MERIS遥感图像的太湖叶绿素浓度反演研究

太湖水体叶绿素浓度反演模型适宜性分析王珊珊;李云梅;王永波;王帅;杜成功【期刊名称】《湖泊科学》【年(卷),期】2015(000)001【摘要】In order to determine the most suitable retrieval model for estimating chlorophyll concentration in Lake Taihu and provide a reference for the application of the satellite data, the difference model, the ratio model, the three-band model and APPEL model were built to estimate chlorophyll concentration based on the data of MODIS , MERIS, GOCI and HJ-1 CCD sensor.The dataset in-cluded the measured water quality parameters and the synchronous spectra data in November 2007, April 2009 and August 2011. The results of the analysis showed that the decision coefficient of the APPEL model was between 0.7308 and 0.8107 for the differ-ent satellite data, the relative error was between 15% and 24%, and the root mean square error was between 21% and 32%;The decision coefficient of the three-band model was between 0.6014 and 0.7610, the relative error was between 28% and 36%, and the root mean square error was between 39% and 46%; The decision coefficient of different models was between 0.4954 and 0.7244, the relative error was between 39% and 53%, and the root mean square error was between 51% and 72%;The decision coefficient of the ratio model was between 0.4918 and 0.7098, the relative error was between 41% and 55%, and the root mean square errorwas between 56% and 75%.To sum up, the APPEL model showed a strong stability and was suitable for the chloro-phyll concentration retrieval of Lake Taihu for different sensor data.In addition, different band widths and band positions had dif-ferent influences on the retrieval model for estimating chlorophyll concentration .When the band position was close to the character-istic wavelength of chlorophyll, narrow band width was beneficial for the accuracy of the model;while when the band position was far away from the position of the characteristic wavelength, the band width should be increased reasonably.%为确定适合太湖水体叶绿素的反演算法，为同类卫星数据的建模和应用提供参考，本文根据太湖2007年11月、2009年4月和2011年8月实测水质参数以及同步光谱数据，结合水色遥感传感器MODIS、MERIS、GOCI及我国自主发射的HJ-1号卫星CCD传感器波段参数，基于差值模型、比值模型、三波段模型及APPEL模型，分别建立太湖水体叶绿素浓度反演模型，并分析模型的适宜性．结果显示，基于不同传感器数据APPEL模型的决定系数为0．7308～0．8107，模型相对误差为15％～24％，均方根误差为21％～32％；三波段模型基于不同传感器数据拟合的决定系数为0．6014～0．7610，相对误差为28％～36％，相对均方根误差为39％～46％；差值模型决定系数为0．4954～0．7244，相对误差为39％～53％，相对均方根误差为51％～72％；比值模型决定系数为0．4918～0．7098，相对误差为41％～55％，相对均方根误差为56％～75％．相比较而言，APPEL模型的稳定性较强，适合于不同传感器数据的太湖水体叶绿素浓度的反演．此外，相应不同传感器波段位置、波段宽度对模型反演的精度和稳定性的影响也不同，当波段位置接近叶绿素特征波长时，较窄的波宽有利于模型精度的提高，波段位置和叶绿素浓度特征波长相差较大时，合理增加波谱范围有利于叶绿素特征信息的获取．【总页数】13页(P150-162)【作者】王珊珊;李云梅;王永波;王帅;杜成功【作者单位】江苏省地理信息资源开发与利用协同创新中心，南京210023;江苏省地理信息资源开发与利用协同创新中心，南京210023;江苏省地理信息资源开发与利用协同创新中心，南京210023;江苏省地理信息资源开发与利用协同创新中心，南京210023;江苏省地理信息资源开发与利用协同创新中心，南京210023【正文语种】中文【相关文献】1.基于GOCI影像分类的太湖水体叶绿素a浓度日变化分析 [J], 包颖;田庆久;陈旻;吕春光2.基于季节分异的太湖叶绿素浓度反演模型研究 [J], 乐成峰;李云梅;孙德勇;王海君3.MODIS巢湖水体叶绿素a浓度反演模型 [J], 荀尚培;翟武全;范伟4.基于环境一号卫星影像的内陆水体叶绿素α浓度遥感定量反演模型研究 [J], 潘梅娥;杨昆;洪亮5.南四湖水体叶绿素a浓度实用化高光谱反演模型 [J], 曹引;冶运涛;赵红莉;石玉波;蒋云钟因版权原因，仅展示原文概要，查看原文内容请购买。

