基于哨兵-3A卫星OLCI数据的最大叶绿素指数在太湖蓝藻水华监测中的应用

基于遥感数据的太湖蓝藻水华信息识别方法陈云;戴锦芳【期刊名称】《湖泊科学》【年(卷),期】2008(020)002【摘要】2007 年太湖大规模蓝藻暴发,再次引起了人们对太湖环境的关注.有效地提取蓝藻水华信息对分析蓝藻动态分布有重要意义.而卫星遥感技术是进行太湖水质监测与保护的措施之一.本文以2007年4月23日CBERS-02星CCD数据为主要的数据源,以NDVI值为测试变量,运用CART算法确定分割阈值,从而通过构建决策树的方法识别蓝藻水华信息,分析其蓝藻水华的提取结果,取得了较好的效果.文中还在GIS技术支持下,提取了2007年5月17日MODIS影像中的蓝藻水华信息.本次研究为以后开展长期的太湖蓝藻水华动态监测提供技术参考.【总页数】5页(P179-183)【作者】陈云;戴锦芳【作者单位】中国科学院南京地理与湖泊研究所湖泊与环境国家重点实验室,南京,210008;中国科学院研究生院,北京,100049;中国科学院南京地理与湖泊研究所湖泊与环境国家重点实验室,南京,210008【正文语种】中文【中图分类】P3【相关文献】ndsat-7 SLC-OFF ETM遥感数据下载及在太湖蓝藻水华监测中的应用 [J], 李旭文2.基于决策树的Landsat TM/ETM+图像中太湖蓝藻水华信息提取 [J], 夏晓瑞;韦玉春;徐宁;袁兆杰;王沛3.基于IDL语言的太湖蓝藻水华遥感监测信息系统设计 [J], 王甡;江南;胡斌4.基于通径分析法的太湖蓝藻水华定量气象评估模型 [J], 杭鑫;李心怡;谢小萍;李亚春5.基于哨兵-3A卫星OLCI数据的最大叶绿素指数在太湖蓝藻水华监测中的应用[J], LI Xuwen;ZHANG Yue;SHI Hao;JIANG Sheng;WANG Tiantian;DING Ming;CAI Kun因版权原因，仅展示原文概要，查看原文内容请购买。

基于IDL语言的太湖蓝藻水华遥感监测信息系统设计王甡;江南;胡斌【摘要】以MODIS L1B数据为数据源,采用IDL语言,运用系统配置与插件技术实现系统架构,设计中间件解决系统框架和IDLDrawWidget控件通信接口的衔接问题,设计模型对象管理器组织模型对象,设计IDL数据显示的组织结构实现图像显示及其与矢量数据的叠加显示,使用相对图像坐标系显示叠加的矢量数据,并运用影像匹配技术和仿射变换技术分别实现了MODIS L1B影像"双眼皮"消除及其几何校正,在此基础上运用蓝藻水华遥感监测模型,实现蓝藻水华空间分布信息自动化提取.【期刊名称】《遥感信息》【年(卷),期】2010(000)002【总页数】6页(P59-64)【关键词】MODIS;蓝藻水华;遥感监测;信息系统;IDL;太湖【作者】王甡;江南;胡斌【作者单位】中国科学院南京地理与湖泊研究所湖泊与环境国家重点实验室,南京,210008;中国科学院研究生院,北京,100049;南京师范大学虚拟地理环境教育部重点实验室,南京,210046;南京师范大学虚拟地理环境教育部重点实验室,南京,210046【正文语种】中文【中图分类】TP791 引言蓝藻又称蓝绿藻,是原核生物中最原始、最古老的藻类植物,出现在距今35亿年至33亿年前。

