基于分区的太湖叶绿素a遥感估测模型

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。

文章编号:1001-9014(2004)01-0011-05收稿日期:2002-03-27,修回日期:2003-08-19Received Date:2002-03-27,revis ed Date:2003-08-19基金项目:国家863应用与示范项目/成像光谱仪水质监测方法研究与应用0作者简介:刘堂友(1969))男,浙江常山人,东华大学信息学院讲师,博士,主要从事高光谱遥感图像处理与定量反演工作。

湖泊藻类叶绿素-a 和悬浮物浓度的高光谱定量遥感模型研究刘堂友1, 匡定波2, 尹 球2(1.东华大学通信与电子工程系,上海 200051;2.中国科学院上海技术物理研究所,上海 200083)摘要:本文利用地物光谱仪对太湖水体进行了光谱测量和同步采样分析,对获得的数据尝试用光谱分离法进行分析,从中分离出蓝藻和悬浮物的特征波峰,建立波峰高度与同步水质采样得到的叶绿素-a 浓度和悬浮物浓度的对应关系,得出其遥感定量反演算法,并实际应用在OM I S 成像光谱仪图像上.关 键 词:光谱;分离法;遥感;叶绿素;悬浮物中图分类号:P9 文献标识码:ASTUDY ON HYPERSPECTRAL QUANTITATIVE MODEL OF CONCENTRATIONS FOR CHLOROPHYLL -a OF ALGAAND SUSPENDED PARTICLES IN TAILAKELIU Tang -You 1, KUANG Ding -Bo 2, YIN Qiu 2(1.Depar tment of Communicat ion and Electronic Engineer ing ,Donghua U niv ersity,Shang hai 200051,China;2.Shanghai Institute of T echnical P hysics,Chinese Academy of Sciences,Shanghai 200083,China)Abstract:T he w ater from T ai L ake was analyzed by spectrum measurement and synchronous sampling with field por tablespectror adiometer.T he characteristic w av e peaks o f cyanobacteria and suspended particle were obtained from the spectra,and the corr esponding relations between the heights of wave peaks and the concentrations of chlorophyll a and suspended particle were built.As a result ,a quantitative retrieval alg orithm is deduced,and the algor ithm is applied in the image ac -quired by OM IS imaging spectror adiomet er.Key words:spectrum;decomposit ion method;remote sensing ;chloro phyll;suspended particle引言最近十几年太湖水体的富营养化比较严重,藻类大量繁殖甚至形成水华灾害,对湖区的饮水、旅游、养殖等主体功能造成了严重的损害,为把握水质状况,国家每年都要对太湖的叶绿素-a 和悬浮物这2个反映水质好坏的主要参数进行检测,这种通过人工采样、过滤、萃取及分光光度计分析确定浓度的监测方法比较费时费力.随着遥感技术的发展,其在水质监测中的作用越来越大,水质遥感监测是通过研究水体反射光谱特征与水质参数浓度之间的关系,建立水质参数反演算法进行的,与常规采样水质检验相比具有监测范围广、速度快、成本低及便于长期动态监测的优势.1 采样与分析1998、1999和2000年3年的夏天在太湖(主要是太湖北部的梅梁湖区域)进行了5次光谱测量试验和同步水质采样,其中有2次与航空成像光谱仪同步测量,共获得了60个样本.