CN114705632A - 一种利用卫星遥感反射率估算水库营养状态指数的方法 - Google Patents
一种利用卫星遥感反射率估算水库营养状态指数的方法 Download PDFInfo
- Publication number
- CN114705632A CN114705632A CN202111368791.XA CN202111368791A CN114705632A CN 114705632 A CN114705632 A CN 114705632A CN 202111368791 A CN202111368791 A CN 202111368791A CN 114705632 A CN114705632 A CN 114705632A
- Authority
- CN
- China
- Prior art keywords
- reservoir
- tsi
- index
- reflectivity
- remote sensing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 235000016709 nutrition Nutrition 0.000 title claims abstract description 96
- 230000035764 nutrition Effects 0.000 title claims abstract description 76
- 238000002310 reflectometry Methods 0.000 title claims abstract description 70
- 238000000034 method Methods 0.000 title claims abstract description 63
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 153
- 238000004364 calculation method Methods 0.000 claims abstract description 34
- 238000005070 sampling Methods 0.000 claims abstract description 29
- 235000015097 nutrients Nutrition 0.000 claims abstract description 14
- 238000012851 eutrophication Methods 0.000 claims abstract description 13
- 238000012545 processing Methods 0.000 claims abstract description 6
- 238000005259 measurement Methods 0.000 claims description 57
- 239000000047 product Substances 0.000 claims description 35
- 230000003287 optical effect Effects 0.000 claims description 26
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 claims description 24
- YKFRUJSEPGHZFJ-UHFFFAOYSA-N N-trimethylsilylimidazole Chemical compound C[Si](C)(C)N1C=CN=C1 YKFRUJSEPGHZFJ-UHFFFAOYSA-N 0.000 claims description 20
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims description 20
- 229910052698 phosphorus Inorganic materials 0.000 claims description 20
- 239000011574 phosphorus Substances 0.000 claims description 20
- 229930002868 chlorophyll a Natural products 0.000 claims description 18
- 230000005855 radiation Effects 0.000 claims description 17
- 230000003595 spectral effect Effects 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 9
- CSCPPACGZOOCGX-UHFFFAOYSA-N Acetone Chemical compound CC(C)=O CSCPPACGZOOCGX-UHFFFAOYSA-N 0.000 claims description 8
- 239000003365 glass fiber Substances 0.000 claims description 8
- 239000012528 membrane Substances 0.000 claims description 8
- 235000003715 nutritional status Nutrition 0.000 claims description 8
- USHAGKDGDHPEEY-UHFFFAOYSA-L potassium persulfate Chemical compound [K+].[K+].[O-]S(=O)(=O)OOS([O-])(=O)=O USHAGKDGDHPEEY-UHFFFAOYSA-L 0.000 claims description 8
- 238000002798 spectrophotometry method Methods 0.000 claims description 8
- 229930002875 chlorophyll Natural products 0.000 claims description 6
- 235000019804 chlorophyll Nutrition 0.000 claims description 6
- 238000001228 spectrum Methods 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims description 5
- ZOKXTWBITQBERF-UHFFFAOYSA-N Molybdenum Chemical compound [Mo] ZOKXTWBITQBERF-UHFFFAOYSA-N 0.000 claims description 4
- 238000002835 absorbance Methods 0.000 claims description 4
- APUPEJJSWDHEBO-UHFFFAOYSA-P ammonium molybdate Chemical compound [NH4+].[NH4+].[O-][Mo]([O-])(=O)=O APUPEJJSWDHEBO-UHFFFAOYSA-P 0.000 claims description 4
