下载文档原格式
使用遥感技术进行水体污染监测与评估的方法与技巧引文：水是人类赖以生存的基本要素，然而，随着工业化和城市化的进程，水体污染问题也日益严重。
为了及时监测和评估水体的污染情况，遥感技术成为一种重要的手段。
本文将介绍使用遥感技术进行水体污染监测与评估的方法与技巧。
1. 简介随着空间信息技术的发展，遥感技术成为获取地球表面信息的重要手段。
通过卫星、飞机等传感器获取的遥感数据可以覆盖广阔的地区，并提供高分辨率的影像。
这使得遥感技术成为水体污染监测和评估的有力工具。
2. 遥感数据的选择和获取在进行水体污染监测与评估时，选择合适的遥感数据非常重要。
常见的遥感数据有多光谱影像、高光谱影像和合成孔径雷达(SAR)影像等。
多光谱影像可以提供较高的空间分辨率和光谱信息，高光谱影像则可以提供更丰富的光谱信息。
根据具体的研究目的和需求，选择合适的遥感数据进行水体污染的监测和评估。
在获取遥感数据时，可以通过购买商业遥感数据，如Landsat、Sentinel等，也可以通过政府或学术机构提供的开放数据获取。
此外，对于特定的研究区域，还可以利用航空遥感或无人机获取高分辨率的影像数据。
选择合适的数据源和获取方式，可以提高水体污染监测的效果。
3. 水体污染指标提取在进行水体污染监测与评估时，通常需要提取一些污染指标来进行分析和比较。
常见的水体污染指标包括水体悬浮物浓度、叶绿素-a浓度、水体透明度、水体温度等。
通过不同波段的遥感数据，可以计算出这些指标，并据此评估水体的污染程度。
以水体悬浮物浓度为例，可以利用多光谱影像的红波段和近红外波段进行计算。
通过建立悬浮物光谱反射率与悬浮物浓度之间的回归模型，即可提取出悬浮物浓度信息。
类似地，根据不同的指标计算公式，可以提取出其他污染指标，并综合分析水体的污染情况。
4. 水体污染监测与评估模型除了提取单一的污染指标外，还可以建立水体污染监测与评估模型，综合考虑多个指标的影响。
常见的模型包括支持向量机(SVM)、人工神经网络(ANN)等。
《基于Landsat 8 OLI卫星影像的乌梁素海悬浮物和叶绿素a浓度遥感反演研究》篇一一、引言随着遥感技术的飞速发展，利用卫星影像对地表环境和生态系统的监测变得愈加准确和便捷。
其中，基于Landsat 8 OLI卫星影像的数据资源在湖泊环境研究中发挥了重要作用。
乌梁素海作为我国北方的一个典型内陆湖泊，其水质变化和生态环境状况受到了广泛关注。
因此，本文以乌梁素海为研究对象，利用Landsat 8 OLI卫星影像数据，探讨其悬浮物和叶绿素a浓度的遥感反演方法。
二、研究区域与方法（一）研究区域乌梁素海位于我国北方某省，是典型的内陆湖泊。
该湖泊的生态环境和水质状况对周边地区具有重要影响。
（二）研究方法本研究主要利用Landsat 8 OLI卫星影像进行反演研究。
首先，收集乌梁素海区域的多时相Landsat 8 OLI卫星影像数据；其次，对卫星影像进行预处理，包括辐射定标、大气校正等；然后，通过分析水体光谱特征，建立悬浮物和叶绿素a浓度与卫星影像特征参数之间的数学模型；最后，利用模型对乌梁素海进行遥感反演，获取悬浮物和叶绿素a浓度的空间分布情况。
三、数据处理与分析（一）数据预处理对收集到的Landsat 8 OLI卫星影像进行辐射定标和大气校正等预处理操作，以提高数据质量。
（二）光谱特征分析通过分析乌梁素海水体的光谱特征，发现水体中的悬浮物和叶绿素a对不同波段的光具有不同的反射和吸收特性。
其中，蓝色波段对叶绿素a的吸收较强，而红色和近红外波段对悬浮物的反射较为敏感。
（三）数学模型建立根据水体光谱特征分析结果，建立悬浮物和叶绿素a浓度与卫星影像特征参数之间的数学模型。
本研究采用多元线性回归方法建立模型，通过分析不同波段的光谱信息与悬浮物和叶绿素a 浓度的关系，确定模型的参数。
（四）遥感反演与结果分析利用建立的数学模型对乌梁素海进行遥感反演，获取悬浮物和叶绿素a浓度的空间分布情况。
通过对反演结果的分析，发现乌梁素海不同区域的悬浮物和叶绿素a浓度存在较大差异，这与该地区的气候、植被和水质等因素密切相关。