对采样的水主要分析了3个指标)))叶绿素-a 浓度、悬浮物浓度和CODmn 浓度,该指标委托水利部太湖环境监测中第23卷第1期2004年2月红外与毫米波学报J.Infrared Millim.WavesVol.23,N o.1F ebruary ,2004图1 太湖光谱曲线Fig.1 Spectra obtained from T ailake 心测定.根据对太湖的调查,太湖中的叶绿素-a 主要是存在于藻中,而微囊藻占太湖藻类的绝对优势[1],悬浮物中最主要的是泥沙.水体光谱使用美国Geophysical &Environmen -tal Research Corporation 生产的GER1500地物光谱仪进行测量,该光谱仪的波段范围为303~1100nm,共512个波段,光谱采样间隔约为1.5nm,光谱分辨率3nm,数字量化16bit.同步测量的成像光谱仪是实用型模块化成像光谱仪(OM IS),是由中科院上海技术物理研究所航空遥感研究室研制的,它在可见/近红外/短波红外/热红外0.46~12.5L m 的大气窗口上设置了128个光谱波段,在可见/近红外0.46~1.1L m 范围内有64个波段,平均采样间隔10nm.2 水体的光谱特征水质同步测量获得的60个样本中,剔除了6个飘浮藻样本,实际有效样本为54个,叶绿素-a 的浓度范围为1.92~61.6L g/L,悬浮物的浓度范围为1~125mg/L,测得的光谱(如图1所示).从图中可以发现,太湖水体光谱带有明显的叶绿素-a 的光谱特征[1]和悬浮物的光谱特征[2],即在675nm 有叶绿素-a 的吸收峰和在700nm 左右的叶绿素-a 的反射峰,而叶绿素-a 在440nm 左右的吸收峰和在550nm 左右的绿色反射峰由于悬浮物的影响而不是很明显.3 光谱分离法处理光谱数据对于定量遥感监测叶绿素-a 浓度,波段比值法[2~4]经验法用的比较多,并且到底用那2个波段进行比值存在不同的看法,因此本文不用波段比值法,而尝试用光谱分离法[5]分析光谱数据.图2 泥沙光谱分离图F ig.2 Decomposed spectrum on sediment太湖水体中光谱响应最大的是藻类和悬浮物,太湖藻类主要是微囊藻,其光谱的各高斯函数参数已分析得出[5].对于悬浮物的高斯参数,由于太湖的悬浮物主要是泥沙,故本文的悬浮物的高斯参数以泥沙的高斯参数替代.根据光谱分离法对不同泥沙浓度的多条光谱进行了分离,得出的泥沙光谱的各高斯函数参数如表1,其中一条光谱的分离合成图如图2所示.联合微囊藻和泥沙的高斯函数对太湖实测光谱进行分离,分离效果图如图3所示,分离出的高斯函数峰高与叶绿素、悬浮物浓度进行线必拟合,分析它们的相关系数发现,叶绿素-a 浓度与从微囊藻光谱中分离出的、微囊藻特有的高斯函数峰高的相关系数要高的多,而与从泥沙中分离出的泥沙光谱特有的高斯函数峰高的相关系数要低的多;同样,悬浮物浓度与从泥沙光谱中分离出的、泥沙光谱特有的高斯函数峰高的相关系数要高得多,而与从微囊藻中分离出的、微囊藻特有的高斯函数峰高的相关系数要低的多,其中与叶绿素-a 浓度相关系数最高的2个高斯函数峰高是中心波长为703nm 和722.5nm 的2个高斯函数的峰高,相关系数分别达到0.715和0.751,与悬浮物浓度相关系数最高的是中心波长为575nm 和698nm 的2个高斯函数峰高,分别达到0.827和0.769.在只有微囊藻的情况下,叶绿素-a 浓度与从微囊藻光谱中分离出的高斯函数峰高的相关系数都应该有很好的相关性[5],但对于太湖实测光谱,叶绿素-a 浓度与中心波长为440、457nm 的高斯函数峰高的相关系数比较低,这是由于泥沙的中心波长为575nm 的高斯函数,其峰高和半高宽都很大,在一定12红外与毫米波学报23卷表1 悬浮泥沙光谱的高斯函数参数Table.1 Parameters of Gauss fanctions of Spectra from sus -pended particleCenterw avelength (nm)FWHM (nm)Center wavelength (nm )FWH M (nm)324466.374034.644738.379025.5575110.281517.858030.684092.964836.0124031169832.4的程度上/淹没0了这些散射信息,另外,微囊藻的叶绿素在440nm 处有吸收峰,它不但吸收太阳的入射光,也吸收了微囊藻和悬浮物的散射光,从而导致这些散射峰峰高与叶绿素浓度的相关系数的降低;在相关系数比较高的4个高斯函数即中心波长为610nm 、653nm 、703nm 、722.5nm 的高斯函数中,由于它们的峰高相对较小,虽然在近距离用GER1500地物光谱仪这种波段窄、信噪比高的仪器测量时有比较好的效果,但在实际的航空航天遥感中,由于距离遥远、遥感器的波段相对较宽、信噪比相对较低,这3个高斯函数的实用性要差一些.