作为原核生物,蓝藻没有细胞核,具有真核生物中进行光合作用的主要色素叶绿素a,并在光合作用中释放出氧气。

蓝藻水华多发生在夏季,有明显季节性,温度、光照、营养物质、气候条件等都有可能成为制约因素[1]。

在环境条件适宜时,蓝藻能快速生长,当达到一定生物量时,这些藻类在水体表层大量聚集,形成肉眼可见的藻类聚集体,即蓝藻水华。

蓝藻水华不但危害渔业,其巨大的生物量造成水体二次污染,浮游蓝藻所产生的毒素危害人类健康[2]。

太湖是我国著名的淡水湖泊,位于中国经济发展较快的长江下游三角洲地区,该地区人口密度大,城市化程度高,太湖又是上海、苏州、无锡等大、中城市的水源地。

环境一号卫星CCD 数据在太湖蓝藻水华遥感监测中的应用金焰,张咏,牛志春,姜晟(江苏省环境监测中心,江苏 南京 210036)摘 要:利用环境一号卫星(H J-1)CCD 数据,对太湖水华进行遥感监测,并比对同时相的EOS /MOD IS 卫星遥感数据。

结果表明,H J-1星CCD 数据具有优于EO S /M OD IS 数据的蓝藻水华识别能力,并有良好抗云层干扰能力,适合用于太湖蓝藻水华应急监测。

关键词:环境一号卫星;宽覆盖多光谱可见光相机数据;蓝藻水华;遥感监测;太湖中图分类号:X 87 文献标识码:B 文章编号:1006-2009(2010)05-0053-04Application of Environ m ental Satellite H J -1CCD D ata for CyanobacteriaB l oo m R e m ote Sensi ng i n Tai hu L akeJI N Yan ,ZHANG Yong ,N I U Zh i chun ,JI A NG Sheng(J i a ng s u Environm entalM onitori n g Center ,N anjing,J iangs u 210036,Ch i n a)Abst ract :Re m ote sensi n g m on itori n g of cyanobacteria b l o o m in Ta i h u Lake w ith env ironm ental satelliteH J1CCD data w as descri b ed .Co m pared w ith EOS /MODI S data ,resu lts show ed thatH J 1CCD data w asm ore su it able for cyanobacteria b loo m recognition i n e m ergency m on itor i n g than that of EOS /M OD I S did and had better capab ility o f anti i n terference w hen it w as cloudy .K ey w ords :Env ironm en tal sa tellite H J 1;CCD data ;C yanobacteria bloo m ;Re m ote sensi n g m on itor i n g ;Taihu Lake收稿日期:2010-03-18;修订日期:2010-07-22基金项目:国家科技支撑基金资助项目(2008BAC34B07)作者简介:金焰(1982 ),男,江苏南京人,助理工程师,硕士,从事环境遥感监测工作。

太湖蓝藻水华遥感监测方法一、本文概述太湖，作为中国最大的淡水湖之一，近年来面临着严重的蓝藻水华污染问题。

蓝藻水华的大面积爆发不仅破坏了水生态系统，还对周边地区的水资源安全构成了严重威胁。

因此，对太湖蓝藻水华的有效监测与管理显得尤为重要。

本文旨在探讨遥感技术在太湖蓝藻水华监测中的应用方法，以期为相关领域的研究与实践提供有价值的参考。

本文首先介绍了太湖蓝藻水华问题的严重性和遥感技术在该领域的应用背景，阐述了遥感监测的重要性和可行性。

接着，文章详细介绍了遥感监测方法的基本原理和流程，包括遥感数据源的选择、数据预处理、特征提取以及蓝藻水华信息的提取与识别等关键步骤。

在此基础上，文章还深入探讨了遥感监测方法的优缺点，以及在实际应用中可能面临的挑战和问题。

本文总结了遥感技术在太湖蓝藻水华监测中的实际应用案例和效果评估，展望了遥感技术在未来蓝藻水华监测与管理中的发展前景和趋势。

通过本文的研究，旨在为太湖蓝藻水华的遥感监测提供一套科学、有效、可行的方法论，为水环境保护和水资源管理提供有力支持。

二、太湖蓝藻水华概述太湖，作为中国第三大淡水湖，其生态环境和水质状况对于周边地区乃至全国都具有重要影响。

然而，近年来，太湖蓝藻水华频繁爆发，严重影响了太湖的水质和生态环境。

蓝藻水华是一种由蓝藻（一种原核生物）过度繁殖引起的水体污染现象，其大量繁殖会消耗水中的氧气，导致水生生物死亡，同时还会产生有害的次生代谢产物，对人类和其他生物的健康构成威胁。