基于Hydrolight 模型的太湖SDGSAT-1卫星悬浮物浓度反演研究王雅萍 1胡雪可 1,2李家国 2,*姜晟 3陈兴峰 2赵利民 2陈洪真2（1 河南理工大学测绘与国土信息工程学院，焦作 454000）（2 中国科学院空天信息创新研究院，北京 100094）（3 江苏省环境监测中心，南京 210019）R ′(B 5/B 3)R ′(B 5/B 3)摘 要 利用卫星遥感反演水体中的悬浮物浓度对水质监测和保护具有重要意义，在悬浮物浓度反演过程中，如何避免或最大程度降低水体中叶绿素a 、有色可溶性有机物（Colored Dissolved Organic Matter ，CDOM ）的干扰是当前的技术难点。
文章针对可持续发展科学卫星1号（SDGSAT-1）MII 传感器，利用Hydrolight 辐射传输模型，从理论上挖掘只与悬浮物强相关的反演因子，以此构建适用于MII 影像的太湖悬浮物浓度反演模型，通过水体的实测数据和遥感数据对模型应用效果进行验证。
结果表明：反演因子与悬浮物浓度为强相关，同时与叶绿素a 、CDOM 浓度弱相关；利用作为反演因子构建的幂函数模型为最优反演模型；将幂函数模型分别应用于实测数据和2022年5月4日的太湖SDGSAT-1 MII 数据，两次验证试验显示反演结果和现场测量结果具有较强一致性，模型适用性较好。
该研究可为SDGSAT-1卫星在湖泊水体悬浮物浓度监测、水资源评估与保护等提供一些技术参考。
关键词 悬浮物浓度反演 可持续发展科学卫星1号 相关性 水体辐射传输模拟 遥感应用中图分类号：TP79 文献标志码：A 文章编号：1009-8518(2024)01-0174-13DOI ：10.3969/j.issn.1009-8518.2024.01.015Research on Suspended Matter Concentration Retrieval of SDGSAT-1Satellite in Lake Taihu Based on Hydrolight ModelWANG Yaping 1HU Xueke 1,2LI Jiaguo 2,*JIANG Sheng 3CHEN Xingfeng 2ZHAO Limin 2CHEN Hongzhen2（ 1 School of Surveying and Land Information Engineering, Henan Polytechnic University, Jiaozuo 454000, China ）（ 2 Aerospace Information Research Institute, Chinese Academy of Science, Beijing 100094, China ）（ 3 Jiangsu Provincial Environmental Monitoring Center, Nanjing 210019, China ）Abstract The use of satellite remote sensing inversion of suspended matter concentration in water bodies is收稿日期：2023-01-19基金项目：国家重点研发计划（2020YFE0200700）；河南理工大学青年骨干教师资助计划（2023XQG-12）；河南省科技攻关项目 (232102210043)引用格式：王雅萍, 胡雪可, 李家国, 等. 基于Hydrolight 模型的太湖SDGSAT-1卫星悬浮物浓度反演研究[J]. 航天返回与遥感, 2024, 45(1): 174-186.WANG Yaping, HU Xueke, LI Jiaguo, et al. Research on Suspended Matter Concentration Retrieval of SDGSAT-1Satellite in Lake Taihu Based on Hydrolight Model[J]. Spacecraft Recovery & Remote Sensing, 2024, 45(1): 174-186.