Quantitative Remote Sensing Inversion Methods of Chlorophyll-a Concentration in Taihu Lake Based on
TM Data
作者： 杨一鹏[1] 王桥[2] 肖青[3] 闻建光[3]
作者机构： [1]中国环境监测总站,北京100029 [2]南京师范大学地理信息科学江苏省重点
实验室,江苏南京210097 [3]中国科学院遥感应用研究所,北京100101
出版物刊名： 地理与地理信息科学
页码： 5-8页
主题词： TM 叶绿素a 定量遥感反演 太湖
摘要：探讨利用常规卫星遥感数据Landsat／TM定量反演太湖叶绿素a（Chl—a）浓度的
方法。

在对Landsat／TM影像进行几何校正、辐射定标、大气校正等预处理的基础上，选择适于太湖Chl—a浓度定量反演的最佳波段或波段组合，采用半经验回归模型和混合光谱分解模型
分别建立太湖Chl-a浓度定量反演模型，并对不同模型及反演结果进行对比分析。

基于MERIS遥感图像的太湖叶绿素浓度反演作者：王根深王得玉来源：《安徽农业科学》2017年第30期摘要以太湖为试验区，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。

关键词MERIS遥感图像；叶绿素a；归一化叶绿素指数反演算法；太湖中图分类号X87文献标识码A文章编号0517-6611（2017）30-0071-04AbstractA novel index，normalized difference chlorophyll index（NDCI） was introduced in this study to invert the chlorophyll a（Chl.a） concentration form MERIS remote sensing image and the data of water quality parameters of Taihu Lake，and the inversion results were verified and analyzed.The inversion results showed that normalized Difference chlorophyll Index could accurately reflect the chlorophyll a concentration in the Taihu Lake， the coefficient of decision was 0.881 2，which was better than traditional empirical model，and provided a reference for the more accurate inversion of chlorophyll a concentration in inland water.Key wordsMERIS remote sensing image；Chlorophylla；NDCI；Taihu Lake内陆水体，特别是位于经济发达、人口密集地区的湖泊和河口，一般受到人类活动影响较大，湖泊水污染和水体富营养程度日益加重。

太湖叶绿素a浓度遥感空间尺度关系研究
太湖叶绿素a浓度遥感空间尺度关系研究
包颖，田庆久
（南京大学国际地球系统科学研究所，江苏南京 210093）
摘要：太湖水体叶绿素a浓度是富营养化重要指标之一，利用高时相高空间分辨率遥感影像研究太湖叶绿素a浓度空间分布规律是太湖蓝藻监测预警的有效途径。

但由于粗分辨率遥感空间信息（如MODIS）异质性的存在，叶绿素a浓度遥感估算精度降低，而中高空间分辨率遥感信息（如TM/ETM+）由于时相分辨率偏低，也难以满足应用需求。

因此，本文在利用Hyperion 30m与MODIS 250m估算出太湖水体叶绿素浓度a（Chla）的基础上，在湖心（低浓度区）和岸边（高浓度区）分别建立两者之间的线性相关关系，并将该关系用于MODIS估算结果的修正，为利用不同尺度遥感数据进行水体叶绿素浓度精算提供技术方法途径。

关键词：太湖；空间相关关系；叶绿素a；空间异质性。

MODIS卫星遥感监测太湖蓝藻的初步研究沙慧敏;李小恕;杨文波;李继龙【期刊名称】《海洋湖沼通报》【年(卷),期】2009()3【摘要】依据2007年1～6月MODIS卫星遥感影像反演得到的太湖MODIS卫星表层水温、表层叶绿素浓度分布图,以及真彩色(1,4,3波段)合成图像,监测分析了太湖蓝藻的分布和变化情况。