太湖蓝藻水华的发生与多种因素有关，包括气候条件、水体营养状况、湖泊地形等。

其中，气候因素如温度、光照、风速等直接影响蓝藻的生长和繁殖；水体营养状况，如氮、磷等营养物质的含量，为蓝藻提供了生长所需的营养物质；而太湖独特的湖泊地形和水文条件，也为蓝藻的聚集和繁殖提供了有利条件。

为了有效监测和防控太湖蓝藻水华，遥感技术被广泛应用于太湖蓝藻水华的监测中。

遥感技术具有覆盖范围广、获取信息量大、更新速度快等优势，能够实现对太湖蓝藻水华的快速、准确监测。

《岱海叶绿素a遥感反演模型及藻华监测研究》篇一一、引言近年来，水体富营养化现象频发，藻类大规模繁殖所引起的水华现象成为了环境领域的一大研究热点。

岱海作为我国重要的内陆湖泊之一，其水质状况与生态平衡问题也备受关注。

叶绿素a作为藻类生物量的重要指标，其含量的准确监测对藻华的预测和防治具有至关重要的意义。

遥感技术因其具有大范围、快速、高效等优势，在水质监测和藻华监测中发挥着越来越重要的作用。

本文旨在构建岱海叶绿素a的遥感反演模型，并探讨其在藻华监测中的应用。

二、岱海叶绿素a遥感反演模型的构建1. 数据来源与处理（1）遥感数据：本文选用Sentinel-2号卫星的影像数据，其具有较高的光谱分辨率和时间分辨率，适用于湖泊叶绿素a的遥感监测。