(in Chinese)航天返回与遥感第 45 卷 第 1 期174SPACECRAFT RECOVERY & REMOTE SENSING2024 年 2 月R ′(B 5/B 3)R ′(B 5/B 3)of great significance in water quality monitoring and protection. In the process of suspended matter concentration inversion, it is technically difficult at present to avoid or minimize the interference of chlorophyll-a and colored dissolved organic matter (CDOM) in the water body. Aiming at the "Sustainable Development Goals scientific satellite 1" (SDGSAT-1) MII sensor and using the Hydrolight radiative transfer model, the article theoretically excavates the inversion factor that is only strongly related to suspended matter, constructs an inversion model of Lake Taihu suspended matter concentration suitable for MII images, and applies the model to both measured and sensing image data for verification. The results showed that: the inversion factor was strongly correlated with the suspended matter concentration, while weakly correlated with chlorophyll a and CDOM concentration;the power function model constructed by using as the inversion factor was the optimal inversion model;the power function model was applied to the measured data and the SDGSAT-1 MII data of Lake Taihu on May 4, 2022, respectively, and the two verification experiments showed that the inversion results and field measurement results had a strong consistency, and the applicability of the power function model was good. This research can provide a technical reference for the SDGSAT-1 satellite in monitoring suspended matter concentration in lake water bodies, water resources assessment , and protection, etc.Keywords suspended matter concentration retrieval; SDGSAT-1; correlation; water body radiative transfer simulation; remote sensing applications0 引言水体中的悬浮物是指不溶于水的无机物、有机物、泥沙、微生物和黏土等悬浮在水中的固体物质，陆地养分会附着在悬浮颗粒表面导致水体污染现象发生[1]，因此监测水中悬浮物浓度是反映水质现状及发展趋势的重要手段。
