值和预测值拟合结果较好。从对全湖的预测结果看, 错鄂湖的水表盐度空间分布总体呈现出岸边、河口低, 湖泊内部高且分布较为均匀的格局, 预测盐度均值约 4.14, 与实测均值 4.15 十分接近, 验证了反演方法的有效性。研究结果表明多光谱遥感数据在预测错鄂湖泊水表盐度方面具有准确度高、快速便捷的优势, 对利用多光谱遥感数据进行低盐湖泊水表盐度反演具有指导意义, 对水生生物资源保护和可持续利用具有借鉴价值。     

格网分辨率对生态动力学模型模拟结果的影响

以2009年4月太湖生态学实验数据为基础,研究了15、20、25、30 m格网分辨率下NPZD生态动力学模型模拟结果的差异性.结果表明,格网分辨率和平均浓度及浓度均方根之间存在较复杂的关系,难以用统计方法加以描述.总体而言,格网分辨率的不同,生态动力学模型计算得到的磷浓度、悬浮泥沙浓度和叶绿素a浓度的平均值、均方根和空间布局也将不同.在实际应用中,应该选择适宜的格网分辨率进行生态学参数模拟,进而实现对太湖水体状况的正确模拟与预测.     

格网分辨率对太湖生态动力学模型模拟结果的影响

以2009年4月太湖生态学实验数据为基础,研究了15、20、25、30m格网分辨率下NPZD生态动力学模型模拟结果的差异性。结果表明,格网分辨率和平均浓度及浓度均方根之间存在较复杂的关系,难以用统计方法加以描述。总体而言,格网分辨率的不同,生态动力学模型计算得到的磷浓度、悬浮泥沙浓度和叶绿素a浓度的平均值、均方根和空间布局也将不同。在实际应用中,应该选择适宜的格网分辨率进行生态学参数模拟,进而实现对太湖水体状况的正确模拟与预测。     

渤、黄、东海海洋初级生产力的遥感估算

通过对多年的东海、黄海南部实测海洋初级生产力与环境数据的分析，采用非线性最小二乘法，得到海洋初级生产力的遥感估算模型。利用从2000年1月-12月的SeaWiFS数据反演得到的叶绿素a浓度、透明度、辐照度数据，以及同期的NOAA数据反演得到的海表水温数据，通过该模型，提取出我国海区的海洋初级生产力的时空分布信息。结果表明，在东海、黄海和渤海初级生产力季节变化明显，在东海，最大初级生产力的月份为5月，最小月份为2月。而在黄海和渤海，最大初级生产力的月份为8月，最小月份为2月。在大洋区，初级生产力的季节变化相对较小。与相关的文献资料比较该模型能较好地反映渤、黄、东海的海洋初级生产力的时空分布信息及其变化情况。由于我国海区大部分是二类水体，水光学、水文特性比较复杂，叶绿素浓度等遥感产品的精度有待进一步的提高，叶绿素浓度及其剖面分布估算不准，对整个模式的精度影响很大。同时由于所用的实测数据及其分布区域、时间的限制，以及没有同步数据，对该模型的结果还要经过进一步的检验。     

洋山深水港区域夏季叶绿素a分布及年际变化

根据2001年、2003年~2006年8月对洋山深水港工程建设项目所在地周边海域进行的生态调查,对该区域叶绿素a变化情况进行了研究分析。调查区域叶绿素a平均浓度呈现先下降后上升的趋势,最大值为2001年的2.61 mg/m3,最小值为2004年的1.27 mg/m3;港区、航道区变化趋势与全区相一致,大桥区略有不同,2003年至2005年叶绿素a浓度呈下降趋势,2006年出现回升;同一区域,表层叶绿素a浓度变化幅度小于底层;受工程施工的影响,底层下降快且恢复缓慢;2001年底层叶绿素a浓度高于表层,而2003~2006年则是表层浓度较高;叶绿素a浓度年际变化与网采浮游植物丰度变化相一致,但其相关性不明显。     

