利用高光谱反演模型评估太湖水体叶绿素a浓度分布

发布时间：2017-12-06 18:07

  本文关键词：利用高光谱反演模型评估太湖水体叶绿素a浓度分布?

  更多相关文章： 太湖 高光谱 叶绿素a 遥感反演模型 方法对比

【摘要】：叶绿素a浓度是评价水体富营养化和初级生产力的一个重要参数,高光谱遥感是获取叶绿素a浓度的有效手段.为建立太湖水域叶绿素a的最佳高光谱估算模型,选取2015年5—7月共计60组同步实测高光谱数据和叶绿素a浓度数据,在地面光谱反射率和叶绿素a浓度相关性分析的基础上,使用2∶1的数据样本进行太湖水域叶绿素a的最佳高光谱估算模型的建立和验证,筛选模型分别为波段比值、三波段、荧光峰位置、峰谷距离、一阶微分、NDCI(Normalized Difference Chlorophyll Index)、峰面积、荧光峰高度、WCI(Water Chlorophyll-a Index)和四波段模型.结果表明,建模得到的四波段模型决定系数最高,峰面积模型的决定系数相对最低;四波段模型的反演精度最高,均方根误差(RMSE)为0.00376 mg·L~(-1),平均绝对误差(MAPE)为27.86%,而WCI模型的反演精度相对最低,RMSE为0.01231 mg·L~(-1),MAPE为45.11%.将反演精度最高的四波段模型应用于2015年8月3日的两景HSI(Hyperspectral Imaging Radiometer)高光谱影像数据,也得到较高精度,利用同步实测叶绿素a浓度验证的决定系数为0.7643,RMSE为0.00433 mg·L~(-1),MAPE为45.62%.在春、夏季叶绿素对水体光学特性占主导作用且叶绿素分布均匀的情景下,本研究可为太湖水域叶绿素a的高光谱反演和水环境监测提供有价值的参考,其它季节水体光谱特点的研究尚待进一步开展.
【作者单位】： 南京信息工程大学环境科学与工程学院;无锡市环境监测中心站;合肥市气象局;南京师范大学虚拟地理环境教育部重点实验室;江苏省地理信息资源开发与利用协同创新中心;南京信息工程大学地理与遥感学院;
【基金】：国家水体污染控制与治理科技重大专项子课题(No.2012ZX07506-002)~~
【分类号】：X524;X87
【正文快照】： 4.南京师范大学虚拟地理环境教育部重点实验室,南京2100235.江苏省地理信息资源开发与利用协同创新中心,南京2100236.南京信息工程大学地理与遥感学院,南京2100441引言(Introduction)叶绿素a浓度(Cchl-a)是衡量水体富营养化和初级生产力的重要参数,已广泛应用于海洋和内陆水体

【相似文献】

中国期刊全文数据库 前5条

1 韦玮;李增元;谭炳香;徐海生;;基于多角度高光谱CHRIS影像的隆宝滩湿地遥感分类方法研究[J];林业科学研究;2011年02期

2 杨可明;陈云浩;郭达志;蒋金豹;;基于PHI高光谱影像的植被光谱特征应用研究[J];西安科技大学学报;2006年04期

3 杨可明;张涛;王立博;钱小丽;刘士文;王林伟;;高光谱影像的谐波分析融合算法研究[J];中国矿业大学学报;2014年03期

4 郭宇龙;李云梅;朱利;徐德强;李渊;檀静;周莉;刘阁;;基于HJ1A-CCD数据的高光谱影像重构研究[J];环境科学;2013年01期

5 ;[J];;年期

中国重要会议论文全文数据库 前10条

1 舒宁;胡颖;;基于地物光谱特征的高光谱影像边缘提取方法[A];地理空间信息技术与应用——中国科协2002年学术年会测绘论文集[C];2002年

2 舒宁;;多光谱和高光谱影像纹理分析的几种方法[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

3 于美娇;董广军;张永生;纪松;杨靖宇;;一种基于极大后验估计的高光谱影像分辨率增强方法[A];图像图形技术与应用进展——第三届图像图形技术与应用学术会议论文集[C];2008年

4 董广军;纪松;朱朝杰;;基于局部线性嵌入流形学习的高光谱影像分类技术[A];第六届全国信息获取与处理学术会议论文集（3）[C];2008年

5 汪玮;周可法;王金林;周曙光;刘慧;;环境减灾卫星高光谱数据预处理[A];第十二届全国数学地质与地学信息学术研讨会论文集[C];2013年

6 黄远程;张良培;李平湘;;基于最小单形体体积约束的高光谱影像端元光谱提取[A];遥感定量反演算法研讨会摘要集[C];2010年

7 刘庆杰;蔺启忠;王黎明;王钦军;李庆亭;苗峰显;;基于CFFT最优信噪比的星载高光谱影像噪声抑制研究[A];第十七届中国遥感大会摘要集[C];2010年

8 张杰林;;砂岩型铀矿床高光谱数据挖掘技术研究[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

9 董彦芳;庞勇;;高光谱影像与LiDAR数据融合提取城市目标提取[A];中国地震学会空间对地观测专业委员会2013年学术研讨会论文摘要集[C];2013年

10 李飞;周成虎;陈荣国;;基于光谱曲线形态的高光谱影像检索方法研究[A];第二届中国科学院博士后学术年会暨高新技术前沿与发展学术会议程序册[C];2010年

中国博士学位论文全文数据库 前8条

1 刘轲;冬小麦叶面积指数高光谱遥感反演方法研究[D];中国农业科学院;2015年

2 杨国鹏;基于机器学习方法的高光谱影像分类研究[D];解放军信息工程大学;2010年

3 路威;面向目标探测的高光谱影像特征提取与分类技术研究[D];中国人民解放军信息工程大学;2005年

4 杨哲海;高光谱影像分类若干关键技术的研究[D];解放军信息工程大学;2006年

5 王凯;基于多特征融合的高光谱影像地物精细分析方法研究[D];武汉大学;2013年

6 杜辉强;高光谱遥感影像滤波和边缘提取方法研究[D];武汉大学;2004年

7 韦玮;基于多角度高光谱CHRIS数据的湿地信息提取技术研究[D];中国林业科学研究院;2011年

8 龚鑓;基于HDA和MRF的高光谱影像同质区分析[D];武汉大学;2007年

中国硕士学位论文全文数据库 前10条

1 司海青;含水量对土壤有机质含量高光谱估算的影响研究[D];中国农业科学院;2015年

2 汪重午;基于高光谱线性混合模型的地质勘查研究[D];成都理工大学;2015年

3 原娟;面向高光谱地物的在轨替代光谱定标影响因子分析[D];浙江农林大学;2015年

4 魏祥坡;高光谱影像土质要素和人工地物分类技术研究[D];解放军信息工程大学;2015年

5 康苒;松嫩平原典型土壤有机质高光谱预测模型研究[D];东北农业大学;2016年

6 张颖;基于主动学习的高光谱影像分类[D];成都理工大学;2016年

7 张风;基于子空间学习的高光谱影像地物分类[D];西安电子科技大学;2015年

8 董连凤;高光谱影像预处理技术研究[D];长安大学;2007年

9 祝鹏飞;面向对象的高光谱影像地物分类技术研究[D];解放军信息工程大学;2011年

10 杨国鹏;基于核方法的高光谱影像分类与特征提取[D];解放军信息工程大学;2007年

，

本文编号：1259480