基于环境一号卫星数据的洞庭湖叶绿素a浓度反演

通过星地同步地面试验,建立起洞庭湖水体的叶绿素a浓度遥感反演模型,运用2011年4月~2012年4月的多期环境一号卫星CCD数据,对洞庭湖叶绿素a浓度进行动态监测和分析。结果表明:环境一号卫星CCD数据第三通道(HJ3)反射率与第二通道(HJ2)和第四通道(HJ4)反射率之和的比值与洞庭湖水体叶绿素浓度具有较高的相关性,从而构建基于环境一号卫星多光谱数据的洞庭湖叶绿素a浓度反演模型;采用多期环境一号卫星CCD数据对洞庭湖的叶绿素a浓度进行了连续监测,较好地反映了洞庭湖叶绿素a的时空分布变化。     

衡水湖藻类叶绿素a动态变化分析及建议

为了了解衡水湖水质状况,本试验从2018年7～10月底分别采集水样共10次,测定了藻类数量及叶绿素a的动态变化,为水质变化进行监测,并为防止蓝藻暴发提供了建议.对结果进行分析得出:藻类数量和叶绿素a的含量在不同空间不同时间均变化很大,叶绿素a含量9月28日达到最高,10月29日达到最低.位点10(小湖)叶绿素a含量最高...     

基于MERIS遥感图像的太湖叶绿素浓度反演

以太湖为试验区,基于MERIS遥感图像数据以及同步实测的太湖水质参数数据,应用归一化叶绿素指数算法(NDCI),对太湖水体叶绿素a浓度进行反演,得到了太湖区域的水体叶绿素a反演结果,并对反演结果进行了验证和分析。结果表明:归一化叶绿素指数反演算法能够精确地反演太湖区域的叶绿素a浓度值,模型的决定系数(R2)为0.881 2,反演精度优于传统经验统计模型,可为今后更精确地反演内陆水体的叶绿素a浓度提供参考依据。     

基于Landsat-OLI影像数据的向海湿地水体叶绿素a反演模型研究

本文以向海国家级保护区湿地水体为研究对象,以3S技术为支撑,基于实测水质数据与Landsat-OLI遥感影像数据,分析了波段的遥感反射率与叶绿素a浓度之间的相关性,采用回归分析的方法,建立并筛选出了最优反演模型。结果表明:Landsat-OLI数据的第4波段与向海湿地水体叶绿素a浓度的相关性最好,其构建的线性模型为反演叶绿素a浓度的最优模型。     

基于水体指数的镜泊湖叶绿素a质量浓度反演研究

结合2015年9月镜泊湖30个有效采样点的实测叶绿素a质量浓度和同步Landsat 8 OLI数据,通过分析叶绿素a的光谱特征,在Landsat8OLI数据11个波段中,选择前7个波段(B1、B2、B3、B4、B5、B6、B7)单独或组合建立叶绿素a质量浓度反演模型。利用多元统计分析法分析发现,波段组合B5/B3、(B3+B4)/B5、B3/(B1+B5)模型精度较好,决定系数R2分别为0.754 1、0.774 3、0.739 6。作为对比,另外选取典型的水体指数建立叶绿素a质量浓度反演模型;其中归一化水体指数(NDWI)、改迚归一化水体指数(MNDWI)、增强型水体指数(EWI)模型较好,R2均大于0.7,分别为0.747 6、0.726 7、0.763 5。选取上述6种模型,利用剩余采样点迚行精度检验,结果预测值与实测值之间的R2为0.0711～0.8094,其中,NDWI模型反演R2值为0.7614,平均相对误差为13.0%,最大相对误差为22.4%,最小相对误差为1.4%;均方根误差为0.20μg/L。与波段组合模型相比,水体指数模型虽然精度没有较大的提高,但其模型摆脱了波段的随机组合,更适合用来作为镜泊湖叶绿素a常用的监测方法。通过NDWI模型对镜泊湖叶绿素a质量浓度的反演,发现镜泊湖叶绿素a质量浓度分布具有一定的空间差异性,大体趋势为靠近岸边的浅水区叶绿素a质量浓度高于湖心的深水区,有河流注入的来水区高于其他湖区。     

基于环境小卫星CCD数据对太湖地区叶绿素a浓度的反演

针对我国湖泊水体富营养化监测问题,以太湖为研究对象,使用了快速、低成本、大范围的遥感技术反演太湖水体中的叶绿素a含量.以环境小卫星CCD数据和实测数据为研究基础,使用波段比值法建立了5种叶绿素a浓度回归模型.结果表明:多项式反演模型具有最佳的拟合效果,其相关系数R=0.8845;对该反演模型进行合理性验证,并将其运用在太湖地区,最终反演了该水域的叶绿素a浓度.这表明波段比值法构建的多项式反演模型可以较为准确地反演出太湖地区的叶绿素a浓度值.     

