台湾海峡叶绿素浓度反演
叶绿素反演流程
叶绿素反演流程引言：叶绿素是植物和藻类中存在的一种重要生物色素，它在光合作用中扮演着关键的角色。
叶绿素反演指的是通过遥感技术获取地表叶绿素含量的过程。
叶绿素反演流程包括数据获取、预处理、辐射传输模型建立、参数反演等步骤。
本文将详细介绍叶绿素反演的流程。
一、数据获取叶绿素反演的第一步是获取遥感数据。
常用的遥感数据包括高光谱数据和多光谱数据。
高光谱数据可以提供丰富的光谱信息，而多光谱数据则具有较高的空间分辨率。
通过卫星或无人机获取的遥感数据可以用于叶绿素反演。
二、预处理在进行叶绿素反演之前，需要对遥感数据进行预处理。
预处理的目的是去除噪声、纠正辐射定标系数以及大气校正。
常用的预处理方法包括辐射定标、大气校正以及影像配准等。
三、辐射传输模型建立辐射传输模型是叶绿素反演的关键环节，其目的是建立地表辐射与叶绿素含量之间的关系。
辐射传输模型通常基于物理原理，考虑了光的散射、吸收和透射等过程。
常用的辐射传输模型有PROSAIL、PROSPECT等。
四、参数反演在建立了辐射传输模型之后，可以通过参数反演来获取地表叶绿素含量。
参数反演的目标是找到最佳的模型参数，使模型模拟结果与实测数据尽可能吻合。
参数反演方法包括基于优化算法的全局搜索和基于统计学的回归分析等。
五、结果评估获得叶绿素反演结果后，需要对结果进行评估。
评估的指标包括误差分析、相关系数以及精度评价等。
通过评估可以判断叶绿素反演结果的可靠性和准确性。
六、应用与展望叶绿素反演的结果可以用于植被健康监测、农作物生长状况评估以及水质监测等领域。
未来，随着遥感技术的进一步发展，叶绿素反演的精度和应用范围将进一步扩大。
结论：叶绿素反演是通过遥感技术获取地表叶绿素含量的一种重要方法。
叶绿素反演流程包括数据获取、预处理、辐射传输模型建立、参数反演等步骤。
通过叶绿素反演可以实现对植被健康状态和水质状况的监测与评估，具有重要的应用价值。
未来，叶绿素反演技术将在农业、环境保护等领域发挥更大的作用。
台湾海峡及其邻近海域表层水叶绿素α含量时空变化特征
关键词： 海洋 生物学 ； 叶绿 素 口 表层 水 ； ； 分布 ； 季节 变化 ； 环境调控 ； 台湾海峡
ＤＯＩ１ ． ９ ９ Ｊ Ｉ Ｓ １ ０ — １ ０ ２ １ ． ｌ ０ ６ ：０ ３ ６ ／ ．Ｓ Ｎ． ０ ０ ８ ６ ． ０ ０ ０ ＿ ０
ቤተ መጻሕፍቲ ባይዱ中 图分 类 号 ： ８５ Ｑ１ ．３ ７
１ 期
康建华等 ： 台湾海峡及其邻近海域表层水叶绿素 ａ含量时空变化特征
・ ５・ ３
平 ２号 ” 对 台湾 海 峡 进行 了夏 、 、 、 ４个 季 节 的现 场 生物 量 调查 研 究 ． 船 冬 春 秋 每个 季 节 调 查 均设 置 断 面 ２ ０ 条 ， 站多达 １１ ， 测 ０ 个 调查 的具体 站位 见 图 １每 个站 位通 过美 国海 鸟公 司生产 的 Ｓ Ｅ １ ｌｓ Ｔ ． Ｂ ９７Ｐｕ Ｄ测定 表层 Ｃ 的水温 、 盐度 ． 解氧 和营 养盐含 量 的测定 按 国家《 洋调 查规 范》 进 行． 溶 海
１９ 年 ２ ， ９５ 月 福建海洋研究所与厦门大学环境科学研究中心对台湾海峡及其邻近海域生物量调控机制进行 了研究 ；９ ７年 ８月和 １９ １９ ９ ９年 ８月福建 海洋研 究所 和厦 门大 学在 台湾 海峡 进 行 了生源 要素 生物 地球 过 程研究 的现场综合 调查 ， 根据 研究 的水温 、 度 、 盐 营养盐 和 叶绿 素资料 ， 讨论 了台湾海 峡 营养盐 物理输入对 叶
量 的时 空变化特 征及其调 控 因素． 结果表 明 ， 台湾海峡表层 水体从 南至北叶绿 素 。含 量的季 节变化 存在 着明显差异 ． 在北部 海 区叶绿素 口含 量平 均值 以春 季居 高， 冬季 最低 ； 中部 海 区以秋 季最 高 ， 夏
海洋叶绿素a浓度反演及其在赤潮监测中的应用_图文(精)
海洋叶绿素a浓度反演及其在赤潮监测中的应用X 张春桂1曾银东2张星3潘卫华1林晶11(福建省气象科学研究所,福州3500012(福建省海洋环境与渔业资源监测中心,福州3500033(福建省气象局,福州350001摘要采用OC2和OC3两种标准经验算法以及Clark和N SM C-CASE2两种半分析算法进行了M O DIS海洋叶绿素a 浓度反演,并根据2004年福建近海赤潮监控区内10个站点的叶绿素a浓度观测数据对反演结果进行了分析。
利用20022005年M O DIS叶绿素a浓度反演结果对同期发生在福建近海的赤潮灾害进行了初步研究,并探讨了250m和500m分辨率的M ODI S可见光数据对赤潮灾害监测的可能性。
结果表明:两种标准经验算法和两种半分析算法对叶绿素a浓度的反演均存在不同程度的偏高,相对而言,OC3标准经验算法比较适合基于M ODIS的福建近海叶绿素a浓度反演;M ODI S红光(250m和绿光(500m通道数据的比值在赤潮灾害发生过程中发生了显著变化,在灾害发生时其值明显较灾前和灾后均偏大。
关键词:遥感;赤潮;叶绿素a;M ODIS资料引言赤潮(也称有害藻华是指由于海洋浮游生物的过度繁殖造成海水变色的现象,一般认为是一种自然灾害。
赤潮除了使渔业经济遭受损失外,有毒赤潮还会导致海洋生物和人畜死亡,已成为全球海洋公害,因此赤潮灾害被列为国际海洋生物研究的重要内容。
随着我国海洋开发和沿海地区经济的快速发展,我国赤潮灾害发生越来越频繁,据统计20世纪70年代我国赤潮灾害发生9次,80年代发生75次,至90年代猛增到262次[1]。
福建沿海是我国赤潮多发区之一,有记录的赤潮事件共计113起,并呈逐年增多的趋势,其中2001年6起,2002年17起, 2003年29起。
在福建沿岸海域已经引发过赤潮灾害的生物达17种,东海原甲藻、米氏凯伦藻、夜光藻和中肋骨条藻是近年来诱发赤潮灾害的主要生物,多数无毒无害,少数甲藻引起的赤潮有毒有害[2]。
台湾海峡真光层深度半分析算法遥感反演的真实性检验
是描述海 水光 学 特 性 的 参 数 之 一 ， 水 中浮 游 植 物 、 海 无 机悬 浮物 、 黄色 物质 的 含 量 和 成 分 与其 密 切 相 关． 在 物理海 洋学上 ， 真光 层 深度 的 分 布特 征 可 以用 于辅 助水 团、 流系 的识别 ； 同时 ， 光层 深 度 是海 洋 生 物进 真 行 有效光 合作 用 的 深 度 ， 研 究 浮游 植 物 光 合 作 用 、 是