- 229940010552 ammonium molybdate Drugs 0.000 claims description 4
- 235000018660 ammonium molybdate Nutrition 0.000 claims description 4
- 239000011609 ammonium molybdate Substances 0.000 claims description 4
- 230000029087 digestion Effects 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 229910052750 molybdenum Inorganic materials 0.000 claims description 4
- 239000011733 molybdenum Substances 0.000 claims description 4
- TVBSSDNEJWXWFP-UHFFFAOYSA-N nitric acid perchloric acid Chemical compound O[N+]([O-])=O.OCl(=O)(=O)=O TVBSSDNEJWXWFP-UHFFFAOYSA-N 0.000 claims description 4
- 235000008935 nutritious Nutrition 0.000 claims description 4
- 239000007800 oxidant agent Substances 0.000 claims description 4
- 230000001590 oxidative effect Effects 0.000 claims description 4
- 235000003784 poor nutrition Nutrition 0.000 claims description 4
- 238000005316 response function Methods 0.000 claims description 4
- 238000002791 soaking Methods 0.000 claims description 4
- 239000006228 supernatant Substances 0.000 claims description 4
- 238000000870 ultraviolet spectroscopy Methods 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000010219 correlation analysis Methods 0.000 claims description 3
- 239000005416 organic matter Substances 0.000 claims description 3
- 229940035637 spectrum-4 Drugs 0.000 claims description 3
- 230000002194 synthesizing effect Effects 0.000 claims description 3
- 238000005057 refrigeration Methods 0.000 claims description 2
- 238000000605 extraction Methods 0.000 claims 1
- 239000003651 drinking water Substances 0.000 abstract description 8
- 235000020188 drinking water Nutrition 0.000 abstract description 8
- 238000011156 evaluation Methods 0.000 abstract description 5
- 238000012854 evaluation process Methods 0.000 abstract description 2
- 239000000463 material Substances 0.000 abstract description 2
- 238000012544 monitoring process Methods 0.000 description 8
- 239000000126 substance Substances 0.000 description 6
- 238000011161 development Methods 0.000 description 5
- 238000012795 verification Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010561 standard procedure Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000000701 chemical imaging Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/18—Water
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N2021/1793—Remote sensing
Landscapes
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Engineering & Computer Science (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
一种利用卫星遥感反射率估算水库营养状态指数的方法，属于水库饮用水源地水环境评价领域，包括：水库实地采样和卡尔森营养指数TSIM计算；实测野外高光谱反射率Rrs的获取与处理以及水库实测的修正卡尔森营养指数点的计算；星地同步匹配的卫星遥感反射率获取；实测卡尔森营养指数TSIM与野外高光谱反射率建模估算的TSI的精度分析；按照标准评价各采样点水库的富营养化程度。本发明省去了现有方法繁琐的评价过程，操作简便，水库营养状态指数计算准确，降低了多次反演估算水质参数造成的精度误差，具有一定的可靠性和可操作性，并且节省了大量的人力物力财力，具有直接推广使用的普适性。
Description
技术领域
本发明属于水库饮用水源地水环境评价技术领域，具体涉及一种利用卫星 遥感反射率估算水库营养状态指数的方法。
背景技术
水库是我国重要的饮用水源地，具有提供居民生产生活用水、水利发电运 输和调节气候等功能，在我国社会经济发展和生态环境建设中发挥着举足轻重 的作用。随着社会经济的发展，工业点源污染、农业面源污染、工农业技术的 进步和人类活动生活的影响，污染水库的因素日益增多。其中水库富营养化问 题是当前最严重的环境问题，对社会经济可持续发展有重要的影响。