水温、表层叶绿素浓度分布图显示,1～6月,太湖表层水温和叶绿素浓度的分布具有明显的区域性和季节性变化特征,且可以很好的显现藻类的迁移与堆积状况,其分布及变化趋势与实测的太湖蓝藻爆发的强度、地点、分布范围基本一致。

MODIS真彩色合成图像直观地反映了湖中藻类的宏观信息,其趋势与叶绿素a浓度的分布极其一致。

结果表明,利用MODIS遥感数据探测太湖蓝藻水华的分布状况是可行的,MODIS可用于监测内陆湖泊藻类水华的污染情况。

【总页数】8页(P9-16)【关键词】MODIS;蓝藻水华;表层水温;叶绿素a浓度【作者】沙慧敏;李小恕;杨文波;李继龙【作者单位】中国水产科学研究院资源与环境研究中心,遥感与地理信息系统重点试验室,北京100039;上海水产大学海洋学院,上海200090【正文语种】中文【中图分类】P407.8;Q949.22【相关文献】1.环境一号卫星CCD数据在太湖蓝藻水华遥感监测中的应用 [J], 金焰;张咏;牛志春;姜晟2.基于欧洲航天局“哨兵-2A”卫星的太湖蓝藻遥感监测 [J], 李旭文;侍昊;张悦;牛志春;王甜甜;丁铭;蔡琨3.太湖蓝藻水华的MODIS卫星监测 [J], 周立国;冯学智;王春红;王得玉;徐晓雄4.太湖秋冬季蓝藻水华MODIS卫星遥感监测 [J], 孔维娟;马荣华;段洪涛;张寿选5.卫星遥感监测太湖水域蓝藻暴发 [J], 黄家柱;赵锐因版权原因，仅展示原文概要，查看原文内容请购买。

基于高光谱遥感反射比的太湖水体叶绿素a含量估算模型焦红波;查勇;李云梅;黄家柱;韦玉春【期刊名称】《遥感学报》【年(卷),期】2006(010)002【摘要】旨在寻找叶绿素a的高光谱遥感敏感波段并建立其定量估算模型.通过对太湖水体的连续监测,获得了从2004年6月到8月3个月的太湖水体高光谱数据和水质化学分析数据.利用实测的高光谱数据分析计算太湖水体的离水辐亮度和遥感反射比;然后,通过相关分析寻找反演叶绿素a浓度的高光谱敏感波段,进而建立反演太湖水体叶绿素a浓度的高光谱遥感定量估算模型,并用相关数据对模型进行精度分析.研究发现,水体的遥感反射比光谱在719nm和725nm存在两个峰,其中719nm处的峰更明显且稳定.通过模型的对比分析,发现用这两个峰值处的遥感反射比参与建模可以提高叶绿素a的估算精度;并且认为由反射比比值变量R719/R670所建立的线性模型对叶绿素a浓度的估算精度最理想.【总页数】7页(P242-248)【作者】焦红波;查勇;李云梅;黄家柱;韦玉春【作者单位】南京师范大学,地理科学学院,江苏,南京,210097;南京师范大学,地理科学学院,江苏,南京,210097;南京师范大学,地理科学学院,江苏,南京,210097;南京师范大学,地理科学学院,江苏,南京,210097;南京师范大学,地理科学学院,江苏,南京,210097【正文语种】中文【中图分类】TP79【相关文献】1.沿海滩涂棉花叶片叶绿素含量高光谱遥感估算模型研究 [J], 卢霞2.花生叶绿素含量的高光谱遥感估算模型研究 [J], 颜丙囤;梁守真;王猛;侯学会;陈振;隋学艳3.基于高光谱遥感特征参数的樟树幼林叶绿素a含量估算模型 [J], 林辉;刘秀英4.森林叶绿素含量的高光谱遥感估算模型的建立 [J], 杨曦光;范文义;于颖5.湿地小叶章叶绿素含量的高光谱遥感估算模型 [J], 李凤秀;张柏;刘殿伟;王宗明;宋开山;靳华安;刘焕军因版权原因，仅展示原文概要，查看原文内容请购买。