泼河水库叶绿素a的分布特征与环境因子的关系

本实验在2012年9月~2013年9月期间,每季节采样一次,测定泼河水库叶绿素a(chl.a)的浓度,分析泼河水库叶绿素a的分布特征及其与总氮(TN)及总磷(TP)等环境因子的相关性。结果发现,泼河水库叶绿素a浓度的季节分布由高至低为夏季春季秋季冬季;空间分布为春季和夏季河流入库口叶绿素a的浓度高于其他水域;因子相关性分析表明,春季和夏季泼河水库叶绿素a浓度与水体中总磷的浓度相关,其中夏季相关性极其显著。     

夏季和冬季辽东湾海域水体中叶绿素a含量分布特征

为研究辽东湾海域水体中叶绿素a含量的分布特征,于2013年8月(夏季)和12月(冬季)在辽东湾设置38个站位,分别采集了表、中、底层的海水样品,检测夏季和冬季两个航次水体中叶绿素a的含量,分析该海域叶绿素a的季节分布与空间变化特征。同时利用相关性统计分析的方法,将各水质因子对叶绿素a含量影响的差异显著性进行了分析。结果显示,调查海域夏季的叶绿素a平均质量浓度为6.90μg/L,冬季为1.26μg/L,时间分布上夏季质量浓度明显高于冬季;空间水平分布上,夏季辽东湾湾口的平均叶绿素a质量浓度明显高于湾内的平均质量浓度,而冬季则越靠近湾口处叶绿素a的平均质量浓度越低,与夏季规律正好相反;空间垂直分布上,夏季表层叶绿素a的质量浓度最高,10m层次之,底层的质量浓度最低;而冬季的叶绿素a质量浓度则呈现10m层最高,底层次之,表层质量浓度最低的趋势。说明辽东湾叶绿素a含量存在明显的时间和空间分布特征;结合同期的温度、盐度、溶解氧等环境因子的调查结果,统计分析结果表明调查海域中环境因子温度、盐度、溶解氧和营养盐的季节性变化是导致叶绿素a含量趋势变化的最可能原因之一。     

东湖生物膜的建群过程及其生理特性研究

为探讨天然水体中生物膜的建群过程及生理特性,本研究将人工基质大理石投放到东湖沿岸带浅水区域,分析了生物膜在人工基质上从开始建群直至发育为成熟群落,并最终衰退的整个过程。结果表明,建群过程中,生物膜的生物量(叶绿素a、蛋白质、干重、无灰干重)、营养物质含量(总氮、总磷)均呈现先上升后下降的趋势,各指标之间具有显著相关性。低温会减缓生物膜的生长,弱光会加剧生物膜的衰退,生物膜的生长发育会影响周围水体氮、磷元素浓度。生物膜中碱性磷酸酶活性与自身生物量呈显著正相关性。水体中氮/磷的比值决定生物膜中氮/磷的比值。刚毛藻属是东湖生物膜的优势物种。对生物膜建群过程及生理特性的研究,有助于更好地将生物膜应用于污染水体的净化和修复。     

HJ-1A卫星CCD1数据的大气校正及在滇池蓝藻监测中的应用

HJ-1A卫星CCD1数据具有免费、高空间分辨率等优点,但是由于受大气的影响,电磁波在传输过程中发生失真。为了提高CCD1数据的提取精度,就必须对其进行大气校正。本文利用6S模型对2013年9月30日的HJ-1A卫星CCD1数据进行了大气校正,并从归一化植被指数(NDVI)的变化、与中分辨率成像光谱仪(MODIS)地表反射率数据对比2个方面对校正结果进行精度验证。结果表明:NDVI的标准差校正前为0.179866,校正后为0.247689,大气校正能够有效地降低大气对遥感图像造成的影响,图像的层次更加丰富;在滇池的建筑物、水体、植被3种地物中分别选取1个像元,获得CCD1数据和MODIS数据分别在这3个像元上的反射率值。3种地物的地表反射率在2种数据中都具有较好的一致性,在4个波段的误差均在15%左右。对于水体,波段3和波段4的误差较小(10%),建议在进行滇池水质参数反演时尽量选用3、4波段。利用经过大气校正后的CCD1数据计算NDVI并结合密度分割的方法对滇池蓝藻信息进行了提取,提取的结果与滇池蓝藻实测数据具有较好的相关性,相关系数达到0.7703,说明利用HJ-1A卫星CCD1数据可以快速、动态地监测滇池蓝藻暴发。     

