一种实现水体叶绿素a浓度反演的半分析方法,其步骤如下:(1)读入叶绿素a浓度数据、水体光谱数据和高光谱遥感数据;(2)利用含叶绿素a水体的光学性质,构建叶绿素a浓度半分析模型;(3)在步骤(1)的数据基础上,采用逐波段枚举和线性迭代的方法,计算半分析算法的最佳波段及和模型参数;(4)在步骤(1)和(3)的基础上,从高光谱遥感影像中提取叶绿素a浓度空间分布信息。
【技术实现步骤摘要】
本专利技术涉及,属于水色遥感理论与 应用技术研究领域。
技术介绍
水是生命之源,是地球生物圈不可或缺的基础物质。水质状况直接关系到人类日 常生活以及自然环境的生存与发展。然而,随着经济与社会的发展,水污染问题日益严重, 水质监测与管理任务日益艰巨。水质监测的核心内容是监测和分析评价水资源质量及其随 时间变化规律,为国家和各级政府合理开发利用、管理与保护水资源提供科学依据。因此, 实时而有效地获取水质空间分布状况及其变化趋势,对于改善水资源质量和水环境状况具 有十分重要的意义。传统的水质空间分布信息是通过现场水样采集,实验室内水质分析获得。这种水 质信息只有通过在水域布置大量的测点获取。大区域的水质监测不仅是一项极费人力、物 力和时间的工作,而且也难以满足实时水质状况跟踪观测的需求。遥感技术为解决上述问 题提供了新的途径。水色遥感主要用于水质因子浓度(主要包括叶绿素a、无生命悬浮物和 黄色物质等)的非接触性探测。水色遥感的基本原理在于利用水质因子的光谱特征,建立 水质浓度与光谱特征参数之间的关系模型(经验模型、半分析模型和分析模型),并利用该 模型从遥感影像中提取水质浓度空间分布信息。叶绿素a浓度遥感反演是水色遥感的重要 研究内容。通常情况下,叶绿素a的特征波峰波谷的带宽较窄,为获取这一些有指示意义的 信息,需要选择的波段宽度最好小于5nm,这势必不利于宽波段卫星数据在水体叶绿素a浓 度空间分布动态监测方面的应用。高光谱遥感具有光谱分辨率高、光谱信息丰富等特点。这些特点对于提高叶绿素a 浓度反演水平起到至关重要的作用。在以往的研究中,基于高光谱的叶绿素a浓度反演理 论主要侧重于“窄波段”反演模型的设计,而“窄波段”模型与高光谱遥感影像相结合的应 用研究相对较少。
技术实现思路
本专利技术的目的在于提供,是鉴于遥 感反演叶绿素a浓度的精度不高的研究现状,从水体叶绿素a浓度光学特性出发,构建了一 种高精度的水体叶绿素a浓度反演的半分析方法,进而有利于提高叶绿素a浓度遥感反演 精度。本专利技术,其具体包括如下步骤(1)读入叶绿素a浓度数据、水体光谱数据和高光谱遥感数据。(2)利用含叶绿素a水体的光学性质,构建叶绿素a浓度半分析模型。在可见光波段范围内,假设存在两组波段(λ工和λ 2,λ 3和λ 4),可溶有机质的吸 收系数(a M)和悬浮物的吸收系数(ateipt。n)存在如下近似关系 式中,XpX^XsiP λ 4为四个不同的波长;kdnk2模型参数;R为反射率;Chla 为叶绿素a浓度;PChla为半分析算法遥感参数;a和b为遥感参数与叶绿素a浓度之间的 经验关系参数。(3)在步骤(1)的数据基础上,采用逐波段枚举和线性迭代的方法,计算半分析算 法的最佳波段和模型参数。本专利技术采用了半分析模型的预报值(Cpral, chla, J与实测值(C·, chla, J之间偏差的 标准差(STE)及其相对误差(RE)作为模型优劣的标准。本专利技术所涉及的标准差和相对误 差表达式如下所示 本专利技术所涉及的线性迭代算法如下已知实验数据(Xi,Yi), i = 1,2, ...m,反演 函数y = f(x)中含有非线性参数b1;b2,... IvESy = Mtvb2^MbnK令向量b= (bi; b2,... bn),则y = f (χ, b)其残差平方和为 将y = f(x,b)在处Taylor展开,并略去高次项,得 f{xi,b) = f{xi,blbl...,bl) + ±^{bJ-b])综合上述两式,结合最小二乘法原理可得迭代公式如下 (4)在步骤⑴和(3)的基础上,从高光谱遥感影像中提取叶绿素a浓度空间分布 fn息O本专利技术,其优点及功效在于本发 明方法能够以较高精度从高光谱遥感影像中提取叶绿素a浓度的空间分布信息。