水体参数的遥感反演实验步骤目标本实验旨在通过遥感技术，反演水体参数，为水环境管理和水生态保护提供科学依据。
通过具体步骤的阐述，揭示遥感反演水体参数的过程，并展示其可行性和优势。
步骤1. 数据采集遥感数据的采集是实验的第一步。
这一阶段，我们需要选择合适的卫星传感器，如Landsat、Sentinel等，以获取水体在不同波段的光谱信息。
此外，还需获取水体的地理位置、形状、水深等辅助信息。
2. 数据预处理原始遥感数据需要进行一系列的预处理，包括辐射定标、大气校正、地形校正等，以消除噪声和其他干扰因素。
这一步骤是遥感数据处理的关键环节，可以有效提高数据的质量和准确性。
3. 特征提取在预处理的数据中，我们需要提取与水体参数相关的特征。
这些特征可能包括水体的颜色、纹理、形状等。
通过运用机器学习算法，从预处理的数据中挖掘出这些特征，为后续的反演提供依据。
4. 模型构建与训练利用提取的特征和已知的水体参数，构建并训练预测模型。
常用的模型包括支持向量机（SVM）、随机森林（RF）、神经网络等。
通过交叉验证等技术，评估模型的性能，并对模型进行优化，以提高预测精度。
5. 水体参数反演利用训练好的模型和实时获取的遥感数据，对水体参数进行反演。
这一步骤将遥感数据转化为具有实际意义的水体参数，为水环境管理和保护提供科学依据。
实例支持以某湖泊为例，我们通过Landsat 8卫星获取了湖泊在不同波段的光谱信息。
经过预处理和特征提取，我们发现湖泊的水色与波段4（红色光）和波段5（近红外光）的反射率具有显著相关性。
进一步地，我们利用支持向量机模型，以水色为特征，成功预测了湖泊的叶绿素浓度、悬浮物浓度等关键水体参数。
预测结果与实际监测数据具有高度一致性，证明了遥感反演水体参数的可行性和实用性。
看法与能力展现通过本次实验，我们认识到遥感技术在反演水体参数方面的优势。
遥感数据具有覆盖范围广、获取方便、时效性强等特点，使得我们可以快速、准确地获取水体参数信息。
遥感反演水体悬浮泥沙含量的基本原理
近年来，随着遥感技术的不断发展，遥感反演水体悬浮泥沙含量逐渐成为一项热门研究。
水体悬浮泥沙含量是衡量水质浑浊程度的关键指标，因此对于水资源管理、环境保护和生态保护等方面都有着重要的意义。
遥感反演水体悬浮泥沙含量的基本原理是基于遥感图像获取的水体反射光谱特征，结合修正的比较水体光学特性的模型，通过建立反演模型，实现定量反演。
其中，反演模型的构建是遥感反演技术的核心。
常用的反演模型包括多元线性回归（MLR）、偏最小二乘回归（PLSR）、支持向量机（SVM）等。
这些模型都需要以大量的场样数据为依据，建立起遥感参数与悬浮泥沙含量之间的定量关系，以实现遥感反演水体悬浮泥沙含量的准确性和可靠性。
遥感反演水体悬浮泥沙含量的研究还需要考虑到一些限制因素，例如气象、地形、水色等因素都会对遥感反演水体悬浮泥沙含量的结果产生影响。
为了减少这些影响因素，研究者通常会选择不同时间、不同气象条件下的遥感数据，并且配合其他数据源进行多角度信号融合等方法，提高反演结果的精度。
遥感反演水体悬浮泥沙含量的应用非常广泛，比如在水资源管理方面，可以帮助水库管理者了解水库水质信息，指导水库供水调度；在环境保护方面，可以监测水体污染情况，及时发现环境问题，保障水体生态系统的稳定性。
总之，遥感反演水体悬浮泥沙含量作为一种快速、准确、经济的反演方法，为水资源管理、环境保护及生态保护等领域提供了有益的服务。
未来将随着遥感技术的不断发展，应用范围将更加广泛，反演精度将更加精细，为人类的可持续发展做出更大的贡献。
遥感水质反演方法介绍遥感水质反演方法是利用遥感技术对水体中的水质参数进行估计和预测的方法。
通过获取水体的光谱信息和其他遥感数据，结合水质模型和算法，可以实现对水体中各种水质参数的反演。
这对于水环境监测、水资源管理和环境保护非常重要。
水质参数水质参数是指描述水体水质状况的各种指标和参数，包括浊度、叶绿素浓度、溶解氧、水温等。
这些参数反映了水体的透明度、富营养化程度、生态环境等关键信息。
通过准确反演水质参数，可以及时监测水体的变化和污染状况。
常用水质参数•浊度：反映水体中悬浮颗粒物的浓度和分布情况。