遥感技术在湖泊叶绿素a监测中的应用研究——以太湖为例刘建萍;张玉超;钱新;张宁红;郁建桥【期刊名称】《环境监控与预警》【年(卷),期】2009(001)002【摘要】水质遥感技术在湖泊水质监测领域内的应用具有十分积极的意义.在总结现有水质遥感反演方法的基础上,选取了遥感指数法和神经网络法两种理论完全不同的反演方法,构建太湖叶绿素a与MODIS影像波段间的函数关系,并从反演能力和反演精度两个角度对上述方法进行了比较研究.结果表明,神经网络模型的非线性特征能够敏感地把握住叶绿素a浓度变化在反射波谱信息上的微小响应,较为成功地反演出叶绿素a与反射光谱信息间的非线性关系.神经网络模型的反演能力和反演精度均优于遥感指数方法,具有较好的应用前景.【总页数】4页(P33-36)【作者】刘建萍;张玉超;钱新;张宁红;郁建桥【作者单位】污染控制与资源化研究国家重点实验室,南京大学环境学院,江苏,南京,210093;污染控制与资源化研究国家重点实验室,南京大学环境学院,江苏,南京,210093;污染控制与资源化研究国家重点实验室,南京大学环境学院,江苏,南京,210093;江苏省环境监测中心,江苏,南京,210036;江苏省环境监测中心,江苏,南京,210036【正文语种】中文【中图分类】X87【相关文献】1.遥感技术在西部干旱区湖泊水质环境监测中的应用 [J], 汪溪远;师庆东;努尔巴衣·阿布都沙力克;潘晓玲2.遥感技术在湖泊水质监测中的应用 [J], 喻欢;林波3.我国湖泊生态环境变化监测网络的发展构想—以太湖生态站为例 [J], 许秋瑾;秦伯强;等4.基于遥感技术的湖泊水域面积监测\r——以杞麓湖为例 [J], 吴阳;吴雯雯;田洪春;刘春旸;曹冰冰5.遥感技术在矿山环境动态监测中的应用研究——以陇南邓家山地区为例 [J], 刘欢;朱谷昌;张建国;郑纬;胡杏花;李智峰因版权原因，仅展示原文概要，查看原文内容请购买。

地理与生物信息学院20 / 20 学年第学期实验报告课程名称：遥感实习实验名称：太湖区叶绿素反演班级学号学生姓名指导教师日期：20 年月一、实验题目：基于遥感的自然环境监测二、实验内容：专题应用 10 米的 spot 和 TM 融合影像，提取相关生态因子，应用较成熟的自然生态环境评价模型完成整个自然生态环境评价流程。

专题涉及植被覆盖度计算、地形因子提取等内容；所用功能模块，除了使用 ENVI 主模块功能外；还需要用到大气校正扩展模块中的快速大气校正工具（QUAC）。

三、实验要求：应用pot 和 TM 融合影像，提取相关生态因子，应用较成熟的自然生态环境评价模型完成整个自然生态环境评价流程。

四、实验过程：1.将安装环境小卫星数据读取和定标补丁： ENVI_HJ1A1B_Tools.sav 文件放在home\ITT\IDL\IDL80\products\envi48\save_add 目录下。

