国家自然科学基金(41271343)
- 作品数：12 被引量：103H指数：6
- 相关作者：李云梅吕恒朱利王桥李渊更多>>
- 相关机构：南京师范大学中华人民共和国环境保护部浙江工商大学更多>>
- 发文基金：国家自然科学基金国家科技重大专项江苏省普通高校研究生科研创新计划项目更多>>
- 相关领域：环境科学与工程自动化与计算机技术天文地球更多>>
- 富营养化水体中黑水团的吸收及反射特性分析被引量：5
- 2016年
- 对黑水团水体光学特性进行研究,是利用遥感技术监测和评估黑水团事件的前提.针对2015年7月在太湖发生的黑水团现象,采集了太湖黑水团区（区域一）、蓝藻水华区（区域二）、清水区（区域三）共36个水样,对这3个区域的水体遥感反射率以及吸收特性进行对比分析.结果表明：1区域一水体的总颗粒物、色素颗粒物和非色素颗粒物吸收系数比区域二、区域三高出1～2倍,在400～500 nm之间,区域一CDOM吸收系数相比另外两个区域的水体高出2倍左右.导致黑水团区域水体具有很低的遥感反射率,被人眼感知时呈现为黑色;2黑水团区域水体M值低于滇池、巢湖和太湖的M值变化范围,说明黑水团中CDOM的腐殖酸含量较高.此外,叶绿素a浓度与CDOM在350 nm处吸收系数之间具有很好的相关性,表明蓝藻的降解可能是黑水团中CDOM的一个主要来源;3在380 nm之后,黑水团区域的水体总吸收以色素颗粒物占主导,但在短波350～380 nm处,CDOM对总吸收的贡献率高于色素颗粒物和非色素颗粒物.
- 张思敏李云梅王桥朱利王旭东温爽
- 关键词：太湖水质参数遥感反射率
- 一种基于GOCI数据的叶绿素a浓度三波段估算模型被引量：21
- 2015年
- 以标准三波段算法为基础,构建了适用于GOCI影像数据的叶绿素a浓度三波段估算模型.并以三峡水库、巢湖、洞庭湖和太湖水体的289组实测叶绿素a浓度以及光谱数据作为基础,模拟了GOCI影像和MERIS影像波段,率定了模型参数,并与MERIS三波段算法和目前常用的GOCI波段比值算法进行了对比分析,最终用GOCI影像数据进行了独立数据验证.结果表明:1对目前的数据集,680 nm处和660 nm处的色素颗粒物吸收系数具有相对固定的比例关系,比值为1.351;2 GOCI三波段模型在模型率定中,得到与MERIS三波段模型近似的效果,线性拟合的决定系数为0.809,略低于MERIS三波段模型的0.820,但明显优于GOCI比值模型(0.450),有效避免了GOCI波段比值模型中在叶绿素a浓度低值区出现的"扩散"现象,体现出较好的普适性;3通过验证数据集中平均相对误差和均方根误差两个误差指标的对比,发现GOCI三波段模型误差表现与建模数据一致,与MERIS数据接近,明显优于GOCI波段比值模型;4通过GOCI影像的同步验证,发现GOCI波段比值算法会对太湖叶绿素a浓度产生明显的低估,且难以体现叶绿素a浓度空间变异.GOCI三波段算法效果相对较好.相比于目前常用的波段比值算法,GOCI三波段算法具有更高的稳定性和精度,有较强的应用潜力.
- 郭宇龙李云梅李渊吕恒刘阁王旭东张思敏
- 关键词：GOCI叶绿素A浓度
- 面向GOCI数据的太湖总磷浓度反演及其日内变化研究被引量：19
- 2016年
- 总磷浓度是水质评价的一个重要指标,是水体富营养化、蓝藻水华暴发的重要影响因素,遥感技术具有范围广、时效高的优势,利用卫星遥感监测总磷浓度,对于水质和富营养化的研究有着重要意义.利用2013~2014年3次地面实验数据,构建了基于GOCI影像的总磷反演模型,为了检验模型的适用性,选取2014年春、夏、秋、冬各1日GOCI影像,对太湖总磷浓度的日内变化进行分析.结果表明,利用GOCI数据8个波段的波段组合作为变量,进行逐步回归分析所建立的模型具有较高的反演精度,模型的决定系数为0.898,平均绝对误差百分比为14.296%,均方根误差为0.026 mg·L^(-1).同时,利用地面实测样点与同步卫星影像对模型进行了精度分析,2014年8月5日和2014年10月24日同步影像的验证精度分别为:平均绝对误差百分比为33.642%和22.551%,均方根误差为0.076 mg·L^(-1)和0.028 mg·L^(-1).对4个季节中4 d的30幅影像对比分析表明,不同季节总磷浓度的绝对含量存在差异,但是,总磷浓度的时空分布及从早晨到下午的差异性存在相似性.从空间分布上看,梅梁湾、竺山湾、贡湖湾及西南部沿岸小梅港、长兜港总磷浓度长期偏高,各个区域的总磷浓度变化受到风向、风速等因素的影响;从时间变化上看,早上总磷浓度最高,随后逐渐降低,反映了总磷浓度受到温度和光照影响的效果.