附图说明图1为本专利技术的实验站点空间分布。图2为本专利技术的基于2003年10月28日光谱数据的统一半分析反演模型。图3为本专利技术的基于2004年8月19日光谱数据的统一半分析反演模型。具体实施例方式为了更好的说明本专利技术涉及的,本 研究以2003年10月27日、28日和2004年8月19日水质实验所测取的叶绿素a浓度数 据、光谱反射率数据、以及2004年8月19日与水质实验同步的Hyperion高光谱影像数据 为基础,对本研究的半分析算法进行分析与验证。具体实现步骤如下(1)读入2003年10月27日、28日和2004年8月19日水质实验所测取的叶绿 素a浓度数据、光谱反射率数据、以及2004年8月19日与水质实验同步的Hyperion高光 谱影像数据,其中,2004年8月19日水质实验所对应的光谱曲线是直接从经过大气校正的 Hyperion影像中提取。实验位置如图1所示。(2)利用含叶绿素a水体的光学性质,构建叶绿素a浓度半分析模型。 式中,λ i为第i波段的波长;R为反射率;Chla为叶绿素a浓度;a,b,K1和K2为 模型参数通过线性迭代计算而得。(3)在步骤(1)的数据基础上,采用逐波段枚举和线性迭代的方法,计算半分析算 法的最佳波段λ” λ2、λ3、λ 4及和模型参数K1和K2 (该步骤所涉及的计算公式见专利技术内 容的步骤3部分)。分析结果以及模型相关系数、误差以及相对误差如图2和图3所示。(4)在步骤(1)和(3)的基础上,采用步骤(2)所示的遥感参数,利用2004年8月 19日实验数据构建了如图3所示的统一半分析算法,并在此基础上,结合同步Hyperion影 像数据,利用上述半分析模型从高光谱遥感影像中提取叶绿素a浓度空间分布信息。权利要求,其步骤如下(1)读入叶绿素a浓度数据、水体光谱数据和高光谱遥感数据;(2)利用含叶绿素a水体的光学性质,构建叶绿素a浓度半分析模型;(3)在步骤(1)的数据基础上,采用逐波段枚举和线性迭代的方法,计算半分析算法的最佳波段和模型参数;(4)在步骤(1)和(3)的基础上,从高光谱遥感影像中提取叶绿素a浓度空间分布信息。2.根据权利要求1所述的,其特征在于 步骤(2)中所述的叶绿素a浓度半分析模型规则如下在可见光波段范围内,假设存在两组波段(入工和λ2,入3和λ 4),可溶有机质的吸收系 数(% )和悬浮物的吸收系数(ateipt。n)存在如下近似关系 式中,λ ρ λ 2、λ 3和λ 4为四个不同的波长屯和k2模型参数;R为反射率;Chla为叶 绿素a浓度;Paia为半分析算法遥感参数;a和b为遥感参数与叶绿素a浓度之间的经验关 系参数。3.根据权利要求1所述的,其特征在于 步骤(3)中所述的最优波段选择标准如下本专利技术采用了半分析模型的预报值(Cpraud^i)与实测值(C·,。-,》之间偏差的标准 差(STE)及其相对误差(RE)作为模型优劣的标准;所述的标准差和相对误差表达式如下所 示4.根据权利要求1所述的,其特征在于 步骤(3)中所述的非线性迭代算法如下已知实验数据(Xi, Yi), i = 1,2, ...m,反演函数y = f(x)中含有非线性参数b1; b2,...bn,记为 y = f(b1;b2,...bn)。令向量 b= (b1;b2,...bn),则 y = f(x,b)其残差平 方和为 将y = f (X,b)在6°=(时力2°, —人°)本文档来自技高网...
【技术保护点】
一种实现水体叶绿素a浓度反演的半分析方法,其步骤如下:(1)读入叶绿素a浓度数据、水体光谱数据和高光谱遥感数据;(2)利用含叶绿素a水体的光学性质,构建叶绿素a浓度半分析模型;(3)在步骤(1)的数据基础上,采用逐波段枚举和线性迭代的方法,计算半分析算法的最佳波段和模型参数;(4)在步骤(1)和(3)的基础上,从高光谱遥感影像中提取叶绿素a浓度空间分布信息。
【技术特征摘要】
【专利技术属性】
技术研发人员:王保军,陈军,温珍河,
申请(专利权)人:青岛海洋地质研究所,
类型:发明
国别省市:95[中国|青岛]
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。