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
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
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
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
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。
基于MODIS数据的太湖蓝藻水华的遥感识别
重投影和几何纠正 (本研究主要为了获取蓝藻空间分布信息因此没有进行大气DIS数据的太湖蓝藻水华的遥感识别
1. 研究背景与意义
2.研究区概况 3.研究数据与方法
4.技术流程 5.预期效果与评价
1.1 近年来藻类发展迅猛, 藻类在湖面上出现越来越早, 历时 越来越长, 范围越来越广；由于蓝藻在其生长过程中会释放 毒素，溶解氧，引起水域内水体生物的大量死亡，导致湖泊 水质污染、恶化，严重威胁了湖泊水源地的饮水安全。 1.2 长期以来,湖泊水质监测数据采集大都依赖于常规监测, 耗时费力, 对于大面积的水域则难以进行同步测量, 难以满 足监测需要。 1.3 遥感技术作为一种区域性水环境监测手段, 由于其快速、 连续、 动态、同步、 范围广、 相对成本低等优点, 已广 泛应用于大洋开阔水体、 沿海以及湖泊水库的生态环境要 素监测。
由于蓝藻水华在近红外波段高反射，可见光波段低 反射；而水体恰好相反,可见光波段反射率较高，而在 近红波段吸收低,因此可以利用近红外与可见光波段比 值，区分蓝藻水华和其它水体，从而提取蓝藻。 我们如果使用Band2/Band4比值Q指标，
若Q>1,则为蓝藻水华； 若Q<1,则为水体
MODIS L1B影像数据自带地理坐标
需要注意的是！！！ （1）在可见光波段内（band3、4、1），由于浑浊水体 与蓝藻水华具有相似的光谱特征，均在band4形成反射 峰，并且峰值大小没有显著差异，故不得作为判别的通 道波段依据； （2）band2是区分蓝藻水华与浑浊水体、清洁水体的 最佳波段，但是就这样是不行的： 由于部分浑浊水 体近红外 波段反 射率相对较高,蓝 藻 水华光谱易与高浑浊水体混淆,因此仅使用单波段容 易扩大或者减小蓝藻信息。
太湖位于长江中下游平原是我国第三大淡水湖湖域面积 约2338km2；目前太湖水生生态系统主要包括各类浮游和底 栖生物，在东太湖区域还有部分水生植被生长。 当地环保系统报告表明以微囊藻为主要优势种的藻类生 物过度繁殖是造成太湖水华暴发水质恶化的主要原因。
《岱海叶绿素a遥感反演模型及藻华监测研究》范文
《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
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
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3号”卫星olci影像和c2rcc算法的南黄海叶绿素a及总悬浮物
悬浮物实测数据进行了比较分析$结果表明，叶绿素a的遥感反演尚未能达到业务化应用，总悬浮物遥感反演结果的空间
分布与实测值的一致性相对较好$但在星地同日或相差一天监测的南通海域，遥感反演叶绿素a浓度的空间分布趋势以
及总悬浮物遥感反演结果与海面实测结果的一致性较好，可达到一定的业务化应用效果$
关键词：哨兵3号；海洋和陆地彩色成像仪；C2RCC；叶绿素a；总*
环境监控与预警 Environmental Monitoring and Forewarning
Vol. 12 ,No.2 March 2020
D01：10.3969/j. issn.1674-6732.2020.02.002
基于&哨兵3号'卫星OLCI影像和C2RCC算法的 南黄海叶绿素）及总悬浮物反演效果分析
中图分类号：X87
文献标志码:B
文章编号：1674-6732 （2020） 02-0006-07
Retrieval of Chlorophyll-a and Total Suspended Matter Concentrations from Sentinel-3 OLCI Imagery by C2RCC Algorithm in South Yellow Sea
LI Xu-wen , WEI Ai-hong, JIANG Sheng, WANG Tian-tian , JI Xuan-yu , ZHANG Yue,JIAO Xin-ming % Jiangsu Provincial Environmental Monitoring Center, Jiangsu Provincial Marine Environment Monitoring and Forecasting Center, Nanjing , Jiangsu 210019 , China )
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
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。
太湖蓝藻水华预警监测技术体系的探讨
太湖蓝藻水华预警监测技术体系的探讨
徐恒省;洪维民;王亚超;翁键中;李继影
【期刊名称】《中国环境监测》
【年(卷),期】2008(024)002
【摘要】太湖蓝藻水华已经成为一个社会和政府共同关注的环境问题.为确保太湖地区饮水安全,提高政府应对蓝藻水华的能力,对太湖水源地蓝藻进行预警监测是判断蓝藻水华发展趋势以及制定相应的对策的重要手段.文章分析了蓝藻水华暴发的过程和蓝藻水华的监测技术,结合政府部门的实际,提出了太湖引用水源地蓝藻水华预警监测体系,对整个太湖地区乃至全国富营养化水体的水质预警具有重要的参考价值.