维普资讯
第４卷 ６
增刊 １
厦 门大学学报 （ 自然科 学版 ）
Ｊ ｕ ｎ ｌ ｆＸｉｍｅ ｉ ｅｓｔ （ ｔ ｒ ｌＳ ｉｎ ｅ ｏ ｒ ａ ａ ｎ Ｕｎｖ ｒ ｉ Ｎａ ｕ ａ ｃｅ ｃ ） ｏ ｙ
Ｖｏ ． ６ Ｓ ｐ １ Ｉ４ ｕ ．
ＷｉＳ ＭＬ ） 据 应 用 Ｓ ａ ＡＳ软件 ， 理 成 １ ６ Ｆ （ ＡＣ 数 ｅＤ 处 １。
～
记为 ［ ｈ＇ 法） Ｃ ｌ算 ｌ ．
摘要 ：应用 Ｓａ Ｆ 遥感数据， ｅＷｉＳ 采用最新的基于固有光学特性的半分析算法进行台湾海峡真光层反演・ 与卫星过境时
间 士２小 时 内实 测 的 数 据 比对 的 结 果 。 均 相 对 误 差 为 １ ． ， 方 根 误 差 为 ０ ０ ７８ 。 感 反 演 与 实 测 数 据 之 间 相 关 平 ６７ 均 ． ７ １ 遥 系 数 达 到 ０ ８ ． 对 于 叶 绿 素 反 演 算 法 （ 均 相 对误 差 ３ ． ， ．７ 相 平 ８ ０ 均方 根误 差 ０ １ ２４ 相 关 系 数 ０ ５ ） 有 较 高 的反 演准 确 ． ５ ， ．６ ， 性 ． 明 该 算 法 不 仅适 用 于 Ｇｕｆ ｆ ｘｃ 、 ｎｅｅ ａ 说 ｌ ｏ ｉ Ｍｏ ｔｒｙＢ ｙ和 Ａｒｂａ ｅ ， 适 用 于 台湾 海 峡 ． Ｍｅ ｏ ａ ｉ Ｓａ 也 ｎ
基于HJ-1ACCD数据的湖泊叶绿素a浓度反演
基于HJ-1ACCD数据的湖泊叶绿素a浓度反演湖泊叶绿素a浓度是衡量水体藻类生长和水质的重要指标之一，对于湖泊生态环境的监测和保护具有重要意义。
传统的叶绿素a浓度监测方式需要耗费大量人力物力进行野外调查和实验室分析，费时费力。
而基于遥感数据的叶绿素a浓度反演方法可以大大提高监测效率和准确性，成为了当前研究的热点之一。
HJ-1A和HJ-1B，它们分别搭载有多光谱和全色相机，能够获取30米分辨率的多光谱和16米全色影像数据。
这使得HJ-1星系列数据成为了进行叶绿素a浓度反演研究的理想选择。
本文将基于HJ-1ACCD数据进行湖泊叶绿素a浓度反演的研究，以期为湖泊水质监测提供更为高效、精确的方法。
一、HJ-1ACCD数据HJ-1ACCD是由环境卫星应用与服务中心提供的一种遥感产品数据，其数据涵盖了中国大陆及周边地区的陆地环境、植被和农田等多种信息。
HJ-1ACCD数据以HJ-1A/B卫星的CCD传感器为基础，通过对CCD传感器数据的预处理和气象校正，生成了表征地表反射率和植被生长状况的遥感产品，包括植被指数、叶绿素含量等。
二、湖泊叶绿素a浓度反演方法1.建立叶绿素a浓度与遥感数据的定量关系模型我们需要采集湖泊水体的实地采样数据，包括叶绿素a浓度、水体颜色、透明度等指标。
然后，利用HJ-1ACCD数据获取湖泊水体的遥感信息，如反射率、光谱特征等。
接着，利用统计学方法或机器学习算法建立叶绿素a浓度与遥感数据之间的定量关系模型，例如多元线性回归模型、支持向量机模型等。
2.验证模型准确性建立模型后，需要对其进行验证，以验证模型的准确性和可靠性。
可以利用另外采集的实地数据进行验证，或者采用交叉验证等方法进行模型验证。
3.应用模型进行叶绿素a浓度反演一旦模型验证通过，就可以将模型应用于湖泊叶绿素a浓度的遥感反演工作中。
利用HJ-1ACCD数据获取的遥感信息，输入到建立的模型中，就可以得到湖泊叶绿素a浓度的反演结果。
基于带模型的叶绿素a浓度反演精度评估
基于带模型的叶绿素a浓度反演精度评估陈军;陆凯;王保军【摘要】为了评估遥感反演叶绿素a浓度的精度,以2004年8月19日太湖38个水质样本数据和同步Hyperion卫星遥感影像数据为基础,借鉴四波段半分析算法,结合空间数据不确定性原理,构建了基于四波段半分析算法的“带模型”.通过研究与探讨可知,当叶绿素a浓度为10～20 μg/L和50～100 μg/L时,叶绿素a浓度的反演误差较小,大约为±20％；当叶绿素a浓度在20～50 μg/L时,叶绿素a浓度的反演误差较大,大约为±40％,局部区段的误差高达±60％左右.与传统的误差表示方法相比较,“带模型”能更详细且能准确地给出太湖水体叶绿素a浓度反演结果的误差信息.%With the spectral experiment and the simultaneous observation results of Hyperion satellite on 19 August, 2004 as the basic dataset, the authors used the uncertainty principle of spatial data to develop a " bands model" for chlorophyll-a concentration retrieval algorithm of the subsection mapping retrieval model. It is thus found that in the ranges of 10 -20 μg/L and 50 - 100 μg/L, the retrieval error of chlorophy ll-a concentration is relatively low, (approximately ±20% ) , whereas in the range of 20 -50 μg/L, the retrieval error of chlorophyll-a concentration is relatively high, ( approximately ± 40% ). A comparison with the traditional methods for error describing shows that the "bands model" could include more detailed and accurate information of data quality for remote sensing products.【期刊名称】《国土资源遥感》【年(卷),期】2011(000)004【总页数】4页(P83-86)【关键词】遥感;带模型;叶绿素a;太湖【作者】陈军;陆凯;王保军【作者单位】国土资源部海洋油气资源与环境地质重点实验室,青岛266071;青岛海洋地质研究所,青岛266071;国土资源部海洋油气资源与环境地质重点实验室,青岛266071;青岛海洋地质研究所,青岛266071;国土资源部海洋油气资源与环境地质重点实验室,青岛266071;青岛海洋地质研究所,青岛266071【正文语种】中文【中图分类】TP79;X832水色遥感产品(主要指叶绿素a浓度、悬浮泥沙浓度和可溶有机物质浓度遥感观测信息)的精度评估及表达是水色遥感研究的难点和热点之一。