对于重要饮用水源地水库的持续监测可以实时确保水源地的水质安全，为 保护地方城市人类生活和社会经济的可持续发展提供坚实的后盾，因此对于国 家的战略发展和生产生活都具有十分重要的现实意义。目前湖库的营养化程度 评价方法主要有卡尔森营养状态指数法(TSI)、修正的营养状态指数法(TSIM)、 综合营养状态指数法(TII)、营养度指数法和评分法等，这些方法均需要实地采 样测试大量水质参数，如叶绿素、化学需氧量、总氮、总磷、透明度等，操作 过程十分繁琐，同时对测量和分析的专业素质要求较高，从而局限了对水库营 养状态进行全方位持续的时空监测。
论文《基于遥感监测的湖泊富营养化状态的模糊模式识别研究》(任春涛； 内蒙古农业大学；2007年)公开了一种利用Landsat5 TM遥感数据反演湖泊水 体水质组分的方法和技术，研究结果显示，Landsat5 TM遥感数据的1-4波段对 湖泊水体水质参数反应比较灵敏，且与单波段相比，波段组合值算法与湖泊水 体水质参数的相关性有明显提高，利用径向基(RBF)神经网络
方法构建了适合湖泊水体水质浓度遥感反演模型，水质浓度遥感反演平均 误差在±25％。但是，由于内陆湖泊水库物质组分复杂，在同一区域的不同湖库 光学特性和水体遥感反射率都会具有一定的差异性，上述方法以单个湖泊作为 研究对象，模型不具有普适性，同时其模型的平均误差过大；湖库水体的复杂 性以及卫星传感器的差异性决定了水质浓度遥感反演模型的构建差异性。其次， 其利用的Landsat 5TM遥感数据在光谱分辨率和空间分辨率上远不如Sentinel-2 双星传感器，对于我国以中小型水库为主的国情考虑出发，更适合用Sentinel-2 双星传感器构建模型，其模型构建的普适性和精度是目前内陆湖泊水库水质浓 度遥感反演模型构建的关注重点。另外，虽然湖泊和水库具有相似之处，但水 库作为人工湖泊，受人类活动影响较大，水质参数变化较大，湖泊和水库的水 质浓度遥感反演模型在定量参数上也具有一定的差异性。目前，针对水库等饮 用水源地的大尺度营养状态指数精确估算模型还未见报道，这也是目前为应对 饮用水源地治理保护所亟需解决的重要环境监测难点。
发明内容
为了解决现有水库的营养化程度评价方法操作繁琐，同时以Landsat5 TM等 遥感影像反射率数据对单一内陆湖库营养化状态反演估算的方法存在的普适性 差、误差大的问题，本发明提供一种利用卫星遥感反射率估算水库营养状态指 数的方法。
本发明为解决技术问题所采用的技术方案如下：
本发明的一种利用卫星遥感反射率估算水库营养状态指数的方法，主要包 括以下步骤：
步骤一、水库实地采样和卡尔森营养指数TSIM计算；
步骤二、实测野外高光谱反射率Rrs的获取与处理以及水库实测的修正卡尔 森营养指数点的计算；
步骤三、星地同步匹配的卫星遥感反射率获取；
步骤四、实测卡尔森营养指数TSIM与野外高光谱反射率建模估算的TSI的 精度分析；
步骤五、按照标准评价各采样点水库的富营养化程度。
进一步的，步骤一中，所述水库实地采样的具体过程如下：
在全国范围内采集多个水库多个采样点，水样采集于湖库中央水面0.1m以 下的位置，每个水样采集量均为2L，同时记录各采样点的GPS位置，并实地使 用塞氏盘测量水样水体的透明度SDD，将水样保存于4℃的冰箱内冷藏。
进一步的，步骤一中，所述卡尔森营养指数TSIM计算的具体过程如下：
(1)待测水样的叶绿素a浓度计算
将待测水样利用47μm的玻璃纤维微孔滤膜进行过滤，玻璃纤维微孔滤膜通 过90％的丙酮溶液浸泡24小时后，经离心机进行分离提取上层清液，在紫外- 可见光分光光度计上分别测试获得叶绿素a在波长630nm、647nm、664nm和 750nm处的吸光度，叶绿素a浓度的计算公式如下：
式中，D630表示有色可溶有机物在630nm处的光学密度，D647表示有色可 溶有机物在647nm处的光学密度，D664表示有色可溶有机物在664nm处的光学 密度，D750表示有色可溶有机物在750nm处的光学密度，v表示用以萃取叶绿 素所用溶液的体积，单位ml，l表示光程，单位cm，V表示过滤水样的体积， 单位L；
(2)待测水样的总磷TP浓度计算
总磷TP浓度的标准分析方法为过硫酸钾消解钼酸铵分光光度法，利用过硫 酸钾或硝酸-高氯酸为氧化剂，将待测水样消解后用钼蓝分光光度法测量总磷 TPTP浓度；
(3)卡尔森营养指数TSIM计算
利用叶绿素a浓度、透明度SDD和总磷TP浓度计算和修正卡尔森营养指 数TSIM，用以表征待测水样水体的营养状态指数；卡尔森营养指数TSIM的计算 公式如下：
TSIM＝0.54×TSIM(Chla)+0.297×TSIM(SDD)+0.163×TSIM(TP) (5)。
进一步的，步骤二中，所述实测野外高光谱反射率Rrs的获取与处理的的具 体过程如下：
打开ASD Fieldspec4 Hi-Res便携式光谱仪进行开机预热，然后依次进行DC 暗电流测量、离水辐亮度测量、水体总辐亮度测量、天空漫散射辐亮度测量、 水面总入射辐照度测量和标准灰板的辐亮度测量；测量完毕后导出并利用 Viewspecpro软件去除异常值，对剩余的光谱数据进行平均值计算；利用水体遥 感反射率的计算公式得到最终的实测野外高光谱反射率Rrs；实测野外高光谱反 射率Rrs的计算公式如下：
Lw＝Lsw-rLsky (6)
Ed(0+)＝Lp×π/ρp (7)
式中，Lw表示离水辐亮度，Lsw表示水体总辐亮度，r表示气-水界面对天空 光的反射率，Lsky表示天空漫散射辐亮度，Ed(0+)表示水面总入射辐照度，Lp表 示标准灰板的辐亮度，ρp表示标准灰板的反射率，Rrs表示实测野外高光谱反射 率。
进一步的，步骤二中，在天气晴朗无云、水面平静的情况下，在上午10 点至下午2点时间段内测量与实测水体水质参数相匹配的野外高光谱数据，利 用ASD Fieldspec4Hi-Res便携式光谱仪测量水体遥感反射率，测量的波段范围 为350～1050nm，光谱的分辨率为3nm；测量时光谱仪的观测平面与太阳入射 角平面需保持夹角135°，并且光谱仪的观测平面与水体水面法线需保持夹角45°； 测量顺序为离水辐亮度测量、水体总辐亮度测量、天空漫散射辐亮度测量、水 面总入射辐照度测量和标准灰板的辐亮度测量，每项至少采集10条光谱信息。
进一步的，步骤二中，所述水库实测的修正卡尔森营养指数点的计算的具 体过程如下：
按Sentinel-2波段响应函数的B1～B8的波段范围，将实测野外高光谱反射 率合成B1～B8八个波段的遥感反射率；利用Matlab软件计算不同波段或不同 波段比与实测卡尔森营养指数TSIM的皮尔森相关性，最终发现波段比值为 B5/B3与卡尔森营养指数TSIM的相关性最佳，由此建立模型，并按最终模型 TSIM＝37.51*B5/B3+27.33计算水库实测的修正卡尔森营养指数点。
进一步的，步骤三的具体过程如下：
(1)下载哨兵二号Sentinel-2遥感影像产品中水库所在区域的数据产品 Level1C；所述哨兵二号Sentinel-2遥感影像产品为水库水样采集和野外高光谱 数据观测采集的日期前3天和后3天内过境的哨兵二号Sentinel-2遥感影像产品；
(2)利用Sen2cor-2.4.0-win64软件将数据产品Level 1C进行辐射定标和大 气校正，得到产品Level 2A的大气底层反射率数据；
(3)利用ENVI 5.3软件将产品Level 2A的每个波段的图像转换为ENVI 的标准格式，然后再对B3波段和B5波段进行图层叠加，生成具有投影坐标的 B3和B5波段遥感图像，提取大气底层反射率；