【总页数】4页(P62-65)
【作者】徐恒省;洪维民;王亚超;翁键中;李继影
【作者单位】苏州市环境监测中心站,江苏,苏州,215004;苏州市环境监测中心站,江苏,苏州,215004;苏州市环境监测中心站,江苏,苏州,215004;苏州市环境监测中心站,江苏,苏州,215004;苏州市环境监测中心站,江苏,苏州,215004
【正文语种】中文
【中图分类】X830.7
【相关文献】
1.再生水景观利用水华预警监测技术体系探讨 [J], 赵珊;李安娜;周军;甘一萍;周律;刘晶晶;
2.太湖蓝藻水华时空分布与预警监测响应的分析 [J], 翁建中;李继影;梁柱;洪维民;徐恒省;王亚超
3.太湖蓝藻水华预警监测综合系统的构建 [J], 黄君;张虎军;江岚;宋挺;戴敏
4.基于物联网技术的太湖蓝藻水华预警平台 [J], 杨宏伟;吴挺峰;张唯易;李未
5.BP神经网络在2005年太湖蓝藻水华预警中的应用 [J], 张娣;景元书;温新龙因版权原因，仅展示原文概要，查看原文内容请购买。
基于欧洲航天局“哨兵-2A”卫星的太湖蓝藻遥感监测
基于欧洲航天局“哨兵-2A”卫星的太湖蓝藻遥感监测李旭文;侍昊;张悦;牛志春;王甜甜;丁铭;蔡琨【摘要】欧洲航天局(ESA) 2015年6月23日成功发射“哨兵-2A”卫星,该卫星搭载的多光谱成像仪(MSI)在可见光(VIS)至短波红外(SWIR)波长区间配置了多种光谱波段/地面分辨率组合,可以获取大范围、较短重访周期、较高空间分辨率(10 m)的遥感影像.以太湖2016年6月13日MSI数据为例,在完成大气校正的基础上,分析了太湖典型地物类型光谱特征,采用归一化植被指数(NDVI)结合叶绿素反射峰强度(ρch1)构建的综合阈值法对贡湖湾的蓝藻水华信息进行了提取实验.结果表明:“哨兵-2A”卫星MSI影像质量清晰,可精细地反映植被、蓝藻、水体等典型地物类型的光谱特征;ρch1指数对中-高蓝藻聚集区与水生植被、轻度蓝藻聚集区与混合水体具有较好的分离能力;利用综合阈值法提取贡湖湾中-高蓝藻聚集区面积为60.37 km2,主要分布在贡湖北部沿岸、湖心和南部沿岸.“藻-水”混悬体面积为79.49 km2,贡湖湾东部蓝藻水华相对较轻.【期刊名称】《中国环境监测》【年(卷),期】2018(034)004【总页数】8页(P169-176)【关键词】“哨兵-2A”卫星;MSI传感器;归一化植被指数;叶绿索反射峰强度;蓝藻水华;太湖【作者】李旭文;侍昊;张悦;牛志春;王甜甜;丁铭;蔡琨【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】X8720世纪80年代后期以来，大量氮磷物质的汇入，加剧了太湖湖泊富营养化程度，浮游植物蓝藻水华大面积频发[1-2]，出现了明显的水生态问题。
基于哨兵1号的洪水淹没面积监测
基于哨兵1号的洪水淹没面积监测范伟;何彬方;姚筠;张宏群;荀尚培;刘惠敏【期刊名称】《气象科技》【年(卷),期】2018(046)002【摘要】It is significant to obtain the flood inundation area accurately in time in terms of fighting against flood disasters.But it is often rainy and cloudy when flood disaster happens,so the optical remote sensing is not able to survey the flood inundation area,which will decrease the timeliness and accuracy.The Synthetic Aperture Radar (SAR) can be applied to determine the flood inundation area and flood regions of the underlying surface in time,for it is not influenced by clouds and rains and can offer all-weather observation.Therefore,SAR can provide a strong guarantee for flood survey.In this article,the flood