（2）地面实测数据：通过采集岱海不同区域的表层水样，测定其叶绿素a浓度，为遥感反演模型的构建提供真实数据支持。

（3）数据处理：对卫星影像进行辐射定标、大气校正等预处理，提取与叶绿素a相关的光谱信息。

2. 遥感反演模型的建立（1）特征选择：根据岱海的水质特征和光谱特性，选择合适的波段和指数作为模型的输入特征。

（2）模型构建：采用机器学习算法（如支持向量机、神经网络等）构建叶绿素a的遥感反演模型。

（3）模型验证：利用地面实测数据对模型进行验证，通过对比实测值与模型预测值，评估模型的精度和可靠性。

三、藻华监测研究1. 藻华识别（1）阈值设定：根据岱海的水质状况和历史数据，设定叶绿素a的阈值，用于判断是否发生藻华。

（2）藻华识别：利用遥感反演模型获取的叶绿素a浓度数据，结合设定的阈值，识别岱海是否发生藻华。

2. 藻华监测与预测（1）空间分布：通过遥感影像的空间分辨率，分析藻华在岱海的空间分布情况，为后续的防治措施提供依据。

（2）时间变化：利用多时相的遥感数据，监测岱海藻华的时间变化趋势，为预测藻华的发生提供参考。

（3）预测模型：结合气象、水文等数据，建立藻华预测模型，提高藻华预测的准确性和时效性。

太湖蓝藻水华的遥感监测研究一、内容简述太湖蓝藻水华是近年来我国太湖地区较为严重的环境问题之一，对太湖水质和生态环境造成了严重影响。

为了及时了解太湖蓝藻水华的分布、变化和严重程度，本文采用遥感技术对太湖蓝藻水华进行了监测研究。

本文首先介绍了太湖蓝藻水华的基本概念和形成原因，然后详细阐述了遥感技术在太湖蓝藻水华监测中的应用，包括卫星遥感、航空遥感和地面遥感等。

接着本文分析了太湖蓝藻水华的空间分布特征，包括大范围、高密度分布和季节性变化等特点。

本文结合实际数据，对太湖蓝藻水华的发展趋势进行了预测，并提出了相应的防治措施，以期为太湖地区的环境保护和生态修复提供科学依据。

A. 研究背景随着人类活动的不断增加，太湖地区面临着严重的水环境问题，其中蓝藻水华是最为突出的一种。

蓝藻水华是一种由蓝藻类植物引起的水体富营养化现象，其生长速度快、覆盖范围广，对水生生物和人类健康造成严重影响。

近年来太湖地区蓝藻水华的发生频率呈上升趋势，给水资源管理和环境保护带来了巨大挑战。

因此对太湖蓝藻水华的遥感监测研究具有重要的现实意义。

遥感技术作为一种非接触式的监测手段，具有实时、动态、高时空分辨率等特点，能够有效地反映地表生态环境的变化。

目前国内外学者已经开展了大量关于太湖蓝藻水华遥感监测的研究，但仍存在一定的局限性，如数据源单算法不够精确等问题。

因此开展太湖蓝藻水华遥感监测研究，对于提高太湖蓝藻水华监测的准确性和时效性具有重要意义。

B. 研究目的和意义随着人类活动的不断增加，太湖地区的水体污染问题日益严重，尤其是蓝藻水华的发生频率逐年上升，对太湖生态环境和周边居民的生活造成了严重影响。

因此开展太湖蓝藻水华的遥感监测研究具有重要的现实意义。

建立太湖蓝藻水华遥感监测模型，提高监测数据的准确性和时效性。

通过对太湖地区不同时间段的遥感影像进行分析，揭示蓝藻水华的发生规律，为政府部门制定针对性的防治策略提供依据。

探讨太湖地区蓝藻水华与气象、水文等环境因素的关系，为综合防治提供理论支持。

基于Sentinel卫星的浑浊水体叶绿素反演对比研究——以鄱阳湖为例李亭亭;田礼乔;李建;张琍;孙兆华【摘要】Sentinel-2A satellite and Sentinel-3A satellite were successfully launched in June 2015 and February 2016 respectively.The spatial resolution,temporal resolution and band settings of MSI and OLCI sensors have great potential in inland water environment research.In this study,the inversion problem of chlorophyll in turbid water was studied.Based on the theory of optical partitioning and the simultaneous in situ data,taking Poyang Lake as an example,the feasibility and potential of applying data from Sentinel system satellites in chlorophyll retrieval are discussed.The results show that:1) as for Sentinel-2A MSI data,the three bands ([1/Rrs (665)-1/Rrs (705)] * Rrs (740)) model is the most accurate one for northern lake with the determination coefficient of 0.65 and MRE of 38.53％.The difference ((Rrs (705)-Rrs (665)) model is the most accurate one for southern lake with the determination coefficient of 0.63 and MRE of39.87％.2) As for Sentinel-3A OLCI data,the three bands ([1/Rrs (665)-1/ Rrs (673.75)] * Rrs (753.75)) model is the most accurate one for northern lake,the determination coefficient of 0.65 and MRE of 37.6％.The difference (Rrs (708.75)-Rrs (665)) model is the most accurate one for southern lake with the determination coefficient of 0.62 and MRE of 39.6％.3) The optical partition model of the Sentinel family satellites is able to solve the problems on chlorophyll inversion of some turbid water in Poyang Lake toa certain extent,and more precision inversion model method will be developed in the follow-up time.%Sentinel-2A卫星、Sentinel-3A卫星分别于2015年6月和2016年2月成功发射,其上搭载的MSI、OLCI传感器的空间分辨率、时间分辨率、波段设置等在内陆水体水环境遥感研究中具有较大的应用潜力.针对浑浊水体叶绿素的反演难题,以鄱阳湖为例,基于光学分区理论并结合同步实测数据,探讨了Sentinel系列卫星数据在湖泊叶绿素a遥感反演的可行性.研究表明:1)对于Sentinel-2A MSI数据,鄱阳湖北湖区以[1/Rrs(665)-1/Rrs(705)]* Rrs(740)作为反演因子构建的三波段模型拟合效果最好,决定系数R2是0.65,平均相对误差是38.53％;鄱阳湖南湖区差值模型Rrs(705)-Rrs(665)反演结果最好,R2是0.63,相对误差是39.87％.2)对于Sentinel-3A OLCI数据,鄱阳湖北湖区以[1/Rrs(665)-1/Rrs(673.75)]* Rrs(753.75)作为反演因子构建的三波段模型拟合效果最好,R2为0.65,平均相对误差为37.6％;鄱阳湖南湖区差值模型Rrs(708.75)-Rrs(665)反演结果最好,R2是0.62,平均相对误差为39.6％.3)Sentinel系列卫星的分区模型能在一定程度上解决鄱阳湖部分浑浊水体区域叶绿素反演不成功的问题,后续将研究更高精度的反演模型方法.【期刊名称】《华中师范大学学报（自然科学版）》【年(卷),期】2017(051)006【总页数】7页(P858-864)【关键词】Sentinel卫星;光学分区;叶绿素a浓度;鄱阳湖【作者】李亭亭;田礼乔;李建;张琍;孙兆华【作者单位】武汉大学测绘遥感信息工程国家重点实验室,武汉430079;武汉大学测绘遥感信息工程国家重点实验室,武汉430079;武汉大学遥感信息工程学院,武汉430079;江西师范大学鄱阳湖湿地与流域研究教育部重点实验室,南昌330022;中国科学院边缘海与大洋地质重点实验室南海海洋研究所,广州510301【正文语种】中文【中图分类】P332叶绿素a是重要的湖泊水质参数之一，不仅可以较好地反映水中浮游生物和初级生产力的分布，而且其含量还是反映水体富营养化程度的一个重要指标[1].鄱阳湖作为中国第一大淡水湖，其水环境形势比较严峻，近年来鄱阳湖也有着水体营养化的趋势，研究其叶绿素a分布状况具有重要的意义.遥感作为一种快速周期性获取水表信息的重要手段，利用遥感数据进行水体叶绿素a的反演研究具有一定的科学意义与现实价值[2].国内也有不少学者利用各种传感器数据对鄱阳湖叶绿素反演进行了研究，如冯炼等提出了一种新的针对MERIS的鄱阳湖叶绿素浓度经验算法，探讨了鄱阳湖叶绿素分布的时空规律和富营养化问题[3]；黄灵光等人研究了Landsat8 OLI卫星数据在鄱阳湖叶绿素a遥感反演的可行性[4].常用的水色传感器MODIS虽然具有较高的信噪比[5]，但是千米级的空间分辨率限制了其在较小水域面积中的应用，而Landsat系列卫星虽然有30 m的空间分辨率，但是其有限的光谱设置和较低的信噪比依然不能很好地解决在浑浊水域的叶绿素a浓度反演问题[3].因此，有必要探讨新的卫星传感器数据在鄱阳湖叶绿素反演方面的问题.Sentinel-2A卫星其时间分辨率为10 d，所搭载的MSI(Multi-Spectral Instrument)传感器共有13个光谱波段.可见光到近红外波段的空间分辨率为10 m，红边和短波红外波段空间分辨率为20m(https://sentinel.esa.int/web/sentinel/user-guides/sentinel-2-msi)，是进行内陆水体遥感研究的有效数据源之一.Sentinel-3A卫星上搭载的OLCI(Ocean and Land Colour Instrument)传感器是在MERIS的基础上发展而来的，对海岸带和陆地的空间分辨率是300 m，与MERIS相比，其时间分辨率提高至2 d，光谱波段由15个增加至21个，而且还专门新增了一个叶绿素荧光反演波段(中心波长673.75nm)(https://sentinel.esa.int/web/sentinel/user-guides/sentinel-3-olci)，可被广泛应用于水色遥感研究等方面.本文以鄱阳湖为研究区域，结合2009年10月和2011年7月鄱阳湖现场实测数据，基于光学分区思想，建立了Sentinel卫星鄱阳湖叶绿素分区反演模型，对比分析了Sentinel系列卫星在鄱阳湖叶绿素浓度反演结果，以尝试解决鄱阳湖部分浑浊水体区域叶绿素反演不成功的问题[3].