数据读取和定标：主菜单->File->Open External File->HJ-1A/1B Tools2.以TM 作为基准影像对环境小卫星图像进行图像配准。

添加控制点生成几何校正后的文件。

将BSQ文件转换为BIL文件，准备进行大气校正。

3.利用FLAASH进行大气校正，利用templete修改参数信息。

点击apply进行校正。

4.太湖区剪裁，利用基本工具中的数据重采样进行剪裁。

5.建立掩膜文件。

先打开矢量文件，然后BUILDMASK，建立好的掩膜保存并应用到剪切后的太湖区。

6.叶绿素反演本环节最重要的是地面实测点与星上点的反演模型建立，涉及到定量遥感的知识。

在前人研究了大量的算法和模型的基础上，本专题选择经验模型之一波段值模型（BNIR/BRED）来进行叶绿素的反演。

波段比值模型：Chla=a*（BNIR/BRED）+b首先运用bandmath，计算float(b4)/b3生成单波段的文件，再添加反演点。

应用M ODIS 监测太湖水体叶绿素a浓度季节变化研究王世新,焦云清,周艺,祝令亚,阎福礼(中国科学院遥感应用研究所,北京10010)摘要:以太湖作为实验区,利用波段比值、差值和组合算法讨论了非成像及成像高光谱数据和叶绿素浓度相关性差异和敏感波段分布,在此基础上将不同时段的M ODIS 影像,不同空间分辨率的波段反射率与叶绿素a 浓度实测值进行相关分析,通过回归拟合建立并验证了不同季节的叶绿素a 浓度遥感监测模型,并应用模型计算出太湖水体叶绿素a 浓度的分布情况,对太湖水质变化进行了评价。

研究结果表明,M ODIS 影像在太湖的水质动态变化监测中是可用的。

关键词:M ODIS 影像;叶绿素a;季节变化;模型;太湖中图分类号:T P79 文献标识码:A 文章编号:1000-3177(2008)95-0047-07收稿日期:2007-04-25修订日期:2007-05-23基金项目:国家自然科学基金(40671141)、国家863项目(2006AA 06Z419)共同资助作者简介:王世新(1965~),男,山东人,研究员,主要进行环境遥感和灾害遥感监测研究。

太湖位于长江三角洲地区。

近年来太湖的富营养化问题,已经严重影响了太湖的环境质量。

作为富营养化的关键指标,用来表征藻类爆发程度的叶绿素a 浓度是量化水质状况的重要参数之一。

因此,快速、准确、高频率地监测水环境质量,预警藻类爆发,迫切需要采用各种高新技术,尤其是遥感技术来检测和监测水体叶绿素浓度的时空变化。

对于叶绿素浓度的定量遥感反演,国内外众多学者开展了大量工作,并建立了不同的光学遥感模型,如Thiem ann S.等利用实测光谱和IRS -1c 卫星数据对M ecklenbur g 湖的叶绿素浓度进行了探测[1];P.A.Brivio 等应用TM 影像对Garda 湖的叶绿素浓度变化进行了评价[2];疏小舟等应用OM IS -II 航空成像光谱对太湖叶绿素a 的浓度分布进行了估算[3]。

基于MERIS遥感图像的太湖叶绿素浓度反演王根深;王得玉【摘要】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0.8812,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.%A novel index,normalized difference chlorophyll index(NDCI) was introduced in this study to invert the chlorophyll a(Chl.a) con-centration form MERIS remote sensing image and the data of water quality parameters of Taihu Lake,and the inversion results were verified and analyzed.The inversion results showed that normalized Difference chlorophyll Index could accurately reflect the chlorophyll a concentration in the Taihu Lake, the coefficient of decision was 0.8812, which was better than traditional empirical model,and provided a reference for the more ac-curate inversion of chlorophyll a concentration in inland water.【期刊名称】《安徽农业科学》【年(卷),期】2017(045)030【总页数】4页(P71-74)【关键词】MERIS遥感图像;叶绿素a;归一化叶绿素指数反演算法;太湖【作者】王根深;王得玉【作者单位】南京邮电大学通信与信息工程学院,江苏南京210003;南京邮电大学通信与信息工程学院,江苏南京210003【正文语种】中文【中图分类】X87内陆水体，特别是位于经济发达、人口密集地区的湖泊和河口，一般受到人类活动影响较大，湖泊水污染和水体富营养程度日益加重。