disaster in the Yangtze River region occurred in July 2016 is used as an example,in which the Sentinel-1 SAR data,along with threshold and RGB-band methods,are used,by means of GIS tools,to successfully extract the water areas from some lakes of the Yangtze River as well as the main stream of the Yangtze River.As a result,the submerged range and the flood area of each county are obtained.The flood area is analyzed and compared with the results of the MODIS monitoring in the same period.The results show that the method of water extraction and flood area calculation based on Sentinel-1 is effective,which can be the basis of researches on the application ofSentinel-1 data in flood disaster evaluation.%准确及时得到洪水淹没区域及淹没面积,对于抗洪救灾有着重要意义.洪涝灾害时基本为阴雨天,光学遥感无法监测到洪水淹没有效区域,使时效性和准确性下降,利用星载合成孔径雷达(SAR)则不受云雨影响、可全天候观测,及时获得下垫面洪水淹没区域及面积,可为洪水监测提供有力保障.本文以2016年7月长江流域洪水为例,应用哨兵1号(Sentinel-1)星载合成孔径雷达结合阈值法和伪彩色合成等方法,在GIS工具下对长江流域部分湖泊和长江干流等提取水体区域,得到淹没范围和分县淹没面积,进行洪水淹没区变化分析,并与同期MODIS影像监测结果进行对比验证.结果表明基于哨兵1号的水体提取方法和淹没面积的计算可行.【总页数】7页(P396-402)【作者】范伟;何彬方;姚筠;张宏群;荀尚培;刘惠敏【作者单位】安徽省气象科学研究所,合肥230031;安徽省大气科学与卫星遥感重点实验室,合肥230031;安徽省气象科学研究所,合肥230031;安徽省大气科学与卫星遥感重点实验室,合肥230031;安徽省气象科学研究所,合肥230031;安徽省大气科学与卫星遥感重点实验室,合肥230031;安徽省气象科学研究所,合肥230031;安徽省大气科学与卫星遥感重点实验室,合肥230031;安徽省气象科学研究所,合肥230031;安徽省大气科学与卫星遥感重点实验室,合肥230031;安徽省气象科学研究所,合肥230031;安徽省大气科学与卫星遥感重点实验室,合肥230031【正文语种】中文【中图分类】X43【相关文献】1.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 Kun2.基于哨兵-1A时间序列合成孔经雷达的地铁沿线地面沉降监测与分析 [J], 任超; 施显健; 周吕; 黄远林; 梁月吉; 朱子林3.基于哨兵2号卫星影像的柬埔寨上丁省土地资源监测技术研究 [J], 谢国雪;穆琳;苏秋群;张家玫;苏秀刚4.基于ArcGIS的渭河下游洪水淹没面积的计算 [J], 冯丽丽;李天文;陈正江;姚任平;吴琳;程一曼5.基于Arc/Info的洪水淹没面积的计算方法 [J], 刘小生;黄玉生因版权原因，仅展示原文概要，查看原文内容请购买。
基于物联网技术的太湖蓝藻水华预警平台