•叶绿素浓度：反映水体中藻类的生物量和富营养化程度。
•溶解氧：反映水体中溶解氧气的含量和供氧能力。
•水温：反映水体的热力状态和季节变化。
遥感技术在水质反演中的应用遥感技术在水质反演中起到了至关重要的作用。
通过获取水体的遥感数据，可以实现对水质参数的间接估计和预测，从而实现对水体水质状况的监测。
遥感数据获取•遥感卫星：利用遥感卫星获取高分辨率的遥感影像数据。
•空中遥感：利用无人机等平台获取高空间分辨率的遥感影像数据。
•地基遥感：利用地面测量仪器获取地表光谱信息和水质参数。
遥感数据处理•大气校正：通过大气校正算法消除大气对遥感数据的干扰。
•水体提取：利用遥感影像数据进行水体提取，获取水体的空间分布信息。
•光谱分析：通过分析水体的光谱特征，获取水体中各种水质参数的估计值。
水质模型和算法•反演模型：建立水质参数与遥感数据之间的关系模型，实现水质参数的反演。
•机器学习算法：利用机器学习算法，通过训练样本建立水质模型，实现水质参数的预测。
•统计方法：通过统计分析水质参数与遥感数据之间的关系，实现水质参数的估计。
遥感水质反演方法的优势与挑战遥感水质反演方法具有许多优势，但也面临一些挑战。
优势•非接触性：遥感技术可以在不接触水体的情况下获取水质信息，避免了传统采样方法的局限性。
•高时空分辨率：遥感数据具有较高的时空分辨率，可以实现对大范围水体的快速监测和预测。
遥感水质反演方法
遥感水质反演方法是利用遥感技术获取水体的光谱信息，并通过光谱反演模型来估算水质参数的一种方法。
常见的遥感水质反演方法有以下几种：
1. 定量遥感反演方法：通过构建光学模型，将遥感影像中的光谱信息与水质参数建立数学关系，从而估算水质参数。
常见的定量遥感反演方法有主成分分析法、最小二乘支持向量机法、遗传算法等。
2. 半定量遥感反演方法：利用遥感影像中各波段的反射率与水的溶解性固体、浊度等水质参数之间的经验关系，进行半定量的水质估算。
3. 统计学方法：通过收集水质取样的实测数据，并与遥感影像中的光谱数据进行统计分析，通过建立统计回归模型来估算水质参数。
4. 物理模型方法：通过建立水体光学模型，模拟光在水体中的传播过程，根据观测到的遥感影像数据与模型计算的光谱反射率进行比对，从而反演水质参数。
综合运用这些遥感水质反演方法，可以对水体的营养盐含量、叶绿素浓度、溶解有机物、浊度等水质参数进行高效准确的估算，为水资源管理和环境保护提供科学依据。
水体悬浮物浓度遥感反演经验模型摘要常规的悬浮物浓监测是通过对水体取样，进而再对水样进行实验室化学分析实现的，需要耗费大量的人力物力，而且所得到的仅是取样点的数据，对区域面状水域的评价只能是以点代面，因此，难以满足对大面积水环境质量监测的要求。
悬浮沉积物作为近海水体污染物的源和汇，是表征水环境质量的一个重要参数，同时又是水体的主要光学活性物质之一，与水体的光学性质密切相关，其浓度大小直接影响卫星遥感信号的强弱。
如叶绿素在440nm 附近有一吸收峰，在550nm附近有一反射峰，在可见光和近红外波段，悬浮物浓度的增加将导致水体反射率的增加等，正是由于这些光谱特性的存在，使得遥感监测水质参数成为可能。
从定量遥感的角度考虑，建立准确的遥感反演模型需要深入研究水体的光谱特征，国外对此研究较早，并且建立了完善的水体光学测量规范，为发展准确的遥感反演算法奠定了坚实的基础。
国内对此也开展了一些研究，尤其是在含沙水体光谱特征研究上，通过模拟实验和现场测量两种方式，获得了遥感反射率对应不同含沙量水体的变化规律。
但是，不同水域悬浮物的成分、粒径分布和浓度的不同，其相应的反射率光谱特性也有所差异，目前国内对不同区域水体光谱特征的把握上还不全面，所以遵循美国NASA的海洋光学测量规范，测量获取了实验海域混浊水体的水面反射率光谱和对应的水体悬浮泥沙浓度等数据，在分析实测光谱特征的基础上，研究了水体表层悬浮泥沙浓度与不同波段遥感反射率之间的相关性，从中选取敏感波段进行统计分析，采用回归方程建立悬浮泥沙浓度遥感反演经验模型。
另外，基于人工神经网络建立了悬浮物浓度遥感反演的经验模型。
1水体遥感原理1.1 水色遥感原理水色遥感是通过卫星传感器接收的离水辐射信号，对水体中待定物质的浓度信息等进行反演，这些物质主要包括浮游植物等悬浮物。