(4)按最终模型TSIM＝37.51*B5/B3+27.33计算水库的修正卡尔森营养指数 TSIM。
进一步的，步骤(1)中，所述数据产品Level 1C直接由官网 https://scihub.copernicus.eu/dhus/#/home免费下载获取，它是通过正射校正和亚像 元级几何精校正处理后获得的大气顶部反射率产品。
进一步的，步骤四的具体过程如下：
将步骤(3)的最终模型TSIM＝37.51*B5/B3+27.33绘制在以B5/B3为横作 标、以TSIM为纵坐标的平面直角坐标系中，再将步骤(2)所得的水库实测的 修正卡尔森营养指数点标记在平面直角坐标系中，进行线性拟合，获得步骤(2) 所得的水库实测的修正卡尔森营养指数点与最终模型TSIM＝37.51*B5/B3+27.33 的相关性分析的决定系数R2。
进一步的，步骤五中，按照标准评价各采样点水库的富营养化程度，评价 标准如下：
TSIM<30为贫营养状态；30≤TSIM≤50为中营养状态；TSIM>50为富营 养状态；50<TSIM<60为轻度富营养状态；60<TSIM≤70为中度富营养状态； TSIM>70为重度富营养状态；在同一营养状态下，指数值越高，其营养程度 越重。
本发明的有益效果是：
遥感技术在长时间序列和大尺度空间范围内对水体的光学性质时空变化的 监测，是传统的现场调查不可比拟的。由于水库属于人工湖泊，成分复杂、有 机物来源广泛，在不同营养状态条件下水库水面遥感反射率和固有光学物质会 呈现不同的光学特性，这些都与水库的营养状态指数息息相关，这为实现遥感 反射率监测水库营养状态指数提供了理论依据。基于此，本发明中，实测采样 数据的水质参数和光学特性参数分析全部为水库饮用水源地，模型的参数构建 和验证也全部来源于饮用水源水库，对于水库具有普适性和实用性，采用哨兵 二号(Sentinel-2)遥感影像数据，直接获得水库的营养状态指数。Sentinel-2 双星传感器是携带推扫式多光谱成像仪(MSI)的高分辨率多光谱成像卫星，主要用于监测陆地上植被、土壤、内陆水体、海岸和紧急救援服务。Sentinel-2A 和2B的重访周期为单星10天，双星5天。Sentinel-2遥感影像拥有13个波段， 光谱覆盖可见光到短波红外波段范围，空间分辨率为10-60m，空间分辨率和幅 宽较高，其遥感反射率产品更适合我国以中小型水库为主的基本国情，具有普 适性和较高的精确度。
本发明与现有技术相比具有以下优点：
1、本发明提供的方法是基于实测野外高光谱反射率直接构建水库TSIM指数估算模型，同时基于同步卫星影像遥感反射率进行了大气校正和模型精 度验证，计算结果准确。
2、本发明省去现有技术中多次构建估算反演叶绿素浓度、总磷浓度以及 透明度的过程，以及再通过营养状态指数计算公式获得水库营养状态的繁琐 评价过程，本发明降低了多次反演估算水质参数造成的精度误差，直接得到 水库的营养状态指数。本发明中，其采样点均匀分布在全国地区范围内，科 学严谨地论证了该方法的可靠性和可操作性，具有直接推广使用的普适性。
3、本发明提供的方法使用了卫星遥感产品进行长时间持续的水库营养状 态TSIM监测方法，操作简便，能节省大量的人力、物力和财力，可弥补现有 技术无法连续、实时监测的缺点。
4、本发明所采用的Sentinel-2卫星遥感影像具有高空间分辨率和光谱分 辨率，可以实现对大、中、小型水库的营养状态监测，且数据可以免费获取。
附图说明
图1为水库水样采集分布结果。
图2为营养状态指数的波段比建模结果。
图3为波段比大气校正验证结果。
具体实施方式
以下结合附图和具体实施例对本发明的方法进行进一步详细说明。
具体实施方式一
本实施方式的一种利用卫星遥感反射率估算水库营养状态指数的方法，具 体包括以下步骤：
(1)水库实地采样和卡尔森营养指数TSIM计算
1)水库实地采样
在全国范围内采集93个水库135个采样点，水库水样采集分布如图1所示 (其中验证点即为水库位置)。水样采集于湖库中央水面0.1m以下的位置，每 个水样采集量均为2L，同时记录各采样点的GPS位置，并实地使用塞氏盘测量 水样水体的透明度(SDD)，将水样保存于4℃的冰箱内冷藏，并尽快运回实验 室。
2)卡尔森营养指数TSIM计算
在实验室用国家标准方法测量待测水样的叶绿素a(Chla)和总磷(TP)。 具体操作过程如下：
2-1)待测水样的叶绿素a(Chla)浓度计算
将待测水样利用47μm的玻璃纤维微孔滤膜进行过滤，玻璃纤维微孔滤膜通 过90％的丙酮溶液浸泡24小时后，经过离心机进行分离提取上层清液，在紫外 -可见光分光光度计上分别测试获得叶绿素a在波长630nm、647nm、664nm和 750nm处的吸光度，叶绿素a(Chla)浓度的计算公式如下所示。
式中，Dλ表示有色可溶有机物(CDOM)在λnm处的光学密度(D630表示 有色可溶有机物(CDOM)在630nm处的光学密度，D647表示有色可溶有机物 (CDOM)在647nm处的光学密度，D664表示有色可溶有机物(CDOM)在664nm 处的光学密度，D750表示有色可溶有机物(CDOM)在750nm处的光学密度)， v表示用以萃取叶绿素所用溶液的体积(ml)，l表示光程(cm)，V表示过滤水 样的体积(L)。
2-2)待测水样的总磷(TP)浓度计算
总磷(TP)浓度的标准分析方法为过硫酸钾消解钼酸铵分光光度法 (GB11893-89)，利用过硫酸钾或硝酸-高氯酸为氧化剂，将待测水样消解后用 钼蓝分光光度法测量总磷(TP)浓度。
2-3)卡尔森营养指数(TSIM)计算
基于叶绿素a(Chla)浓度(μg/L)、透明度(SDD)(m)和总磷(TP)浓 度(μg/L)来计算和修正卡尔森营养指数TSIM，用以表征待测水样水体的营养 状态指数；其中，卡尔森营养指数TSIM的计算公式如下所示。
TSIM＝0.54×TSIM(Chla)+0.297×TSIM(SDD)+0.163×TSIM(TP) (5)
(2)实测野外高光谱反射率Rrs的获取与处理以及水库实测的修正卡尔森 营养指数点的计算
1)实测野外高光谱反射率Rrs的获取与处理
在天气晴朗无云、水面平静的情况下，在上午10点至下午2点时间段内测 量与实测水体水质参数相匹配的野外高光谱数据，利用美国Analytical Spectral Devices公司生产的ASD Fieldspec4 Hi-Res便携式光谱仪测量水体遥感反射率， 测量的波段范围为350～1050nm，光谱的分辨率为3nm；测量时为了避免水体 水面反射和阴影的干扰，光谱仪的观测平面与太阳入射角平面需保持夹角135°， 并且光谱仪的观测平面与水体水面法线需保持夹角45°；测量顺序为离水辐亮度 测量、水体总辐亮度测量、天空漫散射辐亮度测量、水面总入射辐照度测量和 标准灰板的辐亮度测量，每项至少采集10条光谱信息。
具体测量步骤如下：
首先打开ASD Fieldspec4 Hi-Res便携式光谱仪进行开机预热，然后依次进 行DC暗电流测量、离水辐亮度测量、水体总辐亮度测量、天空漫散射辐亮度测 量、水面总入射辐照度测量和标准灰板的辐亮度测量；测量完毕后导出并利用 Viewspecpro软件去除异常值，然后对剩余的光谱数据进行平均值计算；利用水 体遥感反射率的计算公式得到最终的实测野外高光谱反射率Rrs。实测野外高光 谱反射率Rrs的计算公式如下所示。