- 杜成功李云梅王桥朱利吕恒
- 关键词：太湖总磷遥感反演
- 基于生物光学模型的水体多源遥感图像融合算法研究被引量：3
- 2015年
- 针对内陆湖泊水环境遥感监测缺乏合适数据源这一问题,基于水体生物光学模型与传统图像融合算法,开发了一种适用于复杂内陆二类水体的生物光学融合(BOF)算法,用于融合多光谱数据和高光谱数据。利用Hyperion数据生成模拟数据集进行算法验证,并将实验结果与小波变换算法、Gram-Schmidt变换算法和色彩标准化算法分别进行对比,结果表明:从视觉效果来看,BOF算法较好地融合了高光谱数据的色彩信息和多光谱数据的空间细节信息;从图像精度指标来看,BOF算法不仅在多种分辨率差异下都得到最好的精度,且精度对分辨率差异不敏感;在叶绿素a浓度估算实验中,BOF算法也得到了最优的效果,均方根误差(RMSE)为9.817,其他三种算法的RMSE分别为18.841、15.913和15.655。新算法有较强的应用潜力,有望为内陆二类水体遥感监测提供更合适的数据源。
- 郭宇龙王永波李云梅王桥朱利吕恒
- 关键词：遥感图像融合生物光学模型HYPERION
- 基于辐射传输优化模型的二类水体大气校正被引量：6
- 2014年
- 遥感影像的大气校正是水色参数反演的前提。以太湖为研究区，采用6s大气辐射传输模型以及近红外波段离水反射率模型相结合的方法。通过神经网络模拟大气辐射传输过程，并利用中分辨率成像光谱仪（MERIS）754、779、865、885nm4个近红外波段进行光谱优化，求算550nm处气溶胶光学厚度等变量。通过外推，实现可见光波段的大气校正。将2007年11月11日、20日、21日，2008年11月20日MERIS Levellp影像以及野外实测水体遥感反射率数据集用于精度验证，结果表明，该方法能够较好地反演水体遥感反射率光谱，校正后的13个波段的平均相对误差大多分布在20％～40％之间。与6S以及Beam4．9软件自带的大气校正方法相比，具有较高的校正精度和较强的稳定性，在太湖有较好的适用性。
- 周莉李云梅郭宇龙吕恒李渊王珊珊王永波
- 关键词：遥感大气校正二类水体
- 基于光谱分类的总悬浮物浓度估算被引量：12
- 2013年
- 总悬浮物浓度是水质评价的重要参数之一,传统的遥感反演估算模型忽视了光学性质多变、复杂的二类水体的差异性。本研究基于太湖、巢湖的星地同步实验,针对环境1号卫星多光谱数据,设立了水体光学分类方法,将研究水体分为二种类型,进而建立了适用于不同类型水体总悬浮物浓度的反演估算模型。得出以下结论:(1)基于光谱分类的方法可以提高总悬浮物浓度的反演估算精度;(2)对于类型一和类型二水体,分别使用指数模型和线性模型可以较好地反映总悬浮物浓度与反演估算因子之间的关系。
- 李渊李云梅施坤吕恒郭宇龙周莉刘阁
- 关键词：太湖巢湖总悬浮物光谱分类
- 一种新的水体叶绿素a指数及其应用潜力分析被引量：6
- 2015年
- 以具有代表性的野外实测光谱数据作为端元,对水体遥感反射率进行线性混合光谱分解,基于分解得到的各组分丰度,构建了一种新的水体叶绿素a指数CSI(叶绿素a光谱指数)。以太湖、巢湖、滇池以及三峡水库水体的307组实测叶绿素a浓度及高光谱数据为基础,分析了CSI的特性。以该指数为自变量,构建了内陆浑浊二类水体叶绿素a浓度估算模型,并分析了模型的抗噪性和传感器适应性。结果表明:1)CSI对水体叶绿素a浓度大小有较好的指示作用,以fCSI=0为条件将实测光谱分为2个类别,可以表征光谱特征的明显差异;2)CSI作为自变量的叶绿素a浓度估算模型在实测高光谱数据集中的精度与三波段算法(TBA)相近(二者估算结果的平均相对误差分别为0.332和0.330,均方根误差分别为9.892和9.929);3)以CSI为自变量得到的估算模型对无偏移噪声和有偏移噪声都有较好的抗性,其中无偏移噪声几乎不影响算法的精度,而三波段算法对两种噪声同样敏感,随着噪声增加,估算结果出现较大误差;4)新的估算算法对传感器波段设置不敏感,其优势在宽波段多光谱数据集中更加明显。相比于传统水体叶绿素半经验算法,CSI算法具有更高的稳定性和更强的应用潜力。