水体中各种物质组成及其对应的浓度差异是造成水体光学性质差异的主要原因，主要表现为水体的吸收特性和散射特性的不同。
因此，水体遥感的反演首先要获取与水体光学特性有光的离水辐射亮度，然后根据水体光学性质与对应物质的浓度等所具有的特定的关系，并借助一定的模型算法，从遥感影响上反演出水体中物质组成及其浓度等。
水体光谱性包括两个方面：表观光学特性（Apparent Optic Properties，AOPS）和固有的光学特性（Inherent Optic Properties，IOPS）1.2 悬浮泥沙遥感原理水体中悬浮泥沙光谱反射率具有双峰特种，通常第一反射峰位置在550-670nm，第二反射峰位置在780-830nm。
当水体中悬浮物质含量增加时，反射率波谱上的反射峰由短波向长波方向位移，及具有所谓的“红移现象”。
随着水体含沙的增加，反射率增加幅度最大波长与反射率波谱最大峰值位置基本上是吻合。
在含沙量较低时，第一反射峰值R1高于第二反射峰值R2.，随着S增加，R2.逐渐升高。
当悬浮物质颗粒教细时，随着S的增加，R2.升高的速度要大于R1升高的速度2建立遥感反演数据集反演过程如图1所示，分为五个阶段：2.1 实测悬浮物浓度在光谱测量的同时采集表层水样，低温冷藏带回实验室测量悬浮物浓度。
水体中的悬浮物包括无机部分(悬浮泥沙)和有机部分(浮游植物)，其中浮游植物由叶绿素的浓度表示。
悬浮泥沙浓度的测量采用“重量法”。
叶绿素浓度测量采用海洋监测规范提供的“分光光度法”。
2.2 悬浮泥沙浓度历史数据利用水利河口研究院从的悬浮泥沙实测数据，将研究海域划分为若干个个不同监测区域，每个观测区又分为若干采样点，每个采样点分别以一小时为间隔采集水体表层含沙量的连续观测数据。
多次采样时间也分别覆盖不同的潮情(大/中/小潮)和完整的潮时(涨落潮)。
从空间分布来看及时间角度分析，大潮含沙量通常高于中/小潮含沙量，这和大潮期间流速较急有关。
2.3 实测水面遥感反射率 现场光谱测量采用水面之上观测法，利用美国ASD便携式地物光谱仪和30%反射率的标准板分别测量水面、天空光和标准板的辐亮度，然后计算推导离水辐射率和遥感反射率等表观光学参数等。
光谱仪观测几何采用NASA 海洋光学观测规范推荐的观测角度设置，即仪器观测平面与太阳入射平面的夹角为135° (背向太阳方向)，仪器与海面法线方向的夹角为400;仪器积分时间固定为 136ms ，每次连续测量时间至少跨越一个波浪周期。
在避开太阳直射反射、忽略或避开水面泡沫等外界影响情况下，对于未经严格标定的光谱仪，标准板经过严格标定后，在固定积分时间状态下计算水面之上遥感反射率2.4 卫星遥感反射率采用美国NASA 的MODIS 资料作为建立遥感反演模型的卫星数据。
中分辨率成像光谱仪(MODIS)是美国宇航局研制大型空间遥感仪器。
它在36个相互配准的光谱波段，以中等分辨率水平(250~IO00m)、每1~2天观测地球表面一次，获取陆地和海洋温度、初级生产率、陆地表面覆盖、云、汽溶胶、水汽和火情等目标的图像。
NASA 不仅提供MODIS 原始数据，还据此发布多级数据产品(附表10)，其中地表反射率产品 (MOD09)是从 MODISLIB 数据的7个陆地波段经过大气校正获得的二级产品。
M0D09的大气校正是在MOD35产品进行云掩膜的基础上，采用65模型来进行，基本消除了大气分子、气溶胶与薄云等的干扰，估算出真实的地表反射率。
MODIS 陆地产品的具体处理流程见附图1。
因此，采用MOD09标准产品可以避免不同研究者对不同地区的数据进行大气校正过程的误差，统一的数据对于业务化遥感监测水体悬浮泥沙浓度以及结果的比较具有重要意义。
M0D09不仅有每天数据，还包括多天合成的次级产品，考虑到时空分辨率对近海水色遥感的影响，本文主要采用的是250m 分辨率的每天数据，其中心波长分别为 645nm 和848nm 。
3 悬浮物浓度遥感反演统计回归模型图 1 反演过程水体光谱反射率在不同波长位置对于泥沙浓度的响应存在差异，在分析水体光谱规律的基础上，可以从水中选取的敏感波段，建立水体悬浮泥沙浓度（SSC ）与遥感反射率（Rrs ）之间的数学统计关系式，实现对泥沙浓度的遥感反算。