基于TM影像的大浪淀水库悬浮物含量的模型反演

以沧州大浪淀水库为研究对象,将实测的悬浮物含量和遥感数据进行分析处理,构建了悬浮物含量与TM2＋TM3多光谱模型,并对模型进行了反演,其结果符合水体实际水质分布情况,表明所建模型可应用于该水体悬浮物含量的监测需要。     

千岛湖叶绿素a浓度动态变化及其影响因素分析

通过对千岛湖各常规监测点1999～2000年叶绿素a含量及水质理化指标的逐月监测,分析了千岛湖叶绿素a含量的时空变化特征及影响因子.结果表明,千岛湖叶绿素a含量在湖心区和出水区随季节变化不明显,但受人类活动影响较大的河流区和湖边区随季节变化明显,其含量明显高于湖心区和出水区.影响千岛湖叶绿素a含量变化的主要因子有氮、磷、水温、透明度和降水等,这些生态因子对叶绿素a含量有着直接和间接的影响,但不同区域各影响因子所起的作用不同.     

用MODIS遥感数据反演东海海表温度、叶绿素a浓度年际变化的研究

利用MODIS获取的2002年7月—2007年12月卫星数据反演中国东海海域的海表温度(SST)和叶绿素a浓度信息,对东海海域的SST和叶绿素a浓度分布规律进行了分析。结果表明:东海海域的SST和叶绿素a浓度的分布具有明显的分区和季节变化特征。在年际间,不同海区的SST和叶绿素a浓度均呈周期性变化趋势。在空间上,SST呈现出由近岸向外海递增的趋势,南北温差大;叶绿素a浓度则呈现出由近岸向外海递减的分布趋势。东海叶绿素a浓度的分布与SST、河口径流、季节等因素有关。作者从宏观上分析了东海长时间序列的SST和叶绿素a浓度的变化特征,可为东海海洋初级生产力和海洋生态环境研究提供参考。     

基于TM影像的地表温度遥感反演研究——以兰州市区为例

以兰州地区为例,利用TM数据对地区的地表温度进行了反演。     

基于遥感数据的洞庭湖温度反演研究

根据Landsat TM数据,利用单窗算法对洞庭湖区域进行地表温度反演,得出湖区地表温度的分布规律。结果表明:温度反演成果可靠误差小,湖区温度比周边植被、裸露地地表温度偏低,湖泊冷湖效应明显;地表温度与土地利用类型紧密相关。研究成果对于改善湖区生态环境、加强科学规划洞庭湖具有参考价值。     

基于TM影像的饮用水水库氟化物含量遥感监测

以沧州市居民饮用水水源大浪淀水库为研究对象,对水体氟化物含量的TM遥感监测数据进行处理,选出与氟化物含量相关性最强的波段组合,构建氟化物含量遥感监测模型。结果表明,所建模型可用于大浪淀水库水体氟化物含量测定。     

东湖水体叶绿素浓度的遥感反演研究

环境一号卫星CCD数据具有获取周期短、空间分辨率高的特点,在内陆湖泊水质遥感监测方面具有很好的应用前景。通过与卫星同步的地面试验,建立了适用于东湖水体叶绿素浓度遥感反演模型,使得遥感数据的反演结果与地面测量一致,结果表明,东湖水体叶绿素浓度具有明显的时空分布特点,东湖东部水质和北部水质较好,南部和西部水质较差,这为东湖水质的治理提供了有效的参考依据。     

基于ALI影像的植被冠层叶面积指数的遥感反演研究

以鄱阳湖源头之一的梅江流域作为研究区,该地区植被多呈混交状态,且疏密程度不均,针对这一特性,采用EO-1上搭栽的高级陆地成像仪（ALI）生成的多光谱影像作为遥感信息源,对该影像预处理后计算各植被指数信息;考虑到研究区裸地比较多,其中垂直植被指数（PVI）的计算引入土壤线参数.同时,借助植物冠层分析仪LAI-2000实地测量获得研究区的LAI值,而后对采样所得的LAI数据与通过遥感影像所获得的植被指数建立空间位置上的联系,提取出相应点的VI值,拟合两者之间的关系,得到相应的反演模型,在回归模型中依据相关系数R2找出最佳模型,最后反演制图得到该研究区的植被冠层LAI图.     