鄱阳湖是中国第一大淡水湖，地处江西省北部，长江中下游南岸，位于28°22′N～29°45′N，115°47′E～116°45′E(见图1).其北部湖区狭长，南部相对面积较大，是一个过水性、吞吐型、季节性的内陆湖泊[6].由于季节性涨退水，其水位发生明显的变化，丰水期水域面积可达4 000 km2以上，枯水期湖面面积减小至几百平方公里.随着经济快速发展以及生活污水大量排放等，其水环境形势比较严峻，近年来鄱阳湖也有着水体营养化的趋势[7]，因此利用遥感技术对鄱阳湖叶绿素a的监测具有重要意义.野外光谱测量采用的是美国SVC公司的HR-1024光谱仪，其可在350 nm至2 500 nm光谱范围内连续测量，其中350 nm到1 000 nm之间其光谱采样间隔是1.5 nm.根据NASA推荐的观测几何：即仪器观测平面与太阳入射平面夹角为135°，仪器与海面法线夹角为40°，采用水面以上测量方法观测，最终处理得到遥感反射率数据[8-10].室内叶绿素浓度测定采用的是RF-5301荧光分光光度计，首先用GF/F玻璃纤维滤膜过滤野外采集的水样，将滤膜置于冰箱中低温放置，测量时拿出用90%的丙酮萃取，萃取液经过离心后放置冰箱静置24 h，并取出上清液装入比色皿中用荧光计进行测量，最后计算得到浓度数据[3].由于部分数据的质量问题，在剔除异常点后，最终选择了75组野外观测数据，观测站点分布如图1所示.1.3.1 遥感数据获取 Sentinel-2A和Sentinel-3A卫星数据均可通过Sentinel数据的分发系统(https://scihub.copernicus.eu/)免费获取，两者波段设置对比见表1.1.3.2 遥感数据预处理海洋水色卫星传感器接收到的辐射能量80%以上来自大气的干扰，而来自水面的辐射只有3%～15%，因此，如何消除大气程辐射的影响，获取有效的离水辐射信息，实现遥感数据的大气校正是水色遥感信息提取中必不可少的关键技术之一[11].Sentinel-2A MSI传感器大气校正采用的是SNAP内置大气校正模块sen2cor，它采用的是基于影像的半经验大气校正方法，故用此模块算法进行大气校正时无需提供气象参数，大气校正所需的信息可以通过内置的查找表内插获取(http://step.esa.int/thirdparties/sen2cor/2.4.0/Sen2Cor_240_Documenation _PDF/S2-PDGS-MPC-L2A-SRN-V2.4.0.pdf)，具体流程见图2.Sentinel-3A OLCI传感器大气校正采用的是SNAP内置的大气校正处理模块C2RCC(Case-2 Regional / Coast Colour)，其大气校正理论基础是神经网络算法[12].通过大量的样本训练，可以得到各种光学特性参数和水质参数，如遥感反射率、叶绿素浓度等.具体流程见图3.鄱阳湖是一个以悬浮泥沙为主的高浑浊的湖泊，悬浮颗粒物的特性在很大程度上影响着水体的光学特性.鄱阳湖通常以都昌和吴城间的松门山岛(29°12′N，116°10′E)为界，被划分为南北两湖(如图1所示).研究表明，鄱阳湖南北湖区悬浮颗粒物特性差异很大，从而在一定程度上导致南北湖区光学特性的差异[13].由表2可知，枯水期鄱阳湖悬浮颗粒物的粒径(Dv50和Dv90)动态范围大，南部湖区粒径大于北部，呈现显著的区域性差异.故本文基于光学分区思想，探讨建立了具有一定适应性和稳定性的鄱阳湖分区反演模型[3].结合Sentinel系列卫星数据的波段设置和影像数据大气校正的结果，对2009年10月和2011年7月的实测光谱数据进行光谱积分计算两卫星数据各波段的等效反射率，并且进行模拟建模.基于光学分区理论，其中北湖区选择了38个实测数据点进行建模，南湖区选择了37个实测数据点进行建模.利用实测数据模拟Sentinel-2A传感器波段数据，构建叶绿素反演模型.由表3可知，鄱阳湖北湖区以[1/Rrs(665)-1/Rrs(705)]*Rrs(740)作为反演因子构建的三波段模型拟合效果最好，南湖区差值模型Rrs(705)-Rrs(665)模拟结果最好，决定系数R2分别为0.65、0.63，相对误差分别为38.53%、39.87%.利用实测数据模拟Sentinel-3A OLCI传感器波段数据，构建叶绿素反演模型.由表3可知，鄱阳湖北湖区以[1/Rrs(665)-1/Rrs(673.75)]*Rrs(753.75)作为反演因子构建的三波段模型拟合效果最好，南湖区差值模型Rrs(708.75)-Rrs(665)拟合结果最好，其决定系数分别是0.65、0.62，模型的相对误差分别是37.6%、39.6%. 由表3可知，鄱阳湖北湖区模型精度高于南湖区，Sentinel-2A卫星的反演精度高于Sentinel-3A卫星，可能的原因是本文分区模型的建立是基于2009年和2011年的实测遥感反射率和叶绿素浓度，而并不是利用Sentinel卫星影像大气校正结果.利用上述分区模型，选取了2016年11月3日、2017年2月11日两景Sentinel-2A MSI影像和同步的Sentinel-3A OLCI影像，对影像进行了预处理(大气校正、重投影)，并将Sentinel-2A数据重采样成300m，以便与Sentinel-3A 数据的反演结果进行定量的对比.结合卫星的波段设置，将鄱阳湖叶绿素的分区反演模型应用于两种不同卫星影像，并以Sentinel-2A的反演结果作为参考，通过计算两者的相对偏差来评估两卫星传感器在鄱阳湖叶绿素反演方面的一致性.如图5所示，两卫星传感器的叶绿素反演结果在空间分布趋势上具有较好的一致性，由第三列的偏差分布图可知，两个卫星传感器数据反演结果大体上吻合良好.