本文關(guān)鍵詞：利用高光譜反演模型評估太湖水體葉綠素a濃度分布?

  更多相關(guān)文章： 太湖 高光譜 葉綠素a 遙感反演模型 方法對比

【摘要】：葉綠素a濃度是評價水體富營養(yǎng)化和初級生產(chǎn)力的一個重要參數(shù),高光譜遙感是獲取葉綠素a濃度的有效手段.為建立太湖水域葉綠素a的最佳高光譜估算模型,選取2015年5—7月共計60組同步實測高光譜數(shù)據(jù)和葉綠素a濃度數(shù)據(jù),在地面光譜反射率和葉綠素a濃度相關(guān)性分析的基礎上,使用2∶1的數(shù)據(jù)樣本進行太湖水域葉綠素a的最佳高光譜估算模型的建立和驗證,篩選模型分別為波段比值、三波段、熒光峰位置、峰谷距離、一階微分、NDCI(Normalized Difference Chlorophyll Index)、峰面積、熒光峰高度、WCI(Water Chlorophyll-a Index)和四波段模型.結(jié)果表明,建模得到的四波段模型決定系數(shù)最高,峰面積模型的決定系數(shù)相對最低;四波段模型的反演精度最高,均方根誤差(RMSE)為0.00376 mg·L~(-1),平均絕對誤差(MAPE)為27.86%,而WCI模型的反演精度相對最低,RMSE為0.01231 mg·L~(-1),MAPE為45.11%.將反演精度最高的四波段模型應用于2015年8月3日的兩景HSI(Hyperspectral Imaging Radiometer)高光譜影像數(shù)據(jù),也得到較高精度,利用同步實測葉綠素a濃度驗證的決定系數(shù)為0.7643,RMSE為0.00433 mg·L~(-1),MAPE為45.62%.在春、夏季葉綠素對水體光學特性占主導作用且葉綠素分布均勻的情景下,本研究可為太湖水域葉綠素a的高光譜反演和水環(huán)境監(jiān)測提供有價值的參考,其它季節(jié)水體光譜特點的研究尚待進一步開展.
【作者單位】： 南京信息工程大學環(huán)境科學與工程學院;無錫市環(huán)境監(jiān)測中心站;合肥市氣象局;南京師范大學虛擬地理環(huán)境教育部重點實驗室;江蘇省地理信息資源開發(fā)與利用協(xié)同創(chuàng)新中心;南京信息工程大學地理與遙感學院;
【基金】：國家水體污染控制與治理科技重大專項子課題(No.2012ZX07506-002)~~
【分類號】：X524;X87
【正文快照】： 4.南京師范大學虛擬地理環(huán)境教育部重點實驗室,南京2100235.江蘇省地理信息資源開發(fā)與利用協(xié)同創(chuàng)新中心,南京2100236.南京信息工程大學地理與遙感學院,南京2100441引言(Introduction)葉綠素a濃度(Cchl-a)是衡量水體富營養(yǎng)化和初級生產(chǎn)力的重要參數(shù),已廣泛應用于海洋和內(nèi)陸水體

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前5條

1 韋瑋;李增元;譚炳香;徐海生;;基于多角度高光譜CHRIS影像的隆寶灘濕地遙感分類方法研究[J];林業(yè)科學研究;2011年02期

2 楊可明;陳云浩;郭達志;蔣金豹;;基于PHI高光譜影像的植被光譜特征應用研究[J];西安科技大學學報;2006年04期

3 楊可明;張濤;王立博;錢小麗;劉士文;王林偉;;高光譜影像的諧波分析融合算法研究[J];中國礦業(yè)大學學報;2014年03期

4 郭宇龍;李云梅;朱利;徐德強;李淵;檀靜;周莉;劉閣;;基于HJ1A-CCD數(shù)據(jù)的高光譜影像重構(gòu)研究[J];環(huán)境科學;2013年01期

5 ;[J];;年期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 舒寧;胡穎;;基于地物光譜特征的高光譜影像邊緣提取方法[A];地理空間信息技術(shù)與應用——中國科協(xié)2002年學術(shù)年會測繪論文集[C];2002年