基于TM遥感反演和流动监测的居住区热环境效应研究

以上海中心区域同地段的独立小区为研究对象,利用遥感技术和流动观察分析不同绿化特征(绿化覆盖率、容积率和乔木比例)的居住区热环境效应,以期为解决居住区热环境状况,提供准确、有效的科学数据和监测方法。结果表明,在区域平均气温达35℃时,居住区绿化覆盖率每增加10%,可降温0.36℃;居住区乔木面积比每增加10%,可降温0.12℃;居住区容积率平均每上升1.0,气温平均升高0.2℃。总体上,居住区的热环境效应与绿化覆盖率和乔木比例的之间存在显著的负相关,与居住区容积率存在显著正相关。两种监测方法均能反映热环境与绿化因素的关系,但在尺度和精度上两者各有取舍,具体要根据研究的需求进行选择或综合使用。     

基于TM影像的南旺湖地区土地利用变化监测

利用多时相LANDSATTM数据对山东省汶上县南旺湖地区1987-2001年的土地利用变化状况进行了遥感动态监测。首先对不同时相数据进行几何纠正和辐射归一化,根据研究区两时相的地物类别选择训练区,在此基础上进行基于平行管道分类器的监督分类及分类精度评估。通过比较两时相的分类结果,发现南旺湖地区在1987—2001年间土地利用类型发生了一些显著的变化,主要表现在湖泊／沼泽等湿地资源的锐减,并在此基础上初步分析了引起这一变化的原因。     

基于特征空间的土壤含盐量的遥感反演

土壤表层含盐量的聚集是造成土壤盐渍化的主要原因,因此借助遥感手段及时、准确地对土壤含盐量进行研究有着重要的现实意义。以渭干河－库车河流域三角洲绿洲为研究区,采用2011年4月的Landsat卫星资料,利用改进型植被MSAVI和盐分指数（SI）构建土壤含盐量特征空间的遥感模型,并且通过2011年9月野外同步实测的地表0—10cm土壤含盐量进行相关性分析,R^2=0．8596,精度较好。这对干旱区绿洲农业的发展有着重要的现实意义。     

基于无人机影像阴影去除的苹果树冠层氮素含量遥感反演

【目的】去除无人机多光谱遥感影像中的阴影,以提高苹果树冠层氮素含量反演模型精度。【方法】以山东省栖霞市苹果园为试验区,利用2019年6月采集的无人机多光谱影像,分别基于归一化阴影指数（normalized shaded vegetation index,NSVI）和归一化冠层阴影指数（normalized difference canopy shadow index,NDCSI）去除果树冠层多光谱影像中的阴影,提取非阴影区域果树冠层光谱信息;通过相关性分析方法,将基于原始光谱影像和基于NSVI、NDCSI去除阴影后提取的光谱数据与实测叶片氮素含量进行相关性分析,分别筛选氮素含量的敏感波段并构建光谱参量;采用偏最小二乘（partial least square,PLS）及支持向量机（support vector machine,SVM）方法构建果树冠层氮素含量反演模型并进行精度检验。【结果】绿光波段和红光波段为果树冠层氮素含量反演的敏感波段;阴影削弱了果树冠层的光谱信息,去除阴影前后,冠层多光谱各波段光谱差异较大,在红边波段及近红外波段尤为明显;基于2个阴影指数去除阴影后构建的氮素反演模型精度均有提升,最优模型为基于NDCSI去除阴影后构建的支持向量机氮素含量反演模型,该模型建模集R²和RPD分别为0.774、1.828;验证集R²和RPD分别为0.723、1.819。【结论】基于NDCSI可有效去除无人机多光谱果树冠层影像中的阴影,提高氮素含量反演精度,为果园氮素精准管理提供了有效参考。