基于可变移动窗口方法估算太湖泥沙环流运动的本征尺度

基于遥感反演获得的太湖悬浮泥沙浓度数据,利用移动窗口方法,分析探讨了平均局部方差和移动窗口尺寸的关系。在90～1 860 m移动窗口尺寸变化范围内,太湖悬浮泥沙浓度的平均局部方差随着移动窗口尺寸的增大而增大,且抛物线模型能较好的描述2者的关系,回归系数0.9959。通过对抛物线模型求最大值可知,局部方差最大值所对应的移动窗口尺寸为2 308.33 m,根据当时的风速和风向,考虑泥沙浓度空间分布与水体运动之间的相关性,该尺寸可以解释为太湖逆时针环流的本征尺度。     

三峡水库小江回水区叶绿素a与环境因子的时空变化

2013年1-12月在小江水华暴发的敏感区域高阳断面开展了水文、营养盐、叶绿素a等指标长期、定点监测,分析库湾水体叶绿素a及环境因子的时空变化特征及其相互关系。结果表明,高阳断面水体在1月、10-12月处于混合状态,3-8月则处于弱分层到稳定分层状态。水体处于混合状态时,各层营养盐浓度变化不显著,处于分层状态时,则呈现较显著差异;时间分布上,冬季氮磷营养盐浓度(TN:1.52~1.74 mg/L,TP:0.092~0.095 mg/L)略高于夏季(TN:1.16~1.56 mg/L,TP:0.037~0.085 mg/L),干流水体倒灌作用对其影响显著。叶绿素a浓度呈现夏季高、冬季低的趋势,水体分层对叶绿素a垂向分布影响显著;当水体处于分层状态时,表层叶绿素a浓度(18.56~92.23 mg/m~3)明显高于中、底层(2.54~21.56 mg/m~3)。营养盐为小江高阳叶绿素a变化的限制因素,各层水体叶绿素a浓度与硝氮和可溶性磷酸盐呈显著负相关。表层水体叶绿素a与环境因子相关性较强,叶绿素a与营养盐、溶解氧、透明度、水温、表底温差等呈极显著相关(P0.01);中层叶绿素a与营养盐、水温、透明度、水深、水体稳定系数等呈极显著相关(P0.01),表明水体扰动是影响中层水体叶绿素a增长的关键因素之一;底层水体叶绿素a与硝氮(P0.01)、磷酸盐(P0.05)、水深(P0.05)呈极显著或显著相关。     

三峡水库小江回水区叶绿素a与环境因子时空变化

于2013年1-12月在小江水华暴发的敏感区域高阳断面开展了水文、营养盐、叶绿素a等指标长期、定点监测,分析库湾水体叶绿素a及环境因子的时空变化特征及其相互关系。结果表明高阳断面水体在1月、10-12月处于混合状态,3-8月则处于弱分层到稳定分层状态。水体在混合状态时各理化因子、营养盐及叶绿素a分层变化不显著；而处于分层状态时,各层水体氮磷营养盐呈现较显著差异,时间分布上冬季略高于夏季,干流倒灌对高阳断面营养盐的季节分布影响显著。叶绿素a浓度呈现明显的夏季高、冬季低的趋势,水体分层对叶绿素a垂向分布影响显著,当水体处于分层状态时,表层叶绿素浓度明显高于中、底层。高阳断面各层水体叶绿素a浓度与硝氮和可溶性磷酸盐呈显著负相关,表明营养盐是小江高阳叶绿素变化的限制因素。表层水体叶绿素a与硝氮、磷酸盐、溶解氧、透明度、水温、表底温差等呈显著相关(P<0.01),表明表层叶绿素a与环境因子相关性较强；中层叶绿素a与硝氮、总氮、总磷、磷酸盐、水温、透明度、水深、水体稳定系数等呈显著相关(P<0.01),表明水体的扰动是影响中层水体叶绿素a增长的关键因素之一；底层水体叶绿素a与硝氮(P<0.01)、磷酸盐(P<0.05)、水深(P<0.05)呈显著相关。     