基于物联网技术的太湖蓝藻水华预警平台杨宏伟;吴挺峰;张唯易;李未【期刊名称】《计算机应用》【年(卷),期】2011(31)10【摘要】To overcome the shortcomings of conventional algal bloom forecast system in acquiring data, this study applied the Internet of Things (IoT) technology to establish a data transmission network with three-layer structure, and thus secured data continuity. With improved retrieval approach of water quality parameters, technology of Wireless Sensor Network (WSN) and forecast model of algal bloom, the blue-green algal bloom forecast platform was developed. The evaluation demonstrates that the platform achieves an overall accuracy of 80% in forecasting blue-green blooms in Taihu Lake in next three days.%针对以往藻类水华预测系统在数据源方面存在的不足,采用物联网技术,实现基于三层网络传输结构的监测体系,保证了数据的时间连续性；并对遥感水质参数定量反演方法、中程无线传感网络技术和藻类水华预测预警模型方面进行了改进.在此基础上,开发了太湖蓝藻预测预警平台,运行结果表明蓝藻水华未来3天的平均预测精度达到了80％以上.【总页数】4页(P2841-2843,2860)【作者】杨宏伟;吴挺峰;张唯易;李未【作者单位】南京大学地理与海洋科学学院,南京210093;中国科学院南京地理与湖泊研究所,南京210008;中国科学院南京地理与湖泊研究所,南京210008;中国科学院上海微系统与信息技术研究所,上海200050;中国科学院南京地理与湖泊研究所,南京210008【正文语种】中文【中图分类】TP391.45;TP79【相关文献】1.基于国产"风云三号"卫星MERSI的太湖蓝藻水华监测业务化应用 [J], 石浚哲;吴蔚;宋挺;徐超;郁建林;程东阳;周伏艳2.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[J], 李旭文;侍昊;王甜甜;姜晟;张悦;蔡琨;丁铭3.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4.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 Kun5.基于Otsu算法的太湖蓝藻水华与水生植被遥感同步监测方法 [J], 曹鹏; 梁其椿; 李淑敏因版权原因，仅展示原文概要，查看原文内容请购买。
太湖蓝藻水华的日动态遥感监测
太湖蓝藻水华的日动态遥感监测
严飞;张敏
【期刊名称】《中国资源综合利用》
【年(卷),期】2022(40)4
【摘要】太湖蓝藻水华是民众和有关部门较为关注的环境问题,当前迫切需要实现蓝藻水华的时空动态监测。
本研究使用NDVI指数等间隔阈值法对5 d、40景的GOCI卫星遥感影像进行了蓝藻水华提取。
结果表明,基于GOCI数据的蓝藻水华提取,所使用的NDVI指数取得了较好的效果;太湖蓝藻水华的日动态变化符合蓝藻型富营养湖泊藻量昼变化规律;相比于MODIS等极轨卫星,GOCI数据具有高时间分辨率的优势,可反映蓝藻水华在一天内的动态迁移和变化过程,在湖泊蓝藻水华监测预警中具有重大应用潜力。
【总页数】3页(P170-172)
【作者】严飞;张敏
【作者单位】江苏省无锡环境监测中心;江苏沙钢集团有限公司
【正文语种】中文
【中图分类】X524;X87
【相关文献】
1.基于Otsu算法的太湖蓝藻水华与水生植被遥感同步监测方法
2.基于GOCI数据的太湖叶绿素a浓度反演和蓝藻水华遥感监测
3.基于无人机高光谱遥感在太湖蓝藻水华监测中的一次应用
因版权原因，仅展示原文概要，查看原文内容请购买。
基于哨兵2号时序影像的水华提取
基于哨兵2号时序影像的水华提取
敦力民;尹海丹;马嵩
【期刊名称】《地理空间信息》
【年(卷),期】2024(22)1
【摘要】水华现象给人类生活和社会发展造成了负面影响,而目前设计的水华指数较难应用于哨兵2号影像。
以哨兵2号遥感影像为数据源,通过分析水华、水体、水田等地物的时序光谱特征,提出从时序特征的角度区分水体与水田,再利用多元逐步线性回归的思想进行水华提取的方法;并与常用的浮游藻类指数(FAI)进行了对比实验。
结果表明,该方法的提取精度优于FAI,总体精度达到90%以上,Kappa系数达到0.8以上,并能有效减少水田、水生植物、薄云等虚警,具有良好的提取精度与普适性。
【总页数】5页(P44-48)
【作者】敦力民;尹海丹;马嵩
【作者单位】沈阳市勘察测绘研究院有限公司;四川省国土空间规划研究院;广东省深圳生态环境监测中心站
【正文语种】中文
【中图分类】P237;P237
【相关文献】
1.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
2.基于哨兵二号影像的哈尔滨市主城区城市精细地物提取及分析
3.基于哨兵2号时
序影像的冬小麦空间分布研究4.基于哨兵二号遥感影像的近海养殖区提取方法研究5.基于时序哨兵1号数据的黑龙港流域农作物类别精细提取研究
因版权原因，仅展示原文概要，查看原文内容请购买。
星载GNSS-R检测太湖水华可行性分析
星载GNSS-R检测太湖水华可行性分析张云;王雨;周绍辉;孟婉婷;韩彦岭;杨树瑚【期刊名称】《北京航空航天大学学报》【年(卷),期】2024(50)3【摘要】星载全球导航卫星系统反射信号(GNSS-R)属于被动遥感技术,具有数据重访周期高、全天时、全天候、信号源丰富等优势。
基于此,研究星载GNSS-R检测太湖水华的可行性。
星载GNSS-R可以有效检测反射面的粗糙程度,通过使用相干反射表征反射面的粗糙度,研究不同风速区间内相干反射与蓝藻水华的关系。
利用2020年4—8月美国气旋全球导航卫星系统(CYGNSS)数据,计算CYGNSS镜面反射点的时延多普勒图(DDM)功率比。
以“哨兵-3”卫星水色遥感仪器(OLCI)影像最大特征峰高度(MPH)算法反演出的太湖叶绿素浓度作为参照,与欧洲中期天气预报中心(ECMWF)的风速产品进行时空间线性匹配,分析发现,在1~2.5 m/s风速区间内,叶绿素浓度达到0.1 mg/L以上时,极易引起镜面反射点发生相干反射,且功率比与叶绿素浓度的相关系数为0.84,具有良好的相关性。
实验结果证明了利用星载GNSS-R的功率比及相关特性实现太湖水华检测的可行性。
【总页数】11页(P695-705)【作者】张云;王雨;周绍辉;孟婉婷;韩彦岭;杨树瑚【作者单位】上海海洋大学信息学院;上海海洋智能信息与导航遥感工程技术研究中心;上海航天空间技术有限公司;上海航天电子技术研究所【正文语种】中文【中图分类】P715.6【相关文献】1.利用星载GNSS-R DDM反演土壤湿度可行性分析2.星载GNSS-R台风观测资料分析3.星载GNSS-R海冰检测与海冰密集度反演方法研究4.基于CART决策树的星载GNSS-R海冰检测方法5.一种改进的星载GNSS-R卷积神经网络海冰检测方法因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
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LI Xuwen;ZHANG Yue;SHI Hao;JIANG Sheng;WANG Tiantian;DING Ming;CAI Kun【摘要】欧洲航天局于2016年2月16日成功发射哨兵-3A卫星,搭载的水色遥感仪器(OLCI)提供了很好的海洋和内陆水体生态指标观测反演能力.基于OLCI获取的太湖L1b级遥感数据产品,利用OLCI Oa10、Oa11、Oa12波段计算了重要的水色/水生态遥感指标,即最大叶绿素指数(MCI),在此基础上初步分析了MCI在太湖蓝藻水华监测预警中应用效果.研究表明:①哨兵-3A卫星OLCI影像质量清晰,构建的MCI能够反映太湖水体叶绿素信号强度;(②与常用的归一化植被指数相比,在蓝藻没有明显积聚的藻-水混悬水域,MCI与叶绿素浓度有很好的关联,可更灵敏地反映叶绿素浓度的空间分布特征.MCI将在蓝藻监测上具有更好的适用性,可有效提高富营养湖泊蓝藻水华的预警预报精度.【期刊名称】《中国环境监测》【年(卷),期】2019(035)003【总页数】10页(P146-155)【关键词】哨兵-3A;OLCI;蓝藻;MCI;太湖【作者】LI Xuwen;ZHANG Yue;SHI Hao;JIANG Sheng;WANG Tiantian;DING Ming;CAI Kun【作者单位】;;;;;;【正文语种】中文【中图分类】X872016年2月16日，根据欧洲航天局(ESA)哥白尼计划哨兵-3A(Sentinel-3A)成功发射[1]。
为保持对地观测能力的技术延续性，哨兵-3A卫星设计了新的传感器，可动态监测全球环境与安全状况，获得海洋、陆地、冰雪、大气的关键性遥感监测信息[2-4]。
哨兵-3A卫星高度814.5 km，携带水色遥感仪器(OLCI)、海洋与陆地表面温度探测器(SLSTR)、合成孔径雷达(SRAL)、成像微波传感器(MWR)等4台仪器。
OLCI是哨兵-3A的主要传感器之一，继承了中等分辨率成像频谱仪(MERIS)成功的水色光学遥感技术，在悬浮物、浮游植物、叶绿素浓度等水色/水生态遥感方面有很大的应用潜力。
但该数据在大型湖泊蓝藻水华遥感监测的应用中几乎鲜有报道，因此，以蓝藻水华频发的太湖为例，采用最大叶绿素指数(MCI)算法提取蓝藻信息，以期发挥这一新型遥感数据源在太湖蓝藻水华遥感监测中的作用。
1 传感器性能原理OLCI是哨兵-3A卫星的主要传感器之一，星下点分辨率300 m，通过扇形并排的5个相机以推扫模式对地成像，每个相机视场角为14.2°，相邻相机0.6°重叠，总的观测视场角为68.6°，5台相机得到1 270 km的刈幅，为了减少太阳在水面等形成的反射耀斑影响，总观测视场的主轴略朝西侧偏约12.6°[5-6]，其成像几何图见图1。
图1 哨兵-3A卫星OLCI的成像几何图Fig.1 Basicimaging geometry of Sentinel-3A OLCIOLCI为公益性卫星遥感数据，在ESA的Copernicus Open Access Hub网站(https://scihub.copernicus.eu)提供免费下载，产品为已完成地形校正的L1b级别的大气顶部辐亮度数据[7]。
哨兵-3A卫星OLCI传感器在400～1 020 nm可见光至近红外波长范围有21个波段，提供了很好的海洋和内陆水体生态指标遥感反演能力，尤其是在悬浮物、浮游植物、叶绿素浓度等水色/水生态遥感方面有很大的应用潜力[8]，各波段的水色/水生态遥感应用功能见表1。
近年来，基于红光至近红外反射峰值的遥感叶绿素算法，如峰值反射率与670 nm处反射率的比值、峰值位置、反射率导数分析、反射峰面积的计算等[9-12]，在各类浮游植物的遥感监测研究中得到应用。
其中，针对MERIS数据提取蓝藻优势水体叶绿素浓度、蓝藻水华强度、空间分布遥感信息的MCI算法，在全球典型的富营养、光学特性复杂的内陆水体如北美伊利湖、伍兹湖中的蓝藻水华遥感监测研究[13-16]中得到成功应用。
表1 哨兵-3A卫星OLCI的波段特性和主要水色/水生态遥感应用功能Table 1 Band characteristics ofSentinel-3A OLCI and the main water color-ecosystem remote sensing application functions波段中心波长/nm带宽/nm 主要水色/水生态遥感应用功能Oa1*40015参与大气校正中气溶胶订正、改进水汽订正Oa2412.510反演水体中的黄色物质及陆源物质(如影响水体浑浊度的泥沙量等)Oa3442.510反演叶绿素吸收,植物地球化学效应分析Oa449010反演水体高含量叶绿素、其他色素等Oa551010反演叶绿素、悬浮物,监测海洋赤潮Oa656010提供水体叶绿素反演的参照基准Oa762010反演悬浮物载量Oa866510参与反演叶绿素、悬浮物、黄色物质,浮游植物分析(如归一化植被指数)Oa9*673.757.5配合665、681 nm波段,提高荧光光谱反演精度Oa10681.257.5提供叶绿素荧光峰信息Oa11708.7510提供叶绿素荧光峰检测基线值,MCI的信号波段Oa12753.757.5氧分子吸收,植被监测Oa13761.252.5氧分子吸收波段,气溶胶反演Oa14*764.3753.75大气校正Oa15*767.52.5提供云顶氧压、陆面荧光强度信息。
Oa16778.7515参与大气校正中气溶胶订正Oa1786520参与大气校正中气溶胶订正,云检测Oa1888510水汽吸收参考波段,植被监测Oa1990010水汽吸收,植被监测Oa20*94020水汽吸收,参与大气校正中气溶胶订正Oa21*102040参与大气校正中气溶胶订正注“*”表示OLCI比MERIS新增的波段。
2 研究区概况太湖是我国第三大淡水湖泊，其流域位于长江三角洲的南缘，是一个典型的碟形洼地平原，流域总面积约36 900 km2，是全国人口最稠密、工农业生产最发达的地区之一，流域行政区划分属江苏、浙江、上海、安徽3省1市[17-18]。
太湖具有饮水、工农业用水、航运、旅游、流域防洪调蓄等多种功能，是长江三角洲地区社会经济发展的重要水资源[19-21]。
由于冬季至春季太湖氮磷营养物质浓度较高，到了春末至夏初一段时期往往是太湖蓝藻水华容易大面积暴发的时段，为了解太湖蓝藻在春、夏季的发生和分布特征，选取太湖跨度从冬季直至盛夏的且云量较少的哨兵-3A卫星OLCI影像进行分析，时间分别为2017年1月26日、2月26日、3月26日、4月29日、5月26日、7月27日(下载网址https://scihub.copernicus.eu)。
如图2所示，2017年1—7月OLCI遥感影像可以较好地显示太湖蓝藻水华的影像纹理、局部水域蓝藻的积聚强度、积聚形态的变化过程，具有太湖全湖蓝藻分布及暴发强度状况快速观测能力，有助于深化对太湖蓝藻水华浮沉、积聚、漂流等发生与演变规律的认识，为蓝藻打捞、暴发防控提供支持。
图2 2017年1—7月太湖OLCI真彩色合成影像Fig.2 OLCI natural color composite images of Lake Taihu for six typical dates from January to July,20173 研究方法3.1 最大叶绿素指数MCI是指征蓝藻优势型水体叶绿素浓度的重要水色遥感指标，是内陆水体蓝藻水华遥感监测的首选方法[22]。
针对含蓝藻水体在650～750 nm的反射光谱等特征，利用2个端点波段的辐亮度或遥感反射率,构建一条跨2个端点波长区间的光谱基线，含叶绿素水体在信号波段具有光谱反射峰，其遥感测量值与基线波长处的内插值之差，即为MCI，与蓝藻优势型水体的叶绿素浓度有很好的正相关[23]。
常见的微囊藻、鱼腥藻等原核细胞浮游植物水华，藻细胞在708～710 nm波长一带有很强的后向散射光谱特性，其MCI遥感信号为正值，因此MCI是监测水体蓝藻十分灵敏的遥感指数，在国际上主要湖泊应用效果较好[14-15]。
全球各典型湖泊应用经验也表明,MCI对于叶绿素浓度为10～300 mg/m3的中到富营养湖泊蓝藻水华十分有效，但对叶绿素浓度低(<10 mg/m3)的贫到中营养湖泊有一定局限[24-26]，太湖近40年来长期处于中到重度富营养水平，适宜用MCI开展蓝藻水华遥感监测与评价。
MCI计算式如下：(1)式中：MCI指最大叶绿素指数；L1、L2、L3分别指中心波长为λ1、λ2、λ3的辐亮度，其中，λ1=680.5 nm，λ2=708 nm，λ3=753 nm。
ESA提供了处理和分析哨兵系列卫星遥感数据的软件SNAP(Sentinel Application Platform)，其中已经实现了基于MERIS、OLCI数据计算MCI的算法，软件中为了校正大气中薄云带来的光谱辐亮度影响，根据实际经验略做了系数修正：(2)式中：MCI、L1、L2、L3、λ1、λ2、λ3所代表的意义，同公式(1)中所指。
目前，ESA发布L1b级的OLCI数据为大气顶部辐亮度产品，因此，基于辐亮度计算得到的MCI具有物理单位(w·m-2·sr-1·μm-1)。
图像处理软件(SNAP)提供了针对OLCI辐亮度与表观反射率转换和投影转换等数据预处理功能，通过下式把太湖各像元的OLCI辐亮度转换为表观反射率：(3)式中：rTOA(λ)为表观反射率，LTOA(λ)为该波段的辐亮度，E0(λ)为太阳在该波段的光谱辐照度，θ为像元处的太阳天顶角。
为比较MCI对太湖水体蓝藻的灵敏程度，将OLCI影像辐亮度转换为统一的表观反射率后计算。
MCI计算公式如下：MCI=rTOA(Oa11)-1.005*(rTOA(Oa10)+(rTOA(Oa12)-rTOA(Oa10))×)(4)式中：rTOA(Oa10)、rTOA(Oa11)、rTOA(Oa12)分别为Oa10、Oa11、、Oa12波段的表现反射率。
由于公式(4)中3个波段的中心波长均位于红光至近红外的红边区间，受到大气分子及气溶胶吸收、散射等的影响程度较为接近，加之MCI的差分计算特性，很好地消除了大气的影响。
因此，大气校正处理对计算MCI不是必要的步骤，可以直接使用表观反射率计算。
3.2 归一化植被指数对于OLCI的波段设置，采用波长为865、665 nm 2个波段的表观反射率计算归一化植被指数：(5)式中：NDVI表示归一化植被指数，rTOA(Oa17)、rTOA(Oa8)分别为Oa17(波长为865 nm)、Oa8(波长为665 nm)2个波段的表现反射率。