Lw＝Lsw-rLsky (6)
Ed(0+)＝Lp×π/ρp (7)
式中，Lw表示离水辐亮度，Lsw表示水体总辐亮度，r表示气-水界面对天空 光的反射率，Lsky表示天空漫散射辐亮度，Ed(0+)表示水面总入射辐照度，Lp表 示标准灰板的辐亮度，ρp表示标准灰板的反射率，Rrs表示实测野外高光谱反射 率。
2)水库实测的修正卡尔森营养指数点的计算
按照Sentinel-2波段响应函数的B1～B8的波段范围，将实测野外高光谱反 射率合成B1～B8八个波段的遥感反射率；利用Matlab软件计算不同波段或不 同波段比与实测卡尔森营养指数(TSIM)的皮尔森相关性，最终发现波段比值 为B5/B3与卡尔森营养指数(TSIM)的相关性最佳，由此建立模型，并按照最 终模型TSIM＝37.51*B5/B3+27.33计算水库实测的修正卡尔森营养指数点。
(3)星地同步匹配的卫星遥感反射率获取
1)下载哨兵二号(Sentinel-2)遥感影像产品中水库所在区域的数据产品 Level1C，该数据产品Level 1C可直接由官网 https://scihub.copernicus.eu/dhus/#/home免费下载获取，它是通过正射校正和亚像 元级几何精校正处理后获得的大气顶部反射率产品(TOA，Top-of-Atmosphere)。
其中，所说的哨兵二号(Sentinel-2)遥感影像产品为水库水样采集和野外 高光谱数据观测采集的日期前3天和后3天内过境的哨兵二号(Sentinel-2)遥 感影像产品。
2)利用Sen2cor-2.4.0-win64软件将数据产品Level 1C进行辐射定标和大气 校正，得到产品Level 2A的大气底层反射率数据(BOA，Bottom-of-Atmosphere correctedreflectance)。
3)利用ENVI 5.3软件将产品Level 2A的每个波段的图像转换为ENVI的 标准格式，然后再对B3波段和B5波段进行图层叠加，生成具有投影坐标的B3 和B5波段遥感图像，提取大气底层反射率。
4)按照最终模型TSIM＝37.51*B5/B3+27.33计算水库的修正卡尔森营养指数(TSIM)。
(4)实测卡尔森营养指数(TSIM)与野外高光谱反射率建模估算的TSI 的精度分析
将步骤(3)的最终模型TSIM＝37.51*B5/B3+27.33绘制在以B5/B3为横作 标、以TSIM为纵坐标的平面直角坐标系中，为一条直线(y＝37.51x+27.33)，再 将步骤(2)所得的水库实测的修正卡尔森营养指数点也标记在平面直角坐标系 中，进行线性拟合，得到图2，从图2可以看出，步骤(2)所得的水库实测的 修正卡尔森营养指数点与最终模型TSIM＝37.51*B5/B3+27.33的相关性分析的决 定系数R2为0.84，p<0.01；得到的该拟合模型中的数据点在回归线两侧均匀 分布。
由于在全国范围内采集93个水库135个采样点，采样点分布广泛且均匀， 依据本发明的方法所计算出来的实测卡尔森营养指数具有极高的可信度。
(5)按照标准评价各采样点水库的富营养化程度
评价标准如下：
TSIM<30为贫营养状态；30≤TSIM≤50为中营养状态；TSIM>50为富营 养状态；50<TSIM<60为轻度富营养状态；60<TSIM≤70为中度富营养状态； TSIM>70为重度富营养状态；在同一营养状态下，指数值越高，其营养程度 越重。
具体实施方式二
本实施方式的一种利用卫星遥感反射率估算水库营养状态指数的方法，具 体包括以下步骤：
(1)水库实地采样和卡尔森营养指数TSIM计算
1)水库实地采样
在全国范围内采集93个水库100个采样点，水库水样采集分布如图1所示。 水样采集于湖库中央水面0.1m以下的位置，每个水样采集量均为2L，同时记录 各采样点的GPS位置，并实地使用塞氏盘测量水样水体的透明度(SDD)，将水 样保存于4℃的冰箱内冷藏，并尽快运回实验室。
2)卡尔森营养指数TSIM计算
在实验室用国家标准方法测量待测水样的叶绿素a(Chla)和总磷(TP)。 具体操作过程如下：
2-1)待测水样的叶绿素a(Chla)浓度计算
将待测水样利用47μm的玻璃纤维微孔滤膜进行过滤，玻璃纤维微孔滤膜通 过90％的丙酮溶液浸泡24小时后，经过离心机进行分离提取上层清液，在紫外 -可见光分光光度计上分别测试获得叶绿素a在波长630nm、647nm、664nm和 750nm处的吸光度，叶绿素a(Chla)浓度的计算公式如下所示。
式中，Dλ表示有色可溶有机物(CDOM)在λnm处的光学密度(D630表示 有色可溶有机物(CDOM)在630nm处的光学密度，D647表示有色可溶有机物 (CDOM)在647nm处的光学密度，D664表示有色可溶有机物(CDOM)在664nm 处的光学密度，D750表示有色可溶有机物(CDOM)在750nm处的光学密度)， v表示用以萃取叶绿素所用溶液的体积(ml)，l表示光程(cm)，V表示过滤水 样的体积(L)。
2-2)待测水样的总磷(TP)浓度计算
总磷(TP)浓度的标准分析方法为过硫酸钾消解钼酸铵分光光度法 (GB11893-89)，利用过硫酸钾或硝酸-高氯酸为氧化剂，将待测水样消解后用 钼蓝分光光度法测量总磷(TP)浓度。
2-3)卡尔森营养指数(TSIM)计算
基于叶绿素a(Chla)浓度(μg/L)、透明度(SDD)(m)和总磷(TP)浓 度(μg/L)来计算和修正卡尔森营养指数TSIM，用以表征待测水样水体的营养 状态指数；其中，卡尔森营养指数TSIM的计算公式如下所示。
TSIM＝0.54×TSIM(Chla)+0.297×TSIM(SDD)+0.163×TSIM(TP) (5)
(2)实测野外高光谱反射率Rrs的获取与处理以及水库实测的修正卡尔森 营养指数点的计算
1)实测野外高光谱反射率Rrs的获取与处理
在天气晴朗无云、水面平静的情况下，在上午10点至下午2点时间段内测 量与实测水体水质参数相匹配的野外高光谱数据，利用美国Analytical Spectral Devices公司生产的ASD Fieldspec4 Hi-Res便携式光谱仪测量水体遥感反射率， 测量的波段范围为350～1050nm，光谱的分辨率为3nm；测量时为了避免水体 水面反射和阴影的干扰，光谱仪的观测平面与太阳入射角平面需保持夹角135°， 并且光谱仪的观测平面与水体水面法线需保持夹角45°；测量顺序为离水辐亮度 测量、水体总辐亮度测量、天空漫散射辐亮度测量、水面总入射辐照度测量和 标准灰板的辐亮度测量，每项至少采集10条光谱信息。
具体测量步骤如下：
首先打开ASD Fieldspec4 Hi-Res便携式光谱仪进行开机预热，然后依次进 行DC暗电流测量，离水辐亮度测量、水体总辐亮度测量、天空漫散射辐亮度测 量、水面总入射辐照度测量和标准灰板的辐亮度测量；测量完毕后导出并利用 Viewspecpro软件去除异常值，然后对剩余的光谱数据进行平均值计算；利用水 体遥感反射率的计算公式得到最终的实测野外高光谱反射率Rrs。实测野外高光 谱反射率Rrs的计算公式如下所示。
Lw＝Lsw-rLsky (6)
Ed(0+)＝Lp×π/ρp (7)
式中，Lw表示离水辐亮度，Lsw表示水体总辐亮度，r表示气-水界面对天空 光的反射率，Lsky表示天空漫散射辐亮度，Ed(0+)表示水面总入射辐照度，Lp表 示标准灰板的辐亮度，ρp表示标准灰板的反射率，Rrs表示实测野外高光谱反射 率。