应用Monte Carlo方法计算水上集鱼灯向下辐照度在一类海水中的分布

利用叶绿素浓度、海表风速数据及集鱼灯、渔船的相关特征参数(集鱼灯的配光曲线、波谱分布、辐射通量、集鱼灯在渔船上几何位置等),采用Monte Carlo方法构造了一个计算水上集鱼灯水下辐照度分布的模型。该模型利用叶绿素浓度数据、纯海水水光学特性及其与吸收、散射系数的关系计算波束衰减系数(包括吸收系数、散射系数),利用风速数据构造毛细波面,计算该波面对光路及菲涅耳反射的影响。该模型与传统计算方法相比,有如下优点:(1) 利用叶绿素浓度数据计算波束衰减系数,并考虑了波束衰减系数的波谱特征;(2) 能提供不同水层集鱼灯向下辐照度的光谱分布;(3) 能提供渔船阴影区向下辐照度的分布;(4) 考虑了毛细波面的影响,使集鱼灯水下辐照度的计算更合理;(5) 叶绿素浓度、风速数据可由遥感获取,使模型更易应用于实际计算。模型计算结果与实测值进行了比较,相对均方根误差为37.6%,但两者之间存在显著相关性(P<0.001),文中对模型结果进行了分析。     

东张水库蓝藻水华BP人工神经网络模型演算研究

本文以福建省福清市东张水库为例,采集2016—2017年间包含水华期间在内的共295组的水质(水温、pH、电导率、浊度、溶解氧)和气象(气温、风速)数据,以80%的数据进行模型演算,20%的数据进行模型验证,以叶绿素a浓度作为输出参数,应用BP人工神经网络模型进行演算。通过输入不同的参数组合,将结果与实际测定的叶绿素a值比较,挑选出最优的参数组合。结果表明,当以水温、溶解氧、电导率和气温作为组合变量输入时,输出的结果最优,输出数据的预测值与实测值拟合度R2为0. 83,均方根误差(RMSE)为0. 08μg/L,均方根-实测值标准偏差比(RSR)为0. 43,且模型稳定性较好。表明该参数组合作为输入参数建立的BP人工神经网络预警模型,有望未来用于预测东张水库富营养化的发生。     

三十六脚湖叶绿素a浓度人工神经网络模型演算研究

本文分析了平潭三十六脚湖2016年1月至2017年5月气象和水质历史数据,以环境因子作为输入参数,叶绿素a浓度作为输出参数,构建了BP人工神经网络模型。从历史样本数据中随机抽取80%的数据进行模型演算,剩下20%的数据作为测试数据进行检验。结果表明:以气温、电导率、水温3个指标为输入因子时,模型输出的叶绿素a浓度和监测数据的拟合度达到R~2=0.97,RMSE=0.05μg/L、RSR=0.17,误差较小。2019年3月13日至4月26日对三十六脚湖进行5次采样,将实测的叶绿素a浓度值与模型演算值进行对比分析,发现其标准偏差比RSR为0.24,实测值与演算值的偏离程度较小,精度达到期望值。该模型有望用于平潭三十六脚湖湖区叶绿素a浓度预测和水华预警,为水体富营养化防控提供参考。