由图6相对偏差柱状图和叶绿素分布柱状图可知，两者反演结果的相对偏差不超过40%的水体区域面积高达70%～90%.鄱阳湖中部和东部靠近陆地部分叶绿素值相差较大可能是由于大气校正方法不同、成像时间差异等原因造成的.利用上述模型，对2016年3月28日的Sentinel-2A MSI影像，2017年3月2日的Sentinel-3A OLCI影像进行了叶绿素浓度反演，结果如图7所示.从图7可以看出，鄱阳湖水体叶绿素浓度总体相对不高.鄱阳湖叶绿素浓度较高区域主要分布在鄱阳湖区西部、东部、以及南部地区.北湖区叶绿素浓度相对较低可能是由于悬浮泥沙的浓度较大，限制了光线的透射传输，阻碍了浮游植物的生长；而东西部和南部叶绿素浓度较高可能是由于水体之间交换程度差，以及生活污水等通过支流进入鄱阳湖，适合浮游植物生长，从而导致叶绿素浓度偏高[3].本文利用鄱阳湖的实测光谱和叶绿素浓度数据，基于光学分区思想，并结合Sentinel-2A和Sentinel-3A卫星的遥感数据，建立了鄱阳湖的分区反演模型，分析比较了Sentinel系列卫星影像在鄱阳湖叶绿素反演结果.1) Sentinel系列卫星的分区反演最优模型其决定系数均在0.6以上，相对误差均在40%以内.2) 两卫星反演结果的相对偏差不超过40%的水体区域面积高达70%—90%，相对偏差较大的水域主要集中在鄱阳湖中东部区域，具体原因还需要进一步探讨.3) 鄱阳湖水体整体叶绿素浓度偏低，叶绿素浓度空间分布趋势是北部低，东西部和南部浓度相对较高.4) 由于本文主要是基于鄱阳湖丰水期实测数据建立的分区反演模型，故Sentinel卫星叶绿素反演模型在鄱阳湖枯水期的应用还有待进一步探讨与验证，后续将研究更高精度的鄱阳湖叶绿素反演模型.【相关文献】[1] 龚珍，卜晓波，李晔，等. 东湖水体叶绿素浓度的遥感反演研究[J]. 安徽农业科学， 2013，41(11): 5138-5139．[2] 程春梅. 基于归一化光谱的浑浊水体叶绿素a浓度遥感估算[J]. 浙江水利水电学院学报，2016，28(4): 58-65．[3] FENG L， HU C， HAN X， et al. Long-Term distribution patterns of Chlorophyll-a concentration in China’s largest freshwater lake: MERIS Full-Resolution observationswith a practical approach[J]. Remote Sensing， 2014， 7(1): 275-299．[4] 黄灵光，方豫，张大文，等. 基于Landsat-8 OLI的鄱阳湖叶绿素a浓度定量反演[J]. 江西科学， 2016， 34(4): 441-444．[5] HU C，FENG L，LEE Z，et al. Dynamic range and sensitivity requirements of satellite ocean color sensors: learning from the past[J]. Applied Optics， 2012， 51(25): 6045．[6] 江辉. 鄱阳湖叶绿素a浓度遥感定量模型研究[J]. 测绘科学， 2012， 37(6): 49-52．[7] WU Z， CAI Y， LIU X， et al. Temporal and spatial variability of phytoplankton in Lake Poyang: The largest freshwater lake in China[J]. Journal of Great Lakes Research， 2013，39(3): 476-483．[8] 唐军武，田国良，汪小勇，等. 水体光谱测量与分析Ⅰ:水面以上测量法[J]. 遥感学报， 2004，8(1): 37-44．[9] MOBLEY C D. Estimation of the remote-sensing reflectance from above-surface measurements[J]. Applied Optics， 1999， 38(36): 7442-55．[10] MUELLER J L，FARGION G S，MCCLAIN C R，et al. Ocean optics protocols for satellite ocean color sensor validation[J]. British Journal of Surgery， 2003， 47(201): 111-112．[11] 陈晓玲，赵红梅，田礼乔. 环境遥感模型与应用[M]. 武汉：武汉大学出版社，2008．[12] BROCKMANN C， DOERFFER R， PETERS M，et al. Evolution of the C2RCC neural network for Sentinel 2 and 3 for the retrieval of ocean colour products in normal and extreme optically complex waters[C]//The 2016 European Space Agency Living Planet Symposium， Prague, Czech Republic from 9-13 May 2016， Living Planet Symposium，2016:740.[13] 黄珏，陈晓玲，陈莉琼，等. 鄱阳湖高浑浊水体悬浮颗粒物粒径分布及其对遥感反演的影响[J]. 光谱学与光谱分析， 2014， 34(11): 3085-3089．。