因此,在水质比较复杂、泥沙浓度较大湖泊中,只能用中心波长为703nm 这个峰高较大的高斯函数,这个高斯函数峰高与叶绿素-a 的拟合公式如式(1),对应图如图4.Chl =1342.6@h 703-1.5.(1)图3 太湖水体光谱分离效果图Fig.3 Decomposed spectrum o n w ater from T aiL ake在悬浮物特有的中心波长为575nm 、690nm 、546nm 和698nm 的高斯函数中,中心波长为575nm 、698nm 的高斯函数峰高与悬浮物浓度的相关系数较大,从图2、图3看出,这2个高斯函数是泥沙光谱的主峰,受其它因素影响较小,因此,这2个高斯函数是在以泥沙为主的悬浮物遥感中很起作用的高图4 叶绿素-a 浓度与高斯峰高对应图F ig.4 Concentration of Ch-l a vs.height of Gauss peak at703nm图5 悬浮物浓度与698nm 高斯峰高对应图F ig.5 Concentration of suspended particle vs.heig ht o f Gauss peak at 698nm斯函数,它们与悬浮物浓度的拟合公式为式(2)、(3),其中式(3)的对应关系图如图5所示.Susp =1486.3@h 575-13.4.(2)Susp =2196.2@h 698-1.1.(3)从上面分析结果看,叶绿素-a 和悬浮物浓度的相关性都比较好,有较高的精度,特别是叶绿素-a 在浓度比较低的情况下,测点相对集中精度更高,这说明该方法不但能用于重富营养化、富营养化水体,还能用于中富营养化水体.在叶绿素-a 浓度较高时测点比较分散,这是由于湖泊中的藻、悬浮物不均匀,水的波动、流动以及船只的运动,使得采样的水和测量光谱的水不是同一个水体,从而造成较大的误差,并且浓度越高、流动性越大,造成的误差也越大,另外浓度测量的误差也是一个不可忽视原因,如藻和悬浮物的分离不完全,分光光度计法测量叶绿131期刘堂友等:湖泊藻类叶绿素-a 和悬浮物浓度的高光谱定量遥感模型研究图6OM IS反演图像和3波段合成图像F ig.6Retrieval image and composed image o f three band of O M IS 素-a浓度时有悬浮物的吸收,会造成叶绿素浓度偏高,而藻上浮会造成叶绿素浓度偏低.4OMIS成像光谱仪遥感数据反演由于GER1500地物光谱仪的波段宽度很窄,平均达1.5nm,而OM IS成像光谱仪的波段宽度较宽,平均为10nm,接近某些高斯函数的半高宽,如果光谱分离时不考虑波段宽度,会造成较大的误差,因此要对光谱分离公式做一些相应的变化,即对地物光谱仪数据进行积分:R(j)=E M k=1S tk/E M k=1S rk=E Ni=1(Q K j2K j1h i e-(K-K i)2/X2i d K)+a1K j+a2.(4)式(4)中R(j)是OMIS成像光谱仪波段中的第j波段的反射率,j=1,2,,,,K,K为OM IS的总波段数,S t为波长在OMIS第j波段内所有GER1500数据的目标光强,S r为参考光强,M为在第j个OM IS波段内GER1500数据的个数,K j1、K j2分别为OM IS第j波段的起止波长.式R1R2R3ssR mE12E22,E m2)其中E ij=Q e-(K i-K j)2/X2j d K.(6)由于OMIS成像光谱仪的最低波长为455.7nm,所以只能从455.7nm开始分离光谱.根据公式对太湖实测的GER1500地物光谱仪数据按OMIS波段进行分离,每一条光谱数据都能求得一系列的高斯函数峰高,然后这些峰高与叶绿素浓度、悬浮物浓度拟合,可求的OMIS成像光谱仪数据的叶绿素浓度、悬浮物浓度反演公式.通过计算,反演公式如下:Ch=1282.3@h703-0.5,(7)Su=2484.2@h575-50.8,(8)Su=2182.2@h698+0.8.(9)比较式(7)和式(1)、式(8)和式(2)、式(9)和式(3)可以发现,由于增加了波段宽度,这两组公式有一定的差异,特别是式(8)回归系数有较大幅度的增大,这是由于OMIS成像光谱仪波段的限制,中心波长为575nm的高斯峰函数有一部分在成像光谱仪的波段之外,导致在分离光谱时基线值上升,中心波长为575nm的高斯函数峰高减小,从而产生误差.根据式(5)对每一个扫描点的OM IS光谱数据进行光谱分离,求出高斯函数的峰高,根据式(7)、(9)用峰高即可求得叶绿素浓度-a、悬浮物的浓度分布(如图6所示).从图6中的叶绿素浓度分布可以地看在北部的陆地附近叶绿素浓度成面状分布,浓度很高,而湖中间叶绿素浓度分布呈条带状,浓度要相对小一些,这14红外与毫米波学报23卷是由于南风把藻吹向北部,以致北部藻的浓度很高,又由于陆地附近风浪小,藻都漂浮在水面,形成面状分布,在湖中间,由于风浪较大以及浓度相对较小,藻悬浮在水中,形成条带状.对比图6中的455nm、550nm和650nm3波段合成图可以发现,对于北部的漂浮藻能看出一些,而湖中的悬浮藻基本上看不出,因此叶绿素浓度反演的效果很明显.从图6的悬浮物浓度分布可以清楚地看出悬浮物的浓度分布,总体上看,悬浮物浓度比较高,这是由于西太湖大部分地区域无水生植物生长,风浪、船只搅动湖底泥沙,使水混浊[1],导致悬浮物浓度偏高,本图是太湖西北部的图像,反演图较好地反映了这一情况,另外,由于本图北部陆地附近有成片的漂浮藻,射入水中的光线较少,这些地方的光谱主要呈现出藻的光谱特征,故反演出的悬浮物浓度相对较低.5结束语通过本文的分析可知,用光谱分离法能较好地分离出藻类叶绿素-a和悬浮物的特征光谱,并且由此建立的高光谱定量遥感模型在藻类叶绿素-a和悬浮物浓度的定量遥感上取得了良好的效果,对分辨水体中的多种物质、提高定量遥感的精度有一定的意义.REFERENCES[1]Wang sumin,Dou hongshen.Chinese Lake Catalogue[M].Beijing:Science Press(王苏民,窦鸿身,等.中国湖泊志.北京:科学出版社),1998,9[2]K allo K,Kutser T,Hannonen T,et al.Retrieval of w aterquality from airborne imag ing spectr ometry of var ious lake t ypes in different seasons[J].T he Science of T he T otal En-vironment,2001,268:59)77[3]SHU Xiao-Zhou,YI N Q iu,K U AN G Ding-Bo.Relation-ship betw een Algal chlorophy ll concentration and spectr al r eflectance of inland w ater[J].Jour nal of Remote Sensing, 2000,4(1):41)45[4]L I Su-Ju,W U Q ian,WAN G Xue-Jun.Cor relations be-tw een reflectance spectra and contents of chlorophyl-l a in chao hu lake[J],Jour nal of L ake Sciences(李素菊,吴倩,王学军,巢湖浮游植物叶绿素含量与反射光谱特征的关系,湖泊科学),2002,14(3):328)234[5]L IU T ang-You,K UA NG Ding-Bo,Y IN Q iu.T he spec-trum ex periments of Algae and studies on retrieval quantita-tiv e imforation from its spectra[J].Jour nal of inf r ar ed and millimeter w aves,2002,21(3):213[6]Qi Feng,Wang Xue-Jun,A pplication of bemote sensingt echnigues in monitor ing and assesing in land water quality [J],A dvances in Environmented Science.(齐峰,王学军,内陆水体水质监测与评价中的遥感应用,环境科学进展),1999,7(3):90)99151期刘堂友等:湖泊藻类叶绿素-a和悬浮物浓度的高光谱定量遥感模型研究。

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。

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。

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。

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。