因子分析法在水质参数反演中的应用
关键词 ：太湖 ； 巢湖 ； 因子分析 ； 水色 ； 总悬浮物 ； 叶绿素
Ａｐ ｌ ａ ｉｎ ｏ ａ ｔ ｒａ ａｙ ｉ ｅｈ ｄ ｉ ｔ ｒ ｕ ｌｙ ｐ ｒ ｍｅｅ ｓ ｉｖ ｒｉｇ ｐｉ ｔ ｆｆｃｏ ｎ ｌｓｓ ｍ ｔ ｏ ｗａ ｅ ａｉ ａ ａ ｔ ｒ ｎ ｅ ｓｎ ｃ ｏ ｎ ｑ ｔ
Ａｂ ｔａ ｔ ｉｌ ｘ ｅ ｍｅ ｔ ｒ ｏ ｄ ｃｅ ｎ Ｌ ｋ ｉｕ ｉ ｖ ｍｂ ｒ２ ０ ａ ｄ Ａｐ ｌ２ ０ ｓｒ ｃ ：Ｆｅｄ ｅｐ ｒ ｎｓｗｅｅ ｃ ｎ ｕ ｔｄ ｏ ａ ｅＴａｈ ｎ Ｎｏ ｅ ｅ ０ ８ ｎ ｒ ０ ９． ａ ｄ ｎ Ｌ ｋ ａ ｈ ｎ Ｊ ｎ ｉ ｉ ｎ ｏ ａ ｅ Ｃｈ ｏ ｕ ｉ ｕ ｅ
因子 分 析 法 在 水 质 参 数 反 演 中的 应 用
施 坤 ， 云梅 ， 李 王 桥， 杨 煜， 金 鑫， 王彦 飞 ， 尹 斌， 张 红
（ 京 师 范 大 学 虚 拟 地 理 环 境 教 育部 重 点实 验 室 ， 南 南京 ２ ０４ １０６）
摘 要 ： ０ ８年 ｌ 月 、０ ９年 ４月 ， ２０ １ ２０ 分别对 太湖水 体以及 ２０ ０ ９年 ６月对巢湖水体 进行野外实验． 对太湖水体遥感反射率 进行 因子分析 ， 并利用遥感反射率 的不 同因子 ， 叶绿素 和总悬 浮物浓 度进行反演 ， 对 并对反演 因子 的普适 性进行验证 ． 利 用第一 因子反演太 湖春季 叶绿素浓 度 ， 平均相 对误 差为２ ． ％， ２ １ 均方根误差为 ３ ４ ｇ Ｌ， ．８ ／ 利用 该方 法反演 巢湖 、 太湖秋季水 体 的叶绿素浓度没有取得较好 的效果 ； 利用第二因子反演太湖春 季总悬浮物浓度 ， 平均相对误 差为 １ ．％， ３ ９ 均方根误 差为 ｌ．３ ｇ Ｌ。 １３ ｍ ／ 利用该 因子反演巢湖 、 太湖秋季水体 的总悬浮物浓度 同样取得较好效 果． 结果 表明 ： 利用 遥感反射率的第一因 子对叶绿素浓度进行反演 ， 该方法不具有普适性 ； 利用遥感反射率 的第二 因子对总悬 浮物浓度进 行反演能取 得较好 的结
基于HJ-1ACCD数据的湖泊叶绿素a浓度反演
基于HJ-1ACCD数据的湖泊叶绿素a浓度反演湖泊叶绿素a浓度反演是一项重要的环境监测工作，可以为湖泊富营养化调查和水质评价提供重要依据。
基于HJ-1ACCD（Huan Jing Yi Hao 1A Charge Coupled Device）数据的湖泊叶绿素a浓度反演是利用HJ-1A卫星上搭载的CCD相机获取的湖泊遥感影像进行的一种遥感技术。
HJ-1A卫星是中国环境卫星二号的第一颗星，主要任务是对环境进行全方位、高频发射观测，为我国环境监测提供数据支撑。
CCD相机是HJ-1A卫星上的主要探测设备，可以获取高空间分辨率的遥感影像数据。
湖泊叶绿素a是湖泊中生物量浓度的一个重要指标，可以作为湖泊水质的一个关键参考。
利用HJ-1ACCD数据进行湖泊叶绿素a浓度反演的方法主要包括以下几个步骤。
对HJ-1ACCD数据进行预处理。
预处理的主要内容包括大气校正、大气成分估计和大气校正系数计算等。
大气校正是遥感数据处理中的重要一步，可以去除大气的影响，提高数据的准确性。
接下来，对预处理后的HJ-1ACCD数据进行图像解译。
图像解译是根据湖泊中的不同物质的反射特征进行分类，从而确定叶绿素a浓度所对应的分类。
然后，利用已知的湖泊叶绿素a浓度和HJ-1ACCD数据之间的关系进行模型拟合。
可以使用回归分析等方法，建立叶绿素a浓度与HJ-1ACCD数据之间的数学模型。
需要注意的是，湖泊叶绿素a浓度反演是一种间接方法，其精度和准确性还需要进行实地调查和水质采样分析进行验证。
湖泊的特征和环境条件也会对反演结果产生一定的影响，因此在实际应用中需要结合实际情况进行分析和判断。
基于HJ-1ACCD数据的湖泊叶绿素a浓度反演是一种通过对遥感影像数据的处理和分析，利用数学模型对湖泊叶绿素a浓度进行估计的方法。
这种方法可以为湖泊水质评价和富营养化调查提供重要的参考数据，具有广阔的应用前景。
用分析模型方法反演水体叶绿素的浓度_李云梅
Ab stract: Ch lorophy ll con cen tration is an importan t index for eva luating water qu ality . To make the inversion of rem ote sen sing more accu rate and m ore reality , it is s ignifican t to bu ild analy tic mode l for si m u la ting water R (0 ), and by the analytic m odel to inverse ch lo rophyll concen tration. 