2)水库实测的修正卡尔森营养指数点的计算
按照Sentinel-2波段响应函数的B1～B8的波段范围，将实测野外高光谱反 射率合成B1～B8八个波段的遥感反射率；利用Matlab软件计算不同波段或不 同波段比与实测卡尔森营养指数(TSIM)的皮尔森相关性，最终发现波段比值 为B5/B3与卡尔森营养指数(TSIM)的相关性最佳，由此建立模型，并按照最 终模型TSIM＝37.51*B5/B3+27.33计算水库实测的修正卡尔森营养指数点。
(3)星地同步匹配的卫星遥感反射率获取
1)下载哨兵二号(Sentinel-2)遥感影像产品中水库所在区域的数据产品Level1C，该数据产品Level 1C可直接由官网 https://scihub.copernicus.eu/dhus/#/home免费下载获取，它是通过正射校正和亚像 元级几何精校正处理后获得的大气顶部反射率产品(TOA，Top-of-Atmosphere)。
其中，所说的哨兵二号(Sentinel-2)遥感影像产品为水库水样采集和野外 高光谱数据观测采集的日期前3天和后3天内过境的哨兵二号(Sentinel-2)遥 感影像产品。
2)利用Sen2cor-2.4.0-win64软件将数据产品Level 1C进行辐射定标和大气 校正，得到产品Level 2A的大气底层反射率数据(BOA，Bottom-of-Atmospherecorrectedreflectance)。
3)利用ENVI 5.3软件将产品Level 2A的每个波段的图像转换为ENVI的 标准格式，然后再对B3波段和B5波段进行图层叠加，生成具有投影坐标的B3 和B5波段遥感图像，提取大气底层反射率。
4)按照最终模型TSIM＝37.51*B5/B3+27.33计算水库的修正卡尔森营养指数(TSIM)。
(4)实测卡尔森营养指数(TSIM)与野外高光谱反射率建模估算的TSI 的精度分析
将步骤(3)的最终模型TSIM＝37.51*B5/B3+27.33绘制在以B5/B3为横作 标、以TSIM为纵坐标的平面直角坐标系中(图2)，再将步骤(2)所得的水库 实测的修正卡尔森营养指数点也标记在平面直角坐标系中，进行线性拟合，得 到图3(y＝0.96x+0.23)，从图3可以看出，步骤(2)所得的水库实测的修正卡 尔森营养指数点与最终模型TSIM＝37.51*B5/B3+27.33的反演结果值分析中，精 度验证的决定系数为R2为0.80，均方根误差为3.77；得到的该拟合模型中的 数据点在回归线两侧均匀分布。
由于在全国范围内采集93个水库100个采样点，采样点分布广泛且均匀， 依据本发明的方法所计算出来的实测卡尔森营养指数具有极高的可信度。
(5)按照标准评价各采样点水库的富营养化程度
评价标准如下：
TSIM<30为贫营养状态；30≤TSIM≤50为中营养状态；TSIM>50为富营 养状态；50<TSIM<60为轻度富营养状态；60<TSIM≤70为中度富营养状态； TSIM>70为重度富营养状态；在同一营养状态下，指数值越高，其营养程度 越重。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通 技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰， 这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种利用卫星遥感反射率估算水库营养状态指数的方法，其特征在于，包括以下步骤：
步骤一、水库实地采样和卡尔森营养指数TSIM计算；
步骤二、实测野外高光谱反射率Rrs的获取与处理以及水库实测的修正卡尔森营养指数点的计算；
步骤三、星地同步匹配的卫星遥感反射率获取；
步骤四、实测卡尔森营养指数TSIM与野外高光谱反射率建模估算的TSI的精度分析；
步骤五、按照标准评价各采样点水库的富营养化程度。
2.根据权利要求1所述的一种利用卫星遥感反射率估算水库营养状态指数的方法，其特征在于，步骤一中，所述水库实地采样的具体过程如下：
在全国范围内采集多个水库多个采样点，水样采集于湖库中央水面0.1m以下的位置，每个水样采集量均为2L，同时记录各采样点的GPS位置，并实地使用塞氏盘测量水样水体的透明度SDD，将水样保存于4℃的冰箱内冷藏。
3.根据权利要求2所述的一种利用卫星遥感反射率估算水库营养状态指数的方法，其特征在于，步骤一中，所述卡尔森营养指数TSIM计算的具体过程如下：
(1)待测水样的叶绿素a浓度计算
将待测水样利用47μm的玻璃纤维微孔滤膜进行过滤，玻璃纤维微孔滤膜通过90％的丙酮溶液浸泡24小时后，经离心机进行分离提取上层清液，在紫外-可见光分光光度计上分别测试获得叶绿素a在波长630nm、647nm、664nm和750nm处的吸光度，叶绿素a浓度的计算公式如下：
式中，D630表示有色可溶有机物在630nm处的光学密度，D647表示有色可溶有机物在647nm处的光学密度，D664表示有色可溶有机物在664nm处的光学密度，D750表示有色可溶有机物在750nm处的光学密度，v表示用以萃取叶绿素所用溶液的体积，单位ml，l表示光程，单位cm，V表示过滤水样的体积，单位L；
(2)待测水样的总磷TP浓度计算
总磷TP浓度的标准分析方法为过硫酸钾消解钼酸铵分光光度法，利用过硫酸钾或硝酸-高氯酸为氧化剂，将待测水样消解后用钼蓝分光光度法测量总磷TPTP浓度；
(3)卡尔森营养指数TSIM计算
利用叶绿素a浓度、透明度SDD和总磷TP浓度计算和修正卡尔森营养指数TSIM，用以表征待测水样水体的营养状态指数；卡尔森营养指数TSIM的计算公式如下：
TSIM＝0.54×TSIM(Chla)+0.297×TSIM(SDD)+0.163×TSIM(TP) (5)。
4.根据权利要求3所述的一种利用卫星遥感反射率估算水库营养状态指数的方法，其特征在于，步骤二中，所述实测野外高光谱反射率Rrs的获取与处理的的具体过程如下：
打开ASD Fieldspec4 Hi-Res便携式光谱仪进行开机预热，然后依次进行DC暗电流测量、离水辐亮度测量、水体总辐亮度测量、天空漫散射辐亮度测量、水面总入射辐照度测量和标准灰板的辐亮度测量；测量完毕后导出并利用Viewspecpro软件去除异常值，对剩余的光谱数据进行平均值计算；利用水体遥感反射率的计算公式得到最终的实测野外高光谱反射率Rrs；实测野外高光谱反射率Rrs的计算公式如下：
Lw＝Lsw-rLsky (6)
Ed(0+)＝Lp×π/ρp (7)
式中，Lw表示离水辐亮度，Lsw表示水体总辐亮度，r表示气-水界面对天空光的反射率，Lsky表示天空漫散射辐亮度，Ed(0+)表示水面总入射辐照度，Lp表示标准灰板的辐亮度，ρp表示标准灰板的反射率，Rrs表示实测野外高光谱反射率。
5.根据权利要求4所述的一种利用卫星遥感反射率估算水库营养状态指数的方法，其特征在于，步骤二中，在天气晴朗无云、水面平静的情况下，在上午10点至下午2点时间段内测量与实测水体水质参数相匹配的野外高光谱数据，利用ASD Fieldspec4 Hi-Res便携式光谱仪测量水体遥感反射率，测量的波段范围为350～1050nm，光谱的分辨率为3nm；测量时光谱仪的观测平面与太阳入射角平面需保持夹角135°，并且光谱仪的观测平面与水体水面法线需保持夹角45°；测量顺序为离水辐亮度测量、水体总辐亮度测量、天空漫散射辐亮度测量、水面总入射辐照度测量和标准灰板的辐亮度测量，每项至少采集10条光谱信息。