2 舒寧;;多光譜和高光譜影像紋理分析的幾種方法[A];第十五屆全國遙感技術(shù)學術(shù)交流會論文摘要集[C];2005年

3 于美嬌;董廣軍;張永生;紀松;楊靖宇;;一種基于極大后驗估計的高光譜影像分辨率增強方法[A];圖像圖形技術(shù)與應用進展——第三屆圖像圖形技術(shù)與應用學術(shù)會議論文集[C];2008年

4 董廣軍;紀松;朱朝杰;;基于局部線性嵌入流形學習的高光譜影像分類技術(shù)[A];第六屆全國信息獲取與處理學術(shù)會議論文集（3）[C];2008年

5 汪瑋;周可法;王金林;周曙光;劉慧;;環(huán)境減災衛(wèi)星高光譜數(shù)據(jù)預處理[A];第十二屆全國數(shù)學地質(zhì)與地學信息學術(shù)研討會論文集[C];2013年

6 黃遠程;張良培;李平湘;;基于最小單形體體積約束的高光譜影像端元光譜提取[A];遙感定量反演算法研討會摘要集[C];2010年

7 劉慶杰;藺啟忠;王黎明;王欽軍;李慶亭;苗峰顯;;基于CFFT最優(yōu)信噪比的星載高光譜影像噪聲抑制研究[A];第十七屆中國遙感大會摘要集[C];2010年

8 張杰林;;砂巖型鈾礦床高光譜數(shù)據(jù)挖掘技術(shù)研究[A];第十五屆全國遙感技術(shù)學術(shù)交流會論文摘要集[C];2005年

9 董彥芳;龐勇;;高光譜影像與LiDAR數(shù)據(jù)融合提取城市目標提取[A];中國地震學會空間對地觀測專業(yè)委員會2013年學術(shù)研討會論文摘要集[C];2013年

10 李飛;周成虎;陳榮國;;基于光譜曲線形態(tài)的高光譜影像檢索方法研究[A];第二屆中國科學院博士后學術(shù)年會暨高新技術(shù)前沿與發(fā)展學術(shù)會議程序冊[C];2010年

中國博士學位論文全文數(shù)據(jù)庫 前8條

1 劉軻;冬小麥葉面積指數(shù)高光譜遙感反演方法研究[D];中國農(nóng)業(yè)科學院;2015年

2 楊國鵬;基于機器學習方法的高光譜影像分類研究[D];解放軍信息工程大學;2010年

3 路威;面向目標探測的高光譜影像特征提取與分類技術(shù)研究[D];中國人民解放軍信息工程大學;2005年

4 楊哲海;高光譜影像分類若干關(guān)鍵技術(shù)的研究[D];解放軍信息工程大學;2006年

5 王凱;基于多特征融合的高光譜影像地物精細分析方法研究[D];武漢大學;2013年

6 杜輝強;高光譜遙感影像濾波和邊緣提取方法研究[D];武漢大學;2004年

7 韋瑋;基于多角度高光譜CHRIS數(shù)據(jù)的濕地信息提取技術(shù)研究[D];中國林業(yè)科學研究院;2011年

8 龔鑓;基于HDA和MRF的高光譜影像同質(zhì)區(qū)分析[D];武漢大學;2007年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 司海青;含水量對土壤有機質(zhì)含量高光譜估算的影響研究[D];中國農(nóng)業(yè)科學院;2015年

2 汪重午;基于高光譜線性混合模型的地質(zhì)勘查研究[D];成都理工大學;2015年

3 原娟;面向高光譜地物的在軌替代光譜定標影響因子分析[D];浙江農(nóng)林大學;2015年

4 魏祥坡;高光譜影像土質(zhì)要素和人工地物分類技術(shù)研究[D];解放軍信息工程大學;2015年

5 康苒;松嫩平原典型土壤有機質(zhì)高光譜預測模型研究[D];東北農(nóng)業(yè)大學;2016年

6 張穎;基于主動學習的高光譜影像分類[D];成都理工大學;2016年

7 張風;基于子空間學習的高光譜影像地物分類[D];西安電子科技大學;2015年

8 董連鳳;高光譜影像預處理技術(shù)研究[D];長安大學;2007年

9 祝鵬飛;面向?qū)ο蟮母吖庾V影像地物分類技術(shù)研究[D];解放軍信息工程大學;2011年

10 楊國鵬;基于核方法的高光譜影像分類與特征提取[D];解放軍信息工程大學;2007年

，

本文編號：1259480