根据常用水色卫星传感器可见光和近红外波段设置，分析不同的波段组合方式对水体悬浮泥沙浓度的响应关系，参考MODIS 水色波段和MERIS 波段范围，对实测的高光谱数据与悬浮泥沙浓度进行相关分析，据此选择敏感波段，并分析对单波段、组合波段的反射率比值形式，建立了水体悬浮泥沙浓度和特征波段遥感反射率之间的统计回归方程。
3.1 遥感反射率与悬浮物浓度相关分析近海水体中的悬浮颗粒物包括色素颗粒和非色素颗粒，非色素颗粒通常指悬浮泥沙，色素颗粒主要指浮游植物，通常以叶绿素浓度表示。
分析两类悬浮物浓度与遥感反射率之间的统计相关关系，是建立遥感反演经验模型的基础。
计算不同波段遥感反射率和泥沙浓度的相关系数，可以识别出对泥沙浓度变化敏感的光谱波段。
参考常用卫星数据MODIS 和MERIS 的可见光与近红外波段设置，分析不同光谱通道遥感反射率与悬浮泥沙浓度变化的相关性。
3.2 悬浮泥沙遥感监测敏感波段选择在选择敏感波段时，只能在卫星传感器波段设置与光谱仪波长范围内的交集中选取，即MODIS 与MERIS 数据的可见光和近红外波段。
选取的方法是根据水体的悬浮泥沙浓度与各波段的遥感反射率之间的相关性，取其相关性较大的波段为悬浮泥沙遥感监测敏感波段，结合水体光谱特征的研究结果，悬浮泥沙浓度在红外和近红外波段敏感反射率的响应度最高。
对于悬浮泥沙而言，与大于650nm 波段的遥感范围为600-800nm ；对于叶绿素而言，与其550nm 和667nm 波段附近的遥感反射率相关系数较大，可以作为遥感反射的敏感波段。
3.3 基于实测光谱的悬浮泥沙遥感统计回归模型以MODIS 敏感波段遥感反射率R 和对应的悬浮泥沙浓度S 建立统计回归模式。
在建立遥感反演的统计回归模式时，首先应该选择位于波峰并且反射率与泥沙浓度相关性较高的波段。
由获取的含沙水体光谱特征可知，MODISI 、2通道中心波长分别位于光谱曲线的两个反射峰附近，和表层水体含沙量的相关系数分别为0.53和0.84，而且250m 的空间分辨率可以满足近岸混浊水体含沙量遥感反演的空间分辨要求。
因此选择MODISI 、2通道作为悬浮泥沙遥感反演的基本波段，同时对这两个波段进行一定组合变换，分别采用简单线性回归、指数回归和幂函数回归进行拟合。
3.4 考虑粒径影响的悬浮泥沙浓度遥感反演模式已有的研究表明，在同样浓度的条件下悬浮物质的反射率会随着粒径的增大而下降，粒径的大小和反射率呈反比。
在实际情况中，即使是在同一个研究区范围内，悬沙粒子的粒径也有可能是不同的，尤其是在类似本文研究区的高能海区，由于絮凝作用导致悬浮颗粒物的粒径随着潮动力发生显著波动，因此进行悬浮泥沙浓度反演的过程中应当考虑到粒径变化的影响，将粒径作为一个因子放到统计回归模型中去。
4 悬浮物浓度遥感反演神经网络模型人工神经网络模型采用黑暗算法，本质上仍是一种经验模型，它可以充分利用特定传感器的多光谱波段数据，模拟遥感反射率与悬浮物之间的非线性响应关系，适用于不同悬浮物的单独或者同时反演。
用含沙量（1X ）和潮情（2X ）潮时（3X ）水深（4X ）流速（5X ）四个主要的潮动力因素，对垂直含沙量（Y ）进行模拟预测，所建概念模型为：()54321,,,,X X X X X f Y =相应的神经网络输入和输出节点也可以确定，输入节点数5（分别对应含沙量和潮情、潮时、水深、流速）、输出的节点数为1（对应垂线平均含沙量）。
隐含层的节点数的选取采用“试凑法”，通过在网络训练时使用循环语句来寻找最佳的隐含节点数。
网络的隐含层神经元的传递函数（1F ）和输出层神经元函数（2F ）均为sigmoid 函数。
最后确定单隐藏BP 神经网络结构见图2：5 结果分析与性能比较采用连续观测获取的水体悬浮泥沙浓度历史数据与MODIS 卫星遥感资料，利用人工神经网络方法建立了遥感反演模型。
对水体悬浮泥沙含量垂线分布规律进行分析与模拟。
分析垂线各层含沙量相关性，选取近表层的含沙量和水深、流速、潮情、潮时作为模型输入因子，垂线平均含沙量作为模型输出因子，建立模型对泥沙含量的垂线分布规律进行模拟。
模拟结果具有相对较高的空间分辨率，在海岸带水环境遥感监测中的应用前景更为广阔。
图 2 反演的神经网络模型。