6.根据权利要求4所述的一种利用卫星遥感反射率估算水库营养状态指数的方法，其特征在于，步骤二中，所述水库实测的修正卡尔森营养指数点的计算的具体过程如下：
按Sentinel-2波段响应函数的B1～B8的波段范围，将实测野外高光谱反射率合成B1～B8八个波段的遥感反射率；利用Matlab软件计算不同波段或不同波段比与实测卡尔森营养指数TSIM的皮尔森相关性，最终发现波段比值为B5/B3与卡尔森营养指数TSIM的相关性最佳，由此建立模型，并按最终模型TSIM＝37.51*B5/B3+27.33计算水库实测的修正卡尔森营养指数点。
7.根据权利要求6所述的一种利用卫星遥感反射率估算水库营养状态指数的方法，其特征在于，步骤三的具体过程如下：
(1)下载哨兵二号Sentinel-2遥感影像产品中水库所在区域的数据产品Level 1C；所述哨兵二号Sentinel-2遥感影像产品为水库水样采集和野外高光谱数据观测采集的日期前3天和后3天内过境的哨兵二号Sentinel-2遥感影像产品；
(2)利用Sen2cor-2.4.0-win64软件将数据产品Level 1C进行辐射定标和大气校正，得到产品Level 2A的大气底层反射率数据；
(3)利用ENVI 5.3软件将产品Level 2A的每个波段的图像转换为ENVI的标准格式，然后再对B3波段和B5波段进行图层叠加，生成具有投影坐标的B3和B5波段遥感图像，提取大气底层反射率；
(4)按最终模型TSIM＝37.51*B5/B3+27.33计算水库的修正卡尔森营养指数TSIM。
8.根据权利要求7所述的一种利用卫星遥感反射率估算水库营养状态指数的方法，其特征在于，步骤(1)中，所述数据产品Level 1C直接由官网https://scihub.copernicus.eu/dhus/#/home免费下载获取，它是通过正射校正和亚像元级几何精校正处理后获得的大气顶部反射率产品。
9.根据权利要求7所述的一种利用卫星遥感反射率估算水库营养状态指数的方法，其特征在于，步骤四的具体过程如下：
将步骤(3)的最终模型TSIM＝37.51*B5/B3+27.33绘制在以B5/B3为横作标、以TSIM为纵坐标的平面直角坐标系中，再将步骤(2)所得的水库实测的修正卡尔森营养指数点标记在平面直角坐标系中，进行线性拟合，获得步骤(2)所得的水库实测的修正卡尔森营养指数点与最终模型TSIM＝37.51*B5/B3+27.33的相关性分析的决定系数R2。
10.根据权利要求9所述的一种利用卫星遥感反射率估算水库营养状态指数的方法，其特征在于，步骤五中，按照标准评价各采样点水库的富营养化程度，评价标准如下：
TSIM<30为贫营养状态；30≤TSIM≤50为中营养状态；TSIM>50为富营养状态；50<TSIM<60为轻度富营养状态；60<TSIM≤70为中度富营养状态；TSIM>70为重度富营养状态；在同一营养状态下，指数值越高，其营养程度越重。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111368791.XA CN114705632B (zh) | 2021-11-18 | 2021-11-18 | 一种利用卫星遥感反射率估算水库营养状态指数的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111368791.XA CN114705632B (zh) | 2021-11-18 | 2021-11-18 | 一种利用卫星遥感反射率估算水库营养状态指数的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114705632A true CN114705632A (zh) | 2022-07-05 |
| CN114705632B CN114705632B (zh) | 2024-02-06 |
Family
ID=82167248
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111368791.XA Active CN114705632B (zh) | 2021-11-18 | 2021-11-18 | 一种利用卫星遥感反射率估算水库营养状态指数的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114705632B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116699096A (zh) * | 2023-08-08 | 2023-09-05 | 凯德技术长沙股份有限公司 | 一种基于深度学习的水质检测方法和系统 |
| CN117434034A (zh) * | 2023-10-24 | 2024-01-23 | 上海普适导航科技股份有限公司 | 一种基于光谱库的水质多源遥感数据快速反演方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104390917A (zh) * | 2014-12-03 | 2015-03-04 | 中国科学院南京地理与湖泊研究所 | 一种富营养化湖泊水体叶绿素a 的MODIS卫星高精度监测方法 |
| CN104820224A (zh) * | 2015-05-08 | 2015-08-05 | 中国科学院南京地理与湖泊研究所 | 富营养化湖泊水体叶绿素a的MODIS卫星高精度监测方法 |
| CN109632738A (zh) * | 2018-12-21 | 2019-04-16 | 中国科学院东北地理与农业生态研究所 | 一种评价湖库富营养化程度的方法 |
| CN110068539A (zh) * | 2019-04-29 | 2019-07-30 | 中国科学院南京地理与湖泊研究所 | 一种富营养化浅水湖泊有色溶解有机物的遥感方法 |
| CN110749568A (zh) * | 2019-12-19 | 2020-02-04 | 中国科学院南京地理与湖泊研究所 | 高浑浊富营养化湖泊浮游植物吸收特性modis遥感反演方法 |
| CN112989692A (zh) * | 2021-02-10 | 2021-06-18 | 中国科学院南京地理与湖泊研究所 | 基于遥感数据的湖泊富营养化反演方法 |
| CN113203694A (zh) * | 2021-04-26 | 2021-08-03 | 中国科学院东北地理与农业生态研究所 | Msi的湖泊富营养指数遥感估算方法 |
-
2021
- 2021-11-18 CN CN202111368791.XA patent/CN114705632B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104390917A (zh) * | 2014-12-03 | 2015-03-04 | 中国科学院南京地理与湖泊研究所 | 一种富营养化湖泊水体叶绿素a 的MODIS卫星高精度监测方法 |
| CN104820224A (zh) * | 2015-05-08 | 2015-08-05 | 中国科学院南京地理与湖泊研究所 | 富营养化湖泊水体叶绿素a的MODIS卫星高精度监测方法 |