基于“哨兵-3A” OLCI影像的太湖蓝藻水华荧光基线高度指数信号特征分析李旭文;侍昊;王甜甜;姜晟;张悦;蔡琨;丁铭【期刊名称】《环境监控与预警》【年(卷),期】2018(010)003【摘要】利用新型遥感数据“哨兵-3A”卫星OLCI影像数据,基于其665,681和708 nm波段构建的“荧光基线高度”指数算法,采用SNAP 6.0遥感专业软件,计算了2017年不同季节4个典型日期太湖FLH的全湖分布及蓝藻水华区信号强度特征.以完成了瑞利散射及气体吸收订正的3个波段的遥感反射率数据计算FLH图像,结果表明,FLH数值的“负偏”程度与蓝藻水华强度有很好的对应关系,FLH值“负偏”越大,蓝藻水华越严重,可以作为比较不同季节水华强度的有效遥感指标;富营养化较严重、较为浑浊、以蓝藻为优势种的内陆水体与大洋清洁、非蓝藻优势浮游植物水体的FLH“正偏”信号特征迥异.【总页数】6页(P9-13,39)【作者】李旭文;侍昊;王甜甜;姜晟;张悦;蔡琨;丁铭【作者单位】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;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;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;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.基于卫星影像的太湖蓝藻水华遥感强度指数和等级划分算法设计 [J], 李旭文;牛志春;姜晟;金焰2.基于哨兵3A-OLCI影像的内陆湖泊藻蓝蛋白浓度反演算法研究 [J], 苗松;王睿;李建超;吴志明;时蕾;吕恒;李云梅;赵少华;刘思含3.基于哨兵-3A卫星OLCI数据的最大叶绿素指数在太湖蓝藻水华监测中的应用[J], LI Xuwen;ZHANG Yue;SHI Hao;JIANG Sheng;WANG Tiantian;DING Ming;CAI Kun4."哨兵-3"卫星OLCI影像MPH算法反演太湖叶绿素a及藻草区分的研究 [J], 李旭文; 姜晟; 张悦; 王甜甜; 蔡琨; 丁铭; 纪轩禹5.基于"哨兵3号"卫星OLCI影像和C2RCC算法的南黄海叶绿素a及总悬浮物反演效果分析 [J], 李旭文; 魏爱泓; 姜晟; 王甜甜; 纪轩禹; 张悦; 矫新明因版权原因，仅展示原文概要，查看原文内容请购买。