- 郭宇龙李云梅王桥朱利吕恒
- 关键词：海洋光学叶绿素A浓度
- 基于GOCI影像的太湖水体漫衰减系数遥感反演被引量：4
- 2015年
- 漫衰减系数是水体光学中的一个重要参数.采用2006~2009年的太湖野外实测数据,分析了太湖水体漫衰减系数光谱特性及其影响因子,在此基础上,结合GOCI传感器数据,分别构建漫衰减系数经验模型和半分析模型,寻找适合GOCI影像的太湖漫衰减系数反演模型,并分析太湖水体漫衰减系数的时空变化特征.结果表明:1太湖水体漫衰减系数主要受非色素颗粒物吸收主导,以GOCI第4、5、7波段构建的多元线性模型反演漫衰减系数,效果最好;2太湖水体漫衰减系数值域主要分布在0~15 m-1,大体可以分为3个等级,低值区:0~4 m-1,中值区:4~8 m-1,高值区:8~15 m-1,部分高值区高于15 m-1;3太湖水体漫衰减系数存在一定时空差异性,从空间上来说,太湖水体漫衰减系数呈现一定的梯度性,从东部到西部逐渐变高;从时间上来说,早上太湖漫衰减系数相对较高,从上午到下午,大体上呈现逐渐降低的趋势.
- 王珊珊王珊珊李云梅王桥
- 关键词：遥感漫衰减系数反演模型太湖
- 基于数据同化的太湖叶绿素多模型协同反演被引量：9
- 2014年
- 在国内外众多学者的不懈努力下,开发了大量的水质参数遥感估算反演模型,但不同的模型都具有其'局限性',只能从某个层面反映'真值'.基于上述考虑,本研究发展了基于数据同化方法的太湖叶绿素a浓度多模型协同反演算法.利用2006~2009年太湖野外实测水体高光谱遥感反射率数据,构建了7个叶绿素a浓度反演模型;通过模型精度对比,最终遴选出6个适宜的叶绿素a浓度反演模型.进而使用不同模型组合,进行多模型协同反演.结果表明:1多模型协同反演算法的反演精度要高于单模型反演的反演精度,最优MAPE仅为22.4%;2随着参与多模型协同反演的模型个数的增加,其反演精度也逐渐提高,MAPE均值从25.6%降低到23.4%,RMSE均值从15.082μg·L-1降低到14.575μg·L-1,相关系数R均值从0.91提升到0.92;3通过对多模型协同反演产品的置信区间进行计算,可以有效地估算产品精度和误差,同时使得获取全湖反演叶绿素a浓度的误差空间分布情况成为可能.
- 李渊李云梅吕恒朱利吴传庆杜成功王帅
- 关键词：高光谱数据叶绿素数据同化太湖
- 太湖叶绿素a同化系统敏感性分析被引量：3
- 2015年
- 太湖叶绿素a同化系统对于不同参数的敏感性将直接影响到该系统能否精确的估算太湖叶绿素a的浓度分布.利用2009年4月21日环境一号卫星（HJ-1B CCD2）影像数据反演太湖叶绿素a浓度场信息.以此作为背景场信息,结合基于集合均方根滤波的太湖叶绿素a同化系统,分析和评价了样本数目、同化时长、背景场误差、观测误差和模型误差对于同化系统性能的影响.结果表明：从计算成本、系统运行时间和同化效果等方面分析,当集合样本数目达到30~40左右时同化系统取得了较好的结果;同化系统对于背景场误差的估计变化不是很敏感,即初始场的估计是否准确对于同化系统的性能影响不是很大;同化系统对于模型误差和观测误差的变化较为敏感,不同的测试点位由于水体动力学性质不一,其敏感性的表现形式有所差异;利用数据同化方法可以有效地估算太湖叶绿素a浓度.
- 李渊李云梅吕恒吴传庆王珊珊王永波
- 关键词：太湖数据同化叶绿素A