18 poin ts in T aihu lake were chosen, and at those po in ts, the spectra of the w ater and water ch lorophy ll concen tration were m easured at th e sa m e time in June, 2004 . The si m u lation mode l o f R (0 ) was bu ilt u sing Go rdon mode l, and the ch lorophyll concen tra tion was inversed u sing op tim ization m ethod. Th e corre lation of measu red and inversed R (0 ) is 3 0.99. W hen the ch lorophyll concen tration is h igher than 30mg / m , th e relative erro r of inve rsed value is less than 20%. Then, the ch lorophy ll concentration is inversed by th is m odel for seven measu red sa m p les in Ju ly, 2004. The correlation ofm easu red and inversed R (0 ) is 0.94. And the relative error of the m ajo rity poin ts is less than 60%. K ey word s: analytic model;water;ch lorophy ll concen tration; R (0 )
叶绿素浓度反演
原理1.SeaDAS大气校正公式2.叶绿素浓度计算公式：IDL编程实现：proautumn;443波段autumnfile=filepath('lw443.2002autumn.flat',root_dir='E:',subdir='课件\定量遥感\实验二\20121212-10级学生上机')openr,lun,file,/get_lundata443au=fltarr(700,1100,1)readu,lun,data443audata443au1=1.2386*data443au+0.0008574help,data443au1,/strfree_lun,lun;490 autumnfile=filepath('lw490.2002autumn.flat',root_dir='E:',subdir='课件\定量遥感\实验二\20121212-10级学生上机')openr,lun,file,/get_lundata490au=fltarr(700,1100,1)readu,lun,data490audata490au1=0.92887*data490au+0.0015606help,data490au1,/strfree_lun,lun;510 autumnfile=filepath('lw510.2002autumn.flat',root_dir='E:',subdir='课件\定量遥感\实验二\20121212-10级学生上机')openr,lun,file,/get_lundata510au=fltarr(700,1100,1)readu,lun,data510audata510au1=1.0118*data510au+0.00039303help,data510au1,/strfree_lun,lun;555 autumnfile=filepath('lw555.2002autumn.flat',root_dir='E:',subdir='课件\定量遥感\实验二\20121212-10级学生上机')openr,lun,file,/get_lundata555au=fltarr(700,1100,1)readu,lun,data555audata555au1=1.0674*data555au+1.2241e-5help,data555au1,/strfree_lun,lunr1=data443au1>data490au1>data510au1/data555au1help,r1r=alog10(r1)chla_au=10^(-2.2402*r^4+1.4345*r^3+0.15474*r^2-0.90456*r+0.025477)help,chla_au;window,1,xsize=700/2,ysize=1100/2;new=rebin(chla_au,700/5,1100/5);print,min(new),max(new);tvscl,new,order=1;;;window,2,xsize=500,ysize=700;打开窗口大于图像大小;map_set,/isotropic,/noborder, /cylindrical,limit=[18,114,40,128],xmargin=[4,4],ymargin=[8,8]$ ;,title='autumn East China Sea chlorophyll inversion!c';设置投影，上下左右留白;images=map_image(new,startx,starty,lonmin=114,lonmax=128,latmin=18,latmax=40,/bilinear,co mpress=1);;device,decomposed = 0;loadct,4;tvscl,images,order=1,startx,starty;map_grid,latdel=2,londel=2,/box,/label;先画图后加网格im = IMAGE(chla_au, RGB_TABLE=4, $POSITION=[0.25,0.05,0.95,0.9], $FONT_COLOR='Green', FONT_SIZE=16, $TITLE='autumn East China Sea chlorophyll inversion',/order)c = COLORBAR(TARGET=im, ORIENTATION=1, $POSITION=[0.3,0.05,0.35,0.5], $TITLE='Chla_au (g/ml)')end2.。
叶绿素浓度反演实验报告
叶绿素浓度反演实验报告引言叶绿素是光合作用中的重要参与者，它能够吸收太阳光能并将其转化为化学能以支持植物的生长和发育。
叶绿素浓度是衡量植物健康状况的重要指标，因此反演叶绿素浓度对于环境监测、农作物健康评估等方面具有重要意义。
本实验旨在通过测量叶片反射率和吸收率，利用反射光谱的特征反演叶绿素浓度。
实验材料和方法实验材料1. 叶子样本：选择多种不同浓度的叶绿素样本，例如大豆、小麦、松树等；2. 光谱仪：用于测量叶片反射光谱，常见的光谱仪有多光束分光仪、扫描光谱仪等；3. 分光计：用于测量光源发出的光谱强度；4. 恒温槽：用于控制测量温度的恒定性；5. 叶绿素浓度测量仪：用于测量叶片中叶绿素的浓度。
实验方法1. 准备不同浓度的叶绿素样本，并记录其浓度值；2. 将光谱仪与分光计连接好，并将测量温度放置在恒温槽中；3. 选取一片叶子样本，将其放置在测量平台上，确保叶片表面平整；4. 打开光谱仪和分光计，记录光谱仪所测得的反射光谱数据；5. 分别计算不同波段的反射光谱和吸收光谱；6. 利用反射光谱和吸收光谱的特征，运用数学模型反演叶绿素浓度；7. 重复以上步骤对其他叶子样本进行测量。
实验结果与讨论通过对多个叶子样本的测量，我们得到了它们在不同波段下的反射光谱和吸收光谱数据。
根据经验，我们发现在特定的波段范围内，叶绿素具有较强的吸收能力。
因此，我们选取了这些波段范围内的反射谱线进行分析。
以大豆样本为例，我们在550nm到720nm范围内选取了若干个波段，分别计算了它们的反射光谱。
然后，通过构建数学模型，我们反演出了大豆样本中叶绿素的浓度。
实验结果显示，浓度较高的大豆样本在所选波段内表现出较低的反射率，而浓度较低的大豆样本则表现出较高的反射率。
这与我们的期望相符合，即叶绿素浓度越高，样本所吸收的光就越多，因此反射率就越低。
我们还对其他样本进行了类似的实验，并得到了类似的结果。
这表明，通过测量叶片的反射光谱，结合数学模型，我们能够较为准确地反演出叶绿素的浓度。
基于HJ-1ACCD数据的湖泊叶绿素a浓度反演
基于HJ-1ACCD数据的湖泊叶绿素a浓度反演湖泊叶绿素a浓度是湖泊水体中叶绿素a的含量，是评价湖泊水质和水环境生态状态的重要指标之一。
精确地测量湖泊叶绿素a浓度对于湖泊水质监测和生态环境保护具有重要意义。
传统的测量方法需要大量的时间和人力资源，而遥感技术能够提供高效、快速、经济的叶绿素a浓度反演方法。
HJ-1ACCD是中国自主研发的一颗小卫星，具有高灵敏度和较高空间分辨率的遥感能力。
它搭载的颜色旋转云雾差异器（ACCD）传感器，可获取水域中的多光谱遥感数据。
利用HJ-1ACCD数据进行湖泊叶绿素a浓度反演的关键是建立反演模型。
湖泊叶绿素a浓度与水体的光学特性有关，主要通过测量水体的反射光谱来推测叶绿素a的浓度。
在利用HJ-1ACCD数据进行反演时，首先需要进行大气矫正，去除大气影响。
然后根据湖泊水体的光谱特性建立反演模型，通常采用光谱比值模型、光谱指数模型或统计模型。
光谱比值模型是通过计算不同波段的反射率之间的比值来估算叶绿素a浓度。
常用的光谱比值包括蓝绿波段比值（B/G）、蓝红波段比值（B/R）等。
这种模型简单易用，但对光谱的选择较为敏感，并且对大尺度湖泊的反演效果较差。
光谱指数模型是通过计算不同波段的反射率之间的差异来估算叶绿素a浓度。
常用的光谱指数有NDVI（Normalized Difference Vegetation Index）、RVI（Ratio Vegetation Index）等。
这种模型相对于光谱比值模型来说更加稳定，但需要根据不同湖泊的特性选择合适的光谱指数。
统计模型是利用多变量统计方法建立叶绿素a浓度与多个光谱波段之间的关系。
常用的统计模型包括多元线性回归模型、支持向量回归模型等。
这种模型具有较高的准确性和稳定性，但需要较多的样本数据进行建模和验证。
除了反演模型的建立，还需要进行准确的地面观测和采样，获取湖泊叶绿素a浓度的实际数据，用于反演模型的校正和验证。
在利用HJ-1ACCD数据进行湖泊叶绿素a浓度反演时，需要根据特定的湖泊特征选择适合的反演模型，并进行准确的大气矫正和地面观测，以提高反演精度和可靠性。
东海叶绿素浓度反演算法Hyper
主题：东海叶绿素浓度反演算法研究
3.3 SeaWiFS 数据东海叶绿素浓度反演算法
3.3.2 卫星数据在选取中遇到的难题以及解决方案 由于传感器本身性能缺陷、云层覆盖、白帽、太阳耀 斑的影响，使得海色卫星数据经常出现不连续。表现在遥 感图像上就有一些白色或者黑色的斑点，我们可以认为它 受到了噪声的干扰。 但是，信息总是相关存在的以临域信息为基础，采用 临域信息优化方法[59]，针对那些没有值而其周围八个象素 有值的象素点采用此法进行估计。如下图所示象素H9 没有 值，而H1~H8 是有值的。
三、东海叶绿素浓度反演算法
将此图与未校正的数据对比，有了明显的改善： 尤其是在412nm、443nm、490nm波段的校正幅度比较大， 校正以后的光谱比SeaDAS 处理结果更逼近Hyper-TSRB 现 场实测遥感反射比光谱
这也进一步证明了进行对应波段的校正是有必要的，以及 以上提出的标准大气校正校正算法改善方法在东海的可行 性。 对 SeaWiFS 卫星资料经过以上方法的处理的到的各波段的 遥感反射比的波 段比与现场同步的Hyper-TSRB实测遥感反射比计算得到遥 感反射比的波段比之间的对比关系如下图所示
主题：东海叶绿素浓度反演算法研究
3.3 SeaWiFS 数据东海叶绿素浓度反演算法
（1） 对于有垂直分布剖面数据的点，进行深度积分，计算剖面总叶绿 素浓度。
海色卫星数据应用叶绿素浓度反演算法最终应该得到的叶绿素浓 度值为深度上的平均： 其中， [Chl − a(h)]为深度为h 的实测叶绿素浓度 H为实测数据的剖面最大深度
主题：东海叶绿素浓度反演算法研究
三、东海叶绿素浓度反演算法
Hyper-TSRB 实测数据和SEAWiFS 卫星得到的对应通道的遥感反射比进行逐波段校正
台湾海峡南部海域夏季上升流颗粒有机碳含量的逐日变化特征
全球碳循环的研究已成为国际地学 的主要研究 对 象． 海洋环境 中 的颗 粒有机 碳 （ Ｏ 是海 洋生 态 系统 Ｐ Ｃ）
主持 的 “ 闽南 一 湾 浅 滩 渔 场 上 升 流 区生 态 系 研 究 台 （９ ７～１８ ） … 、 台湾 海 峡 初 级 生 产 力 及 其 调 １８ ９８ ” “
升流过程的响应， 以期为台湾海峡南部上升流区水体
大量的调查与研究工作． 例如 ： 厦门大学洪华生教授
收稿 日期 ：０ ０１ －９ ２ １ —１２
基金项 目： 国家海洋局青年海洋科学基金资助项 目（ ０ ０ ２ ） 国家海洋局第 三海洋研究所基 本科研 业务费 专项资金 资助项 目（０ ９ １ ） ２ １３ ７ ； ２００５ ； 国家 自 然科学基金资助项 目（０ ３ ０４ ； ４ ３ １０ ）
经马福炉灼烧后的 Ｇ ／ Ｆ Ｆ滤膜用 Ｓａ ｆ ｓ ａ ｏｕ 电子天平 ｉ
（ 精确度为 ０ ００ １ ） ．０ 进行称重 ， ０ ｇ 采集水样经 滤膜 过滤 ， 过滤后 的滤膜在 ５ ￣ 下烘干 ， ０Ｃ 同样用 Ｓｒ ｒ ｓ ａｏｕ ｔｉ
电子 天平 称重 ． 滤 前 与 过滤 后 滤膜 的质 量 之 差 即 过
叶 翔 ， 李 炎 黄 邦钦 陈 坚 ， ，
（． １ 国家海洋局第三海洋研究所 海洋与海岸地质开放实验室 ， 福建 厦门 ３ １０ ； ６０５
２ 厦 门大学 中国近海海洋 环境科 学国家重点实验室 ， ． 福建 厦门 ３ １０ ） ６０ ５
摘要： 据 ２０ ２０ 根 ０４— ０６年夏 季 台湾 海峡 南部 海 域 上 升 流 区追踪 过 程 中观 测 的 颗 粒有 机 碳 （ Ｏ 、 Ｐ Ｃ） 叶 绿素 ｏ ｃｌ ） 总 悬 浮 颗 粒 物 （ Ｓ 含 量 数 据 ， （ｈ一 、 ０ Ｔ Ｍ） ３个年 份 夏 季 上 升 流 区 Ｐ Ｃ含 量 范 围 分 别 为 Ｏ
台湾海峡表层叶绿素含量的季节、年际变化特征研究
绿素含量的分布从而得到初级生产力逐月时空变化特征及全年累积初级 生产力分布状况． 曾 银东 等 （０４ ［１ ２０ ）１ 比较 了 ２０ ６ ００年夏季 邻 近珠 江 口的南海 东北 部 海 区海 洋水 色 传感 器 Ｓａ Ｆ ｅＷｉＳ 遥感与走航叶绿素 的分布． 台湾海峡的相关研究更为缺乏． 商少凌等（０ １ 通过对 １９ 年 ２０ ） ９８ ２～ ３月 台湾海 峡 的 Ｓａ Ｆ ｅＷｉＳ水色 数据 与现 场观 测叶绿 素数 据 的 比较分 析 ， 明二 者有 很 好 的 表
台湾 海 峡 表 层 叶 绿素 含量 的季 节 、 年 际变 化 特 征 研 究
万小芳 ， 潘爱军 ， 郭小钢
（ 国家海洋局第三海洋研究所 ， 福建 厦门 ３ １０ ） ６ ０ ５
摘要： 文通过 分析 Ｓａ Ｆ 本 ｅＷｉ Ｓ海 洋水 色卫星提 供 的 叶绿 素 资料 ， 出 了台湾海 峡表 层 给
关键词： 海洋生物 ； 叶绿素 ； 海洋锋 ； 季节 ； 际； 年 台湾海峡
中图 分 类 号 ： ９ ５ １ Ｑ４ ．１ 文 献 标 识 码 ： Ａ 文 章 编 号 ：００８ ６ （０ ７ ０ －０ ６１ １０ －１０ ２０ ） １ ３ ． ０ ０
台湾海 峡是我 国重要 的海洋经 济 区 ， 也是 我 国重 要 的海洋 渔 业 区之 一 ． 众所 周 知 ， 洋 初 海
叶绿素浓度反演
原理1.SeaDAS大气校正公式2.叶绿素浓度计算公式：IDL编程实现：pro autumn;443波段autumnfile=filepath('lw443.2002autumn.flat',root_dir='E:',subdir='课件\定量遥感\实验二\20121212-10级学生上机')openr,lun,file,/get_lundata443au=fltarr(700,1100,1)readu,lun,data443audata443au1=1.2386*data443au+0.0008574help,data443au1,/strfree_lun,lun;490 autumnfile=filepath('lw490.2002autumn.flat',root_dir='E:',subdir='课件\定量遥感\实验二\20121212-10级学生上机')openr,lun,file,/get_lundata490au=fltarr(700,1100,1)readu,lun,data490audata490au1=0.92887*data490au+0.0015606help,data490au1,/strfree_lun,lun;510 autumnfile=filepath('lw510.2002autumn.flat',root_dir='E:',subdir='课件\定量遥感\实验二\20121212-10级学生上机')openr,lun,file,/get_lundata510au=fltarr(700,1100,1)readu,lun,data510audata510au1=1.0118*data510au+0.00039303help,data510au1,/strfree_lun,lun;555 autumnfile=filepath('lw555.2002autumn.flat',root_dir='E:',subdir='课件\定量遥感\实验二\20121212-10级学生上机')openr,lun,file,/get_lundata555au=fltarr(700,1100,1)readu,lun,data555audata555au1=1.0674*data555au+1.2241e-5help,data555au1,/strfree_lun,lunr1=data443au1>data490au1>data510au1/data555au1help,r1r=alog10(r1)chla_au=10^(-2.2402*r^4+1.4345*r^3+0.15474*r^2-0.90456*r+0.025477) help,chla_au;window,1,xsize=700/2,ysize=1100/2;new=rebin(chla_au,700/5,1100/5);print,min(new),max(new);tvscl,new,order=1;;;window,2,xsize=500,ysize=700;打开窗口大于图像大小;map_set,/isotropic,/noborder,/cylindrical,limit=[18,114,40,128],xmargin=[4,4],ymargin=[8,8]$;,title='autumn East China Sea chlorophyll inversion!c';设置投影，上下左右留白;images=map_image(new,startx,starty,lonmin=114,lonmax=128,latmin=18,l atmax=40,/bilinear,compress=1);;device,decomposed = 0;loadct,4;tvscl,images,order=1,startx,starty;map_grid,latdel=2,londel=2,/box,/label;先画图后加网格im = IMAGE(chla_au, RGB_TABLE=4, $POSITION=[0.25,0.05,0.95,0.9], $FONT_COLOR='Green', FONT_SIZE=16, $TITLE='autumn East China Sea chlorophyll inversion',/order)c = COLORBAR(TARGET=im, ORIENTATION=1, $POSITION=[0.3,0.05,0.35,0.5], $TITLE='Chla_au (g/ml)')end2.。
台湾海峡海水透明度遥感监测及时空变化分析
台湾海峡海水透明度遥感监测及时空变化分析张春桂;曾银东【摘要】台湾海峡水文气象环境条件及水体光学特性较复杂。
本文基于海洋水体固有光学特性和 MODIS 卫星数据建立了台湾海峡海水透明度的遥感反演模型，利用2005—2012年福建省近岸海域同步获取的海水透明度实测数据对模型的反演精度进行验证，并根据多年遥感反演结果初步分析了台湾海峡海水透明度的分布特点和变化规律。
结果表明：台湾海峡遥感反演的海水透明度与实测的海水透明度具有较好的一致性，两者相关系数为0.849，平均相对误差为26.0％，平均均方根误差为0.332 m，在中高透明度海区反演误差更低，因此利用建立的遥感反演模型对台湾海峡海水透明度进行卫星遥感监测是可行的。
从多年平均的遥感监测结果来看，台湾海峡一般沿岸浅海的海水透明度较低，外海的海水透明度较高；海峡南部的海水透明度明显高于北部，澎湖列岛东南海域海水透明度常年较大；春季和夏季台湾海峡透明度高的海域面积明显比秋季和冬季大，海峡东南部的海水高透明度区春夏季比秋冬季更向北伸展。
%The hydrology and meteorology environmental conditions and water optical properties are complex in Taiwan Strait.On the basis of previous studies,a remote sensing retrieval model of seawater transparency in Tai-wan Strait was developed using inherent optical properties of marine water and MODIS satellitedata.Simultane-ously observed seawater transparency near Fujian offshore marine areas from 2005 to 2012 was used to test the re-trieved accuracy of the model.At the same time,the distribution characteristics and changes of seawater transparen-cy in Taiwan Strait were preliminary analyzed based on the historical remote sensing retrieval records.The results show that theobserved and retrieved seawater transparency is consistent in Taiwan Strait,and their correlation coef-ficient,mean relative error and root mean square error are 0.849,26.0% and 0.332 m,respectively.The error is e-ven much lower in the mid-high transparent sea area.So it is feasible to monitor seawater transparency in Taiwan Strait using this model.According to the results from the historical remote sensing monitoring,seawater transparen-cy is generally lower along the shallow area and higher off the coast of Taiwan Strait;it is significantly higher in the southern area than in the northern area,and it is higher in a whole year in the southeast area of Pescadores;the area of high transparency in spring and summer is significantly larger than that in autumn and winter in Taiwan Strait,and the area of high transparency in the south-eastern Taiwan Strait spreads more to the north in spring and summer than in autumn and winter.【期刊名称】《气象与环境学报》【年(卷),期】2015(000)002【总页数】9页(P73-81)【关键词】遥感反演;海水透明度;台湾海峡【作者】张春桂;曾银东【作者单位】福建省气象科学研究所，福建福州 350001;福建省海洋预报台，福建福州 350003【正文语种】中文【中图分类】P731.1海水透明度是指海水的清澈程度，是描述海水光学性质的一个重要参数。
- 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)。
武汉大学遥感信息工程学院 巫兆聪
叶绿素含量遥感监测实例
数据预处理
数据预处理主要指大气校正。 大气校正算法是为了消除大气的影响，并将原始影像的辐射亮 度数据转换成反射率，其结果是使得影像数据的每一个像元值都代 表一个反射光谱。。 本例使用平地校正法。 主要步骤是先选择一块地形平坦，光谱特征类似且光谱曲线也 较平坦的区域，并且选择的区域应是影像中亮度值较大的区域以避 免数据信噪比的降低。然后将每个波段的像元值除以这个波段平地 区的平均值。通过校正，得到遥感影像的反射率。
武汉大学遥感信息工程学院 巫兆聪
从计算结果来看，海峡叶绿素浓度的范围总体为0～12μg/L， 其中海峡中间大部分区域的叶绿素浓度在1～2μg/L之间，叶绿素浓 度小于1的区域只分布在大陆沿岸附近。
大陆沿岸有小部分区域叶绿素浓度较大，为5μg/L以上，还有 一部分区域的计算结果为负值。
这是由于我国沿海属于高浓度泥沙含量的大陆架海水，含有大 量的泥沙，海面上的向上反射光信息中以泥沙含量为主，由叶绿素 吸收和反射的特征波长的信息被淡化，使得用于计算的光谱特征值 与用于训练的典型实测光谱值有较大的差异，因此计算误差较大。
尽管SeaBAM数据是目前最全面的水体叶绿素遥感反射率数据， 它仍有一些不足，例如数据主要采集于中低叶绿素浓度的海区，没 有高叶绿素浓度的数据;一些数据测自水面，而大部分数据由水中 测量的值推断而来，将所有的辐射亮度值转换为水面遥感反射率; 一些测量数据用520nm和565nm波段的值代替510nm和555nm 波段的值，555nm波段的反射率由555nm波段的测值计算转换而 来，而510m波段的值直武汉接大学遥由感信5息2工程0学m院 巫波兆聪段的测值代替。
叶绿素含量遥感监测
武汉大学遥感信息工程学院 巫兆聪
叶绿素含量遥感监测实例
本例使用1998年10月30日的SeaWiFS数据，采用经验模型、神 经网络模型和光谱混合分析三种方法计算台湾海峡叶绿素浓度。
武汉大学遥感信息工程学院 巫兆聪
叶绿素含量遥感监测实例
SeaWiFS数据特征 SeaWiFS是SeaStar携带的宽视场海洋水色扫描仪，有8个光谱
叶绿素含量遥感监测实例
历史统计资料
据历史统计资料，台湾海峡中北部叶绿素a含量周年变化峰期在秋春 季，低值在夏冬季，各层次浓度均在10月和4月出现高峰。
秋季随东北季风增强，浙闽沿岸水影响范围逐渐扩大，海区营养盐 含量升高，NO3-N平均含量达4.28μmol/L，为海区秋季浮游植物生长和 繁殖提供了有利条件。叶绿素a含量达全年最高值，季平均含量达 1.67μg/L，变化范围在0.50～6.04μg/L之间。
波段，经过带通滤波，1～6波段的带宽达到20nm，7、8波段的带 宽为40nm。下表列出了SeaWiFS的8个波段的中心波长及特殊用途。
武汉大学遥感信息工程学院 巫兆聪
叶绿素含量遥感监测实例
SeaBAM数据——实测样本 SeaBAM是NASA成立的一个工作组，主要任务是确定一种适
合SeaWiFS数据使用的全球叶绿素浓度算法。SeaBAM由全球非极 地地区站点所测的919个遥感反射率数据组成，包括叶绿素浓度范 围从0.019~32.79mg/m3，其中大部分为一类水体，约20个测自 海岸带二类水体。有两个测点的数据与其他数据不相容，相差太大， 所以被去掉，剩下917个数据。
武汉大学遥感信息工程学院 巫兆聪
3. 叶绿素含量遥感监测实例
根据表中不同浓度水体的fhigh值与浓度的对应关系，得到方程:
将SeaWiFS影像数据用光谱混合分析计算出每个像元的fhigh值， 用上式计算出每个像元的叶绿素浓度，得到台湾海峡叶绿素浓度分 布图，最大浓度为10.66μg/L，分布于台湾海峡南部大陆附近，最 小浓度为小于0.05μg/L，位于台湾岛东侧。由光谱混合分析得到的 叶绿素浓度分布与经验模型的计算结果类似，都是大陆沿岸叶绿素 浓度最大，离大陆越远，叶绿素浓度越小，台湾岛东侧叶绿素浓度 最小，只是浓度范围有所不同，由光谱混合分析所得结果的最小值 更小，最大值更大，但只是少数像元是极值，而绝大部分区域浓度 相差不大，都素含量遥感监测实例 用经验模型计算叶绿素浓度
采用SeaBAM推荐的二波段比值三次多项式模型计算：
式中，R=lg(R490/R555)。 下图为用经验模型计算所得台湾海峡叶绿素浓度分布图。其中 最大值为5.9μg/L，在大陆沿岸，最小值为0.628μg/L。 从叶绿素浓度的分布来看，整体呈条带状分布，离大陆越远， 浓度越低。 大陆沿岸和台湾岛西侧最大，在2～5μg/L之间，大部分浓度 在2～3μg/L之间。离大陆稍远，叶绿素浓度降到1～2μg/L之间， 离大陆更远以及台湾岛东侧，叶绿素浓度为1μg/L以下。
武汉大学遥感信息工程学院 巫兆聪
叶绿素含量遥感监测实例
武汉大学遥感信息工程学院 巫兆聪
3. 叶绿素含量遥感监测实例
用神经网络模型计算叶绿素浓度 神经网络模型结构——网络为多重前馈网络。为减少计算量，确
定模型为3层网络，下图表示的是本例所用的神经网结构，每一个 输人结点对应于一个SeaWiFS的一个波段的反射率。
武汉大学遥感信息工程学院 巫兆聪
3. 叶绿素含量遥感监测实例
武汉大学遥感信息工程学院 巫兆聪
3. 叶绿素含量遥感监测实例
用光谱混合分析法计算叶绿素浓度 选用SeaBAM数据中的叶绿素最高浓度32.787μg/L和最低浓度
0.02μg/L作为光谱混合分析的终端组分，根据SeaBAM中不同叶 绿素浓度水体在5个可见光波段的反射率，分别计算不同叶绿素浓 度下高浓度组分的光谱特征在遥感反射率中所占的比例fhigh：
由于各水系消长的影响较复杂，海区叶绿素a分布很不均匀。受沿岸 水影响的海区北部叶绿素a含量高于受暖流水控制的南部海区，上层和表 层水中叶绿素a含量高于下层和低层，形成上高下低、西北部高东南部低 的分布趋势。
10月海区叶绿素a含量普遍较高，平均达2.16μg/L，为全年最高， 这与浮游植物的秋季生长高峰一致，但分布不均匀，呈明显的斑块状。