| CN109632738A (zh) * | 2018-12-21 | 2019-04-16 | 中国科学院东北地理与农业生态研究所 | 一种评价湖库富营养化程度的方法 |
| CN110068539A (zh) * | 2019-04-29 | 2019-07-30 | 中国科学院南京地理与湖泊研究所 | 一种富营养化浅水湖泊有色溶解有机物的遥感方法 |
| CN110749568A (zh) * | 2019-12-19 | 2020-02-04 | 中国科学院南京地理与湖泊研究所 | 高浑浊富营养化湖泊浮游植物吸收特性modis遥感反演方法 |
| CN112989692A (zh) * | 2021-02-10 | 2021-06-18 | 中国科学院南京地理与湖泊研究所 | 基于遥感数据的湖泊富营养化反演方法 |
| CN113203694A (zh) * | 2021-04-26 | 2021-08-03 | 中国科学院东北地理与农业生态研究所 | Msi的湖泊富营养指数遥感估算方法 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116699096A (zh) * | 2023-08-08 | 2023-09-05 | 凯德技术长沙股份有限公司 | 一种基于深度学习的水质检测方法和系统 |
| CN116699096B (zh) * | 2023-08-08 | 2023-11-03 | 凯德技术长沙股份有限公司 | 一种基于深度学习的水质检测方法和系统 |
| CN117434034A (zh) * | 2023-10-24 | 2024-01-23 | 上海普适导航科技股份有限公司 | 一种基于光谱库的水质多源遥感数据快速反演方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114705632B (zh) | 2024-02-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Li et al. | Estimation of chlorophyll a concentration using NIR/red bands of MERIS and classification procedure in inland turbid water | |
| CN108593569A (zh) | 基于光谱形态特征的高光谱水质参数定量反演方法 | |
| CN112989692A (zh) | 基于遥感数据的湖泊富营养化反演方法 | |
| CN107014763A (zh) | 叶绿素遥感反演装置及方法 | |
| Yu et al. | Assessment of total suspended sediment concentrations in Poyang Lake using HJ-1A/1B CCD imagery | |
| CN113420497B (zh) | 浑浊湖泊总磷浓度遥感估算方法 | |
| CN113203694B (zh) | Msi的湖泊富营养指数遥感估算方法 | |
| CN114705632A (zh) | 一种利用卫星遥感反射率估算水库营养状态指数的方法 | |
| CN114202675A (zh) | 一种基于无人机多光谱遥感影像的作物生长参数测定方法及系统 | |
| CN110836870B (zh) | 基于gee的大区域湖泊透明度快速制图方法 | |
| Ye et al. | Atmospheric correction of Landsat-8/OLI imagery in turbid estuarine waters: A case study for the Pearl River estuary | |
| CN114241331A (zh) | 以UAV为地面和Sentinel-2中介的湿地芦苇地上生物量遥感建模方法 | |
| CN116148188A (zh) | 空天地一体化湖泊水质溯源方法、系统、设备及存储介质 | |
| Hang et al. | Estimation of chlorophyll-a concentration in Lake Taihu from Gaofen-1 wide-field-of-view data through a machine learning trained algorithm | |
| CN113109281A (zh) | 一种基于高光谱遥感的水质参数定量反演模型及其构建方法 | |
| CN109406361B (zh) | 一种基于遥感技术的干旱区灰霾污染预警方法 | |
| CN115908864A (zh) | 一种基于modis影像的海水色度角提取方法及水色状况遥感分类方法 | |
| Miura et al. | Validation and analysis of Terra and Aqua MODIS, and SNPP VIIRS vegetation indices under zero vegetation conditions: A case study using Railroad Valley Playa | |
| Lou et al. | An effective method for canopy chlorophyll content estimation of marsh vegetation based on multiscale remote sensing data | |
| Zhao et al. | Widespread decrease in chromophoric dissolved organic matter in Chinese lakes derived from satellite observations | |
| Tian et al. | A novel remote sensing index for brine shrimp (Artemia) slick detection in salt lakes | |
| Igamberdiev et al. | Determination of chlorophyll content of small water bodies (kettle holes) using hyperspectral airborne data | |
| CN113763272B (zh) | 一种富营养化湖泊光合有效辐射衰减系数遥感反演方法 | |
| Mbuh | Use of hyperspectral remote sensing to estimate water quality | |
| Wang et al. | Monitoring phycocyanin concentrations in high-latitude inland lakes using Sentinel-3 OLCI data: The case of Lake Hulun, China |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |