孔金玲
, 杨晶
KONG Jinling, YANG Jing
通讯作者:
收稿日期: 2015-11-24
修回日期: 2016-05-3
网络出版日期: 2016-10-25
版权声明: 2016 《地球信息科学学报》编辑部 《地球信息科学学报》编辑部 所有
基金资助:
作者简介:
作者简介：孔金玲（1964-）,女,博士,教授,主要从事定量遥感研究。E-mail: jlkong@163.com
展开
摘要
利用遥感技术监测水体悬浮泥沙含量是海洋水色遥感的一个重要研究方向。本文以曹妃甸近岸海域4个剖面35个站点开展的现场光谱测量、同步采集的不同深度悬浮泥沙含量样品数据为基础,采用Landsat-5 TM遥感数据,建立水体表、中、底层悬沙含量遥感反演模型,并研究悬沙垂向上的空间分布规律。结果表明,曹妃甸近岸海域泥沙含量在垂向上有明显的相关性,以Landsat-5 TM影像反射率比值（RTM3/RTM2）为因子,构建优化的悬浮泥沙含量遥感反演模型,各层模型平均相对误差都在30%以内,表层和中层的平均绝对误差在6 mg/L以下,均方根误差小于10 mg/L,底层的精度略低于表层和中层。研究结果为进一步研究海洋环境泥沙运移规律、优化水动力作用下泥沙运移模型提供支持。
关键词：
Abstract
The suspended solids content in ocean water is a significant water quality parameter, and the use of remote sensing technology to monitor the suspended sediment concentration (SSC) is an important research direction in ocean color remote sensing. In this paper, based on a set of in situ data sets, which include the simultaneous spectral reflectance data and the SSC data of different depths obtained from 35 field sites distributed within the four profiles of Caofeidian waters, and combined with the Landsat-5 TM remote sensing data, an empirical statistical model between the SSC levels of water surface and the remote sensing reflectance was established. So the SSC levels of water surface in the study area were estimated. Subsequently, by respectively analyzing the correlation relationships of SSC levels between the surface and the middle layers, as well as the surface and the bottom layers, we deduced the SSC inversion results of the middle and bottom layers based on the results of surface SSC levels and we also studied the vertical spatial distribution patterns of SSC. The study results indicate that there is an obvious correlation between the SSC levels in the vertical direction. Based on the reflectance ratio (RTM3/RTM2) of Landsat-5 TM image, an optimized quadratic polynomial model for the SSC retrieval of water surface was established. Based on this model, the relevant models for the middle and bottom layers were also established. Then, the inversion precision of each model was validated using seven check points. The model's mean relative error of each layer was controlled to be less than 30%, the mean absolute errors and root mean square errors of the surface and middle layers were below 6 mg/L and 10 mg/L respectively. The precision of the bottom layer was slightly lower than the surface and middle layers. The results provide a foundation to further study the sediment transport rule of marine environment and the optimization of sediment transport model under hydrodynamic forces.
Keywords：
海洋水色遥感是监测海水生态环境的重要技术手段。海洋水体中悬浮物含量是重要的水体质量参数[1],尤其是悬浮泥沙含量影响着水体的携沙能力、透明度以及河口海岸的演变规律和水体生态系统[2]。传统悬浮泥沙浓度调查主要依赖于海上作业船只的监测,而遥感技术以实时性、连续性、广泛性、同步性等特点,为海洋调查研究提供了新的技术手段,利用遥感技术监测水体悬浮泥沙浓度成为海洋遥感领域的一个重要研究方向[3]。以往的成果主要是关于海洋表层水体悬浮泥沙浓度遥感监测方法的研究[4-6],且国内外学者应用不同的遥感数据源在河口、近岸海域开展了卓有成效的工作[7-8]。在遥感反演模型方面,经历了从经验模型到半分析模型以至理论模型的发展历程[9-11]。由于海洋环境的复杂性,对于海洋水体垂向悬浮泥沙分布特征的研究,只局限于依靠少量离散监测点数据进行分析,较少从宏观的、整体的、连续的角度对海洋水体悬浮泥沙分布规律开展研究。
本文以曹妃甸地区近岸海域为研究区,基于现场光谱测量和不同深度悬沙含量测量数据,采用Landsat-5 TM遥感数据,建立水体表层、中层和底层悬沙含量遥感反演模型,实现不同层面的连续空间场研究泥沙的空间分布规律,弥补只依靠少量离散点数据分析泥沙空间分布特征的不足,为进一步研究曹妃甸地区泥沙运移规律,优化水动力作用下泥沙运移模型提供支持。
曹妃甸位于渤海湾中心地带,距离滦南县城63 km,向东距离京唐港33海里,距离北京约 230 km,港口位置非常优越[12]。良好的自然地理条件,使曹妃甸港区具有明显的近岸深水优势,特别是25 m水深水域直通渤海海峡,是渤海湾唯一不需要新开挖航道和港池即可建设30万吨级大型泊位的“钻石级”港址,被誉为“国宝之地”[13]。曹妃甸港口建设是河北省政府的“一号工程”,也是国家首批发展循环经济试点区域之一。
曹妃甸海域悬移质泥沙主要来自西部海域并随潮波输运至东部。野外实测数据显示,该区域表层悬沙量比较低,整体上均小于120 mg/L,平均含沙量低于30 mg/L。海域沉积物类型主要由砂、中砂、细砂、粉砂和粉砂质粘土、粘土质粉砂组成,其中以粘土质粉砂与细粉砂为主,分别占全部底质取样样品的60%和25%[14]。沉积物的分布由陆向海呈细-粗-细的变化规律,沉积物中值粒径的分布由西向东呈由小到大的变化趋势,表层沉积物平均粒径在0.003~4 mm范围之间,其中粉砂（0.004~0.063 mm）分布范围最广[13,15]。
本文数据源包括研究区Landsat-5 TM遥感影像和野外实测数据集。野外实测数据为用美国双通道ASD光谱仪（光谱覆盖范围350 ~2500 nm）采集的光谱数据和同步采集的不同深度的泥沙水质样本数据。研究区共布设4个剖面,每个剖面有12个监测点,监测点的分布如图1所示。4个剖面分别于2009年6月13日、22日、23日和25日进行了数据采集,采集时间在9:30-14:30之间。
2.2.1 水体悬浮泥沙含量测量与分析
水体悬浮泥沙样品采用2.5 L定深采水器采集。待船体停稳后,使用专用的有机玻璃或不锈钢定深采水器进行表、中、底分层采样。表层样在水面以下0~1.5 m处采集,共采集48个样点;中层取样深度为水深的0.6倍,共采集37个样点;底层取样深度为海底以上2 m左右,共采集41个样点;其中,同步获取表、中、底层35个站点的泥沙浓度。实验测试按《海洋监测规范》进行[16],采用过滤重量法,将水体在真空过滤器中通过0.45 μm滤膜进行过滤,并将留在滤膜上的悬浮泥沙进行称重,计算水体中悬浮泥沙浓度。
根据野外获取样品,选取同时采集表、中、底层泥沙样品的测站共35个,其悬浮泥沙含量、粒径测试统计结果如表1所示。整体上,曹妃甸海域含沙量较低,分布范围为0.6~285.6 mg/L。除个别点外,表层悬沙含量基本上小于100 mg/L;而且呈现出西部海域含沙量高于东部海域、近岸海域含沙量高于远海区域（一般为远海区域的10~20倍）的分布特征;甸头前沿海域平均含沙量为20 mg/L,涨潮平均含沙量略高于落潮平均含沙量。从垂向上看,表、中、底层含沙量具有逐渐增大的趋势。表、中、底层平均泥沙浓度分别为16.5、25.4 、29.0 mg/L,呈现出泥沙在底部运移的特征。悬沙粒径分布范围为2.98~78.76 µm,呈现近岸与远海较粗,中部相对较细的特点;在垂向上,表、中、底层平均泥沙粒径分别为19.03 、15.92 、13.34 µm,具有沿水深逐渐变细的特征,说明曹妃甸深槽水流动力能悬浮起较大颗粒的泥沙[13]。
表1 表、中、底层悬浮泥沙含量、粒径测试结果
Tab. 1 Test results of SSC and particle size in the surface, middle and bottom layers
| 取样 位置 | 悬浮泥沙含量/（mg/L） | 粒径/µm | |||||
|---|---|---|---|---|---|---|---|
| 最小 | 最大 | 平均 | 最小 | 最大 | 平均 | ||
| 表层 | 2.2 | 208.7 | 16.5 | 2.98 | 72.83 | 19.03 | |
| 中层 | 0.7 | 216.3 | 25.4 | 3.02 | 78.76 | 15.92 | |
| 底层 | 0.6 | 285.6 | 29.0 | 3.13 | 64.97 | 13.34 | |
2.2.2 水体光谱数据测量与处理
水体光谱测量采用光谱仪水面之上测量法获取研究区光谱数据,观测几何采用Φ=135°,θ=40°[17],测量仪器采用美国ASD公司双通道地物光谱仪。测量时严格地按照测量原理分别测量标准板、遮挡直射阳光的标准板、天空光、水体表面的辐照度L和DN值,测量周期至少跨越一个波浪周期,每个目标的测量数据约记录15条左右,测量时间集中在10:00-14:00。
对于标准板经过严格定标的光谱仪,在固定积分时间的条件下,遥感反射率可通过式（1）计算得到。
式中：Ssw为光谱仪面向海面的测量值;Ssky为光谱仪面向天空的测量值;Sp为光谱仪面向标准版的测量值;ρp为严格定标后的标准板反射率;ρ为气-水界面反射率,根据每个站点测量时的天气、风速和时间等因素确定ρ的取值。
根据式（1）对遥感反射率进行计算,绘制了研究区水体光谱曲线（如图2）。
由图2可知,研究区水体光谱曲线具有含沙水体光谱曲线的特征：水体遥感反射率随悬浮泥沙浓度的增加而增加;光谱反射率呈现双峰的特点,第一反射峰在550~600 nm之间,第二反射峰在780~830 nm之间,且第一反射峰的值高于第二反射峰;随着水体悬浮泥沙浓度的增加,第二反射峰的增加速度高于第一反射峰的增加速度。
2.2.3 遥感数据及预处理
遥感数据选用2009年6月11日的Landsat-5 TM遥感影像,其预处理包括大气校正、几何校正、水陆分离、波段分离等。其中,大气校正利用ENVI软件中 FLAASH大气校正模块完成;几何校正是在待校正的遥感影像中选取32个控制点,采用ERDAS软件中二次多项式模型进行校正,误差控制在0.5个像元之内;采用归一化水体指数以0为阈值提取水体,最终得到研究区水陆分离后的影像[18]。
将35个站点的测试数据（每个站点同步获取了表层、中层、底层悬沙含量数据）分为表层、中层悬沙含量测试数据和表层、底层悬沙含量测试数据2组;同时,在35个站点中选28个为建模点,其余7个为模型检验点。利用实测的光谱数据计算Landsat-5 TM相应波段等效遥感反射率,分析单一波段反射率及不同波段反射率比值与悬沙含量之间的相关关系,选择敏感波段（或组合波段）,建立悬沙含量遥感反演模型。
由Landsat-5 TM相应波段等效遥感反射率及不同波段反射率比值与悬沙含量进行相关分析,发现反射率比值（RTM3/RTM2）与表层悬沙浓度（Suspended Sediment Concentration,SSC）相关性最好。选择RTM3/RTM2为敏感因子,建立RTM3/RTM2与表层SSC之间的相关模型（包括线性回归模型、对数模型、指数模型、二次多项式模型和幂函数模型）,其中,二次多项式模型是悬沙浓度的最佳反演模型[19]（模型决定系数R2=0.9773）如式（2）所示。表层悬沙浓度反演模型拟合散点图如图3所示。
式中：SSC表为遥感反演的表层悬沙浓度。
根据悬沙浓度测试数据,分别对表层和中层、表层和底层的悬沙含量进行相关性分析,相关系数分别为：0.94、0.87,表明表层与中层、表层与底层的悬沙含量具有明显的相关性。分别建立表层与中层、底层的悬沙含量的相关模型,发现二次多项式模型拟合效果最好,相关系数分别达到0.9044和0.8618。因此,选择相应的二次多项式模型为表层与中层、表层与底层悬沙含量的相关模型,如式（3）-（4）所示。
将式（2）反演的表层泥沙含量代入式（3）、（4）,可分别反演中层和底层的泥沙含量。
表层与中层、底层悬沙含量的相关关系拟合如图4所示。
图3 表层悬沙浓度与反射率比值拟合散点图
Fig. 3 Scatter plot between surface SSC and reflectance ratios
图4 表层与中层、底层悬沙含量的相关关系拟合图
Fig. 4 Scatter plot of surface SSC and middle SSC, surface SSC and bottom SSC
根据构建的不同深度泥沙浓度反演模型,在实测的等效反射率比值（RTM3/RTM2）变化区间,模拟表、中、底层泥沙浓度的变化规律。图5所示,悬浮泥沙垂向分布（除高浓度个别点外）,基本上与天然河道中悬移质含沙量垂线分布的经典理论一致,即悬浮物的浓度在接近海底处达到最高,距海底越远,则浓度越低[20]。模型曲线显示,RTM3/RTM2=0.45,是反演模型的拐点,即当RTM3/RTM2<0.45（SSC表<8.3 mg/L）时,泥沙浓度与RTM3/RTM2成反比,而当RTM3/RTM2>0.45时,泥沙浓度与RTM3/RTM2成正比,这与光谱数据反映的结果一致。水体的光谱曲线（图2）显示,当水体表层泥沙浓度较低时,不同浓度间对应的反射率变化,ΔRTM3<ΔRTM2,因此,泥沙浓度与RTM3/RTM2成反比;随着泥沙浓度的增加,不同浓度间对应的反射率变化,ΔRTM3 >ΔRTM2,此时,泥沙浓度与RTM3/RTM2成正比。此外,从图5可看出,当RTM3/RTM2<0.75（SSC表<33.91 mg/L）时,根据泥沙监测数据判定,属于中部到远海的区域,表层和中层的泥沙浓度接近,底层泥沙浓度大于上两层,且靠岸的距离越近,底层泥沙浓度越高;当RTM3/RTM2>0.75,SSC表>33.91 mg/L时,根据研究区监测资料,对应的站点位于近岸海域,水深基本上在10 m以内,反演模型显示,此时,中层的泥沙浓度迅速增高,在岸边高浓度区域接近甚至有超过底层浓度的趋势。这主要是近岸河口区大量泥沙的沉积以及浅水海域底层泥沙的再悬浮的共同作用,成为近岸海域中层泥沙浓度增高的主要原因。
利用7个模型检验点的含沙量数据对模型进行验证,采用平均绝对误差、平均相对误差和均方根误差来评价模型精度,计算结果如表2所示。
表2 反演模型精度评定
Tab. 2 Precision assessments of the retrieval models
| 模型适用 范围 | 平均绝对误差 /(mg/L) | 平均相对误差 /(%) | 均方根误差 /(mg/L) |
|---|---|---|---|
| 表层 | 5.57 | 25.35 | 7.22 |
| 中层 | 5.85 | 27.47 | 8.13 |
| 底层 | 8.72 | 29.24 | 11.50 |
图5 表、中、底层悬沙含量反演模型的模拟结果
Fig. 5 The simulation results of the retrieval models for the SSC of surface, middle and bottom layers
表2表明,从底层到表层,反演模型精度逐渐提高,表层和中层的反演结果的平均绝对误差在6 mg/L以下,均方根误差小于10 mg/L;各层平均相对误差都在30%以内。其中,表层反演模型的精度略高于肖艳芳等[21]在曹妃甸附近海域提出的表层悬浮泥沙含量反演模式（平均相对误差为33.0%）;底层反演结果的精度要略低于表层和中层的结果。这主要是由于海洋水动力作用,海底泥沙运移复杂,表层与底层的泥沙浓度虽有明显的相关性,但其相关性要低于表层与中层的相关性,致使底层泥沙反演精度略低于表层和中层,这一结论也与杜东等[13]得出的结论一致。
选用2009年6月11日的Landsat-5 TM遥感数据,根据式（2）-（4）分别反演表、中、底层泥沙含量,并用ArcGIS和ENVI软件分层制作泥沙分布图（图6）。
图6反映了表、中、底层泥沙空间场分布特征,由表层到底层,泥沙含量呈增大的趋势,尤其是底层,泥沙浓度大部分区域都高于30 mg/L,这主要是泥沙的沉积作用使底部泥沙含量高于中部和表层。从同一层的泥沙分布看,近岸泥沙浓度高于远海海域,尤其西北部沿海泥沙浓度普遍大于70 mg/L,结果表明,曹妃甸海域的泥沙主要来源于西北部唐河、沙河入海口,并且在水动力作用下由西部向东部输送,从而显示了泥沙分布的另一特征是西部海域高于东部海域。
运用遥感技术反演近岸海域水体中垂向悬浮泥沙浓度,可从宏观的角度认识悬沙含量的空间分布规律。为进一步优化水动力作用下泥沙运移模型提供支持。本文采用Landsat-5 TM遥感数据,运用统计回归的方法,建立了曹妃甸近岸水体表、中、底层悬沙含量遥感反演模型,实现悬沙含量遥感反演,并制作了悬沙含量垂向空间分布图。主要研究结论如下：
（1）曹妃甸近岸海域泥沙含量在垂向上有明显的相关性,表层和中层、底层的悬沙含量相关系数分别为0.94和0.87。
（2）Landsat-5 TM影像反射率比值（RTM3/RTM2）是表层泥沙含量遥感反演的最敏感因子,且其二次多项式模型是最佳的反演模型（相关系数R2=0.9773）。
（3）运用水体表、中、底层悬沙含量遥感反演模型,对研究区泥沙含量进行了反演。各层模型平均相对误差都在30%以内,表层和中层的平均绝对误差在6 mg/L以下,均方根误差小于10 mg/L,底层的精度略低于表层和中层。
（4）反演结果反映了表、中、底层泥沙空间场分布特征。垂向上由表层到底层,泥沙含量呈增大的趋势;从同一层的泥沙分布看,近岸泥沙浓度高于远海海域,尤其西北部沿海泥沙浓度普遍大于70 mg/L。
（5）运用定量遥感的方法研究泥沙的垂向变化规律,弥补了只依靠少量离散点数据分析泥沙空间分布特征的不足,为进一步研究泥沙运移规律,优化水动力作用下泥沙运移模型提供了支持。
由于野外采样数据有限,本文仅针对采样点建立了表、中、底层泥沙浓度的相关经验模型。今后,将进一步研究水体的固有光学特性,建立泥沙浓度反演的分析模型和半分析模型,以提高反演精度。
The authors have declared that no competing interests exist.
| [1] |
太湖浮游藻类的后向散射分离及其叶绿素a浓度反演 [J].https://doi.org/10.3724/SP.J.1047.2014.00989 Magsci [本文引用: 1] 摘要
<p>浮游藻类的后向散射是水体光谱构成的重要组成部分, 作为水体辐射传输模型中的重要参数, 高精度的藻类后向散射系数对水体叶绿素a 浓度的遥感反演精度至关重要。本文以简化的辐射传输模型-生物光学模型为基础, 尝试性分离了太湖浮游藻类的后向散射系数。通过藻类后向散射规律分析, 建立了浮游藻类吸收、后向散射特征的叶绿素a 反演模型, 改善了叶绿素a 浓度的遥感反演精度。分析表明:藻类颗粒物的后向散射系数与吸收系数之间存在反比关系, 且在560 nm、700 nm附近存在明显的散射峰, 与叶绿素a 浓度之间相关性显著; 低密度藻类水体总悬浮颗粒的后向散射以非色素颗粒为主导, 适合采用经典的指数模型模拟后向散射系数, 而藻类密度较高的富营养化水体, 水体总悬浮颗粒的后向散射以藻类颗粒为主导, 传统的指数模型已不适用; 采用分离藻类后向散射系数的方法, 使得叶绿素a 浓度的反演值与真实值相关系数从0.66 提高到0.98, 相对误差从55%降低到38%, 均方根误差(RMSE)也由60.95 <em>μ</em>g/L 降低至13.98 <em>μ</em>g/L。其真实性检验表明, 与经典指数模型方法相比, 利用藻类颗粒后向散射分离方法反演叶绿素a浓度, 能够显著改善反演精度。</p>
Phytoplankton backscattering coefficients partitioning and its applications in retrieving chlorophyll-a concentrations in Taihu lake [J].https://doi.org/10.3724/SP.J.1047.2014.00989 Magsci [本文引用: 1] 摘要
<p>浮游藻类的后向散射是水体光谱构成的重要组成部分, 作为水体辐射传输模型中的重要参数, 高精度的藻类后向散射系数对水体叶绿素a 浓度的遥感反演精度至关重要。本文以简化的辐射传输模型-生物光学模型为基础, 尝试性分离了太湖浮游藻类的后向散射系数。通过藻类后向散射规律分析, 建立了浮游藻类吸收、后向散射特征的叶绿素a 反演模型, 改善了叶绿素a 浓度的遥感反演精度。分析表明:藻类颗粒物的后向散射系数与吸收系数之间存在反比关系, 且在560 nm、700 nm附近存在明显的散射峰, 与叶绿素a 浓度之间相关性显著; 低密度藻类水体总悬浮颗粒的后向散射以非色素颗粒为主导, 适合采用经典的指数模型模拟后向散射系数, 而藻类密度较高的富营养化水体, 水体总悬浮颗粒的后向散射以藻类颗粒为主导, 传统的指数模型已不适用; 采用分离藻类后向散射系数的方法, 使得叶绿素a 浓度的反演值与真实值相关系数从0.66 提高到0.98, 相对误差从55%降低到38%, 均方根误差(RMSE)也由60.95 <em>μ</em>g/L 降低至13.98 <em>μ</em>g/L。其真实性检验表明, 与经典指数模型方法相比, 利用藻类颗粒后向散射分离方法反演叶绿素a浓度, 能够显著改善反演精度。</p>
|
| [2] |
南黄海海水中悬浮体的研究 [J].Suspended matter in the south yellow sea [J]. |
| [3] |
近岸Ⅱ类水体表层悬浮泥沙浓度遥感模式研究进展 [J].Progress on suspended sediment concentration remote sensing in nearshore case 2 waters [J]. |
| [4] |
An optimal model for estimating suspended sediment concentration from Landsat TM images in the Caofeidian coastal waters [J].https://doi.org/10.1080/01431161.2015.1043159 URL [本文引用: 1] 摘要
Suspended sediment concentration (SSC) is one of the most critical parameters in water quality and environmental evaluations. Remote sensing has the potential for monitoring the dynamics and spatial distribution of SSC efficiently. The primary objective of this study is to develop retrieval models that are reliable and sensitive to SSC levels in the Caofeidian area, a new seaport in northeast China, based on Landsat-5 Thematic Mapper (TM) images and a set of data sets, including spectral reflectance data and water quality data. The study finds that the band reflectance ratio and binary combination factor (i.e. the ratio of the reflectance to the particle size) are more effective than single band reflectance, and a non-linear model is more potent than a linear model for predicting SSC in the Caofeidian waters. A quadratic polynomial regression model of the /ratio is proposed as the optimal retrieval model after evaluating various models with respect to different sensitive factors. The accuracy of the model is acceptable with a relative error and a root mean square error of 25.35% and 7.22聽mg聽l, respectively; the correlation coefficient between the observed and estimated SSCs is 0.986. This study also indicates that the band reflectance ratio and binary combination factor are effective in weakening and even partially eliminating the effects of the changes in the sediment type (i.e. particle size and refractive index). And the band reflectance ratio is more efficient. Using the proposed model and TM data, SSC levels for the entire region were estimated. Such results can serve as a baseline for future environmental monitoring efforts.
|
| [5] |
Remote sensing retrieval of suspended sediment concentration in shallow waters [J].
|
| [6] |
南黄海辐射沙洲邻近海域表层悬浮颗粒物浓度遥感反演 [J].
利用2003年春、秋季南黄海辐射沙洲邻近海域水体表观光谱测量与同步水体取样数据,分析该海域不同季节表层水体遥感反射率光谱响应特性。结合常用水色传感器波段光谱响应模拟,建立春、秋季表层水体总悬浮颗粒物浓度(TSM)与悬浮泥沙浓度(SSC)的最适单波段、双波段(波段比值)和3波段统计反演模式。结果表明,不同季节水体上述3类算法的最优波段均不相同,欲寻求适合所有季节水体的统一反演算法,仅能选择次优波段。通过比较,3种不同反演模式中三波段模式更适于反演近岸水体悬浮颗粒物浓度。
Remote sensing retrieval of suspended particulate matter concentrations of surface waters near radial sand ridges area in the south yellow sea [J].
利用2003年春、秋季南黄海辐射沙洲邻近海域水体表观光谱测量与同步水体取样数据,分析该海域不同季节表层水体遥感反射率光谱响应特性。结合常用水色传感器波段光谱响应模拟,建立春、秋季表层水体总悬浮颗粒物浓度(TSM)与悬浮泥沙浓度(SSC)的最适单波段、双波段(波段比值)和3波段统计反演模式。结果表明,不同季节水体上述3类算法的最优波段均不相同,欲寻求适合所有季节水体的统一反演算法,仅能选择次优波段。通过比较,3种不同反演模式中三波段模式更适于反演近岸水体悬浮颗粒物浓度。
|
| [7] |
基于半分析模型的渤海湾近岸海域悬浮泥沙浓度遥感反演 [J].https://doi.org/10.3969/j.issn.1672-0504.2014.03.008 URL [本文引用: 1] 摘要
悬浮泥沙浓度是海洋质量和环境评价的重要参数之一,遥感技术可以实现对海洋水色要素基础信息实时、连续、大范围监测,是当前大尺度海洋生态环境监测的重要手段。然而,现今并没有一个通用的模型可以实现对所有复杂水体悬浮泥沙浓度的反演。该文基于野外站点观测、结合研究区水体光谱特性,构建了基于多波段准分析算法(QAA)的渤海湾近岸海域悬浮泥沙浓度遥感反演半分析模型,并利用Landsat TM遥感数据,对研究区悬浮泥沙浓度进行了反演,制作了悬浮泥沙浓度空间分布图。研究结果显示,该文构建的半分析模型与前人研究的经验统计模型相比,具有更高的精度和普适性,相对误差达到18.28%;研究区的悬浮泥沙浓度整体较低,平均泥沙浓度为27mg/L,且呈现近海大于远海、南部海域大于北部海域的规律。
Retrieval of sea surface suspended sediment concentration in Bohai gulf offshore area on semi-analysis model [J].https://doi.org/10.3969/j.issn.1672-0504.2014.03.008 URL [本文引用: 1] 摘要
悬浮泥沙浓度是海洋质量和环境评价的重要参数之一,遥感技术可以实现对海洋水色要素基础信息实时、连续、大范围监测,是当前大尺度海洋生态环境监测的重要手段。然而,现今并没有一个通用的模型可以实现对所有复杂水体悬浮泥沙浓度的反演。该文基于野外站点观测、结合研究区水体光谱特性,构建了基于多波段准分析算法(QAA)的渤海湾近岸海域悬浮泥沙浓度遥感反演半分析模型,并利用Landsat TM遥感数据,对研究区悬浮泥沙浓度进行了反演,制作了悬浮泥沙浓度空间分布图。研究结果显示,该文构建的半分析模型与前人研究的经验统计模型相比,具有更高的精度和普适性,相对误差达到18.28%;研究区的悬浮泥沙浓度整体较低,平均泥沙浓度为27mg/L,且呈现近海大于远海、南部海域大于北部海域的规律。
|
| [8] |
Retrieval of suspended sediment concentrations in large turbid rivers using Landsat ETM+: an example from the Yangtze River, China [J].https://doi.org/10.1002/esp.1795 URL [本文引用: 1] 摘要
Suspended sediment concentration (SSC) is a critical parameter in the study of river sediment transport and water quality variation, but traditional measurement methods are costly and time-consuming. This paper is focused on presenting a methodology that may be useful in estimating SSC which is of key importance in process geomorphology and hydrology. In previous studies, remote sensing has bee...
|
| [9] |
Estimation of suspended sediment concentration from turbidity measurements using artificial neural networks [J].https://doi.org/10.1007/s10661-011-2269-2 Magsci [本文引用: 1] 摘要
Suspended sediment concentration (SSC) is generally determined from the direct measurement of sediment concentration of river or from sediment transport equations. Direct measurement is very costly and cannot be conducted for all river gauge stations. Therefore, correct estimation of suspended sediment amount carried by a river is very important in terms of water pollution, channel navigability, reservoir filling, fish habitat, river aesthetics and scientific interests. This study investigates the feasibility of using turbidity as a surrogate for SSC as in situ turbidity meters are being increasingly used to generate continuous records of SSC in rivers. For this reason, regression analysis (RA) and artificial neural networks (ANNs) were employed to estimate SSC based on in situ turbidity measurements. The SSC was firstly experimentally determined for the surface water samples collected from the six monitoring stations along the main branch of the stream Harsit, Eastern Black Sea Basin, Turkey. There were 144 data for each variable obtained on a fortnightly basis during March 2009 and February 2010. In the ANN method, the used data for training, testing and validation sets are 108, 24 and 12 of total 144 data, respectively. As the results of analyses, the smallest mean absolute error (MAE) and root mean square error (RMSE) values for validation set were obtained from the ANN method with 11.40 and 17.87, respectively. However these were 19.12 and 25.09 for RA. It was concluded that turbidity could be a surrogate for SSC in the streams, and the ANNs method used for the estimation of SSC provided acceptable results.
|
| [10] |
A semi-analytical model for remote sensing retrieval of suspended sediment concentration in the gulf of Bohai, China [J].https://doi.org/10.3390/rs70505373 URL 摘要
Suspended sediment concentration (SSC) is one of the most critical parameters in ocean ecological environment evaluation and it can be determined using ocean color remote sensing (RS). The purpose of this study is to develop a model that provides a reliable and sensitive evaluation of SSC retrieval using RS data. Data were acquired for and gathered from the Gulf of Bohai where SSC levels are relatively low with an average value below 30 mg·L611. The study indicates that the most sensitive band to SSC levels in the study area is the NIR band of Landsat5 TM images. A quadratic polynomial semi-analytical model appears to be the best retrieval model based on the relationship between the inherent optical properties (IOPs) and apparent optical properties (AOPs) of water as described by the quasi-analytical algorithm (QAA). The model has a higher precision and effectiveness for SSC retrieval than data-driven statistical models, especially when SSC level is relatively high. The average relative error and the root mean square error (RMSE) are 12.32% and 4.53 mg·L611, respectively, while the correlation coefficient between observed and estimated SSC by the model is 0.95. Using the proposed retrieval model and TM data, SSC levels of the entire study region in the Gulf of Bohai were estimated. These estimates can serve as the baseline for efficient monitoring of the ocean environment in the future.
|
| [11] |
基于辐射传输模型的水质参数定量遥感反演[D] .RTM)-based water pollution parameters retrieval from Landsat TM/ETM data[D]. |
| [12] |
曹妃甸工业区门户网站 [DB/OL]..Caofeidian industrial zone portal website [DB/OL]. ] |
| [13] |
河北省曹妃甸近岸海域悬浮泥沙含量分布特征研究 [J].Study on distribution characteristics of the suspended particulate matter (SPM) concentration in the Caofeidian coastal area [J]. |
| [14] |
曹妃甸海域水文泥沙环境及冲淤演变分析 [J].https://doi.org/10.3969/j.issn.1005-8443.2005.03.001 URL [本文引用: 1] 摘要
通过对曹妃甸海域实测水文泥沙资料、底质资料、卫星遥感资料及历年地形资料的分析,对该工程水域的水动力、泥沙环境及冲淤规律进行了研究,论证了曹妃甸滩槽多年来保持基本稳定、局部略有冲刷的基本特点.
Analysis of hydrodynamic and sediment transport of Caofeidian sea area [J].https://doi.org/10.3969/j.issn.1005-8443.2005.03.001 URL [本文引用: 1] 摘要
通过对曹妃甸海域实测水文泥沙资料、底质资料、卫星遥感资料及历年地形资料的分析,对该工程水域的水动力、泥沙环境及冲淤规律进行了研究,论证了曹妃甸滩槽多年来保持基本稳定、局部略有冲刷的基本特点.
|
| [15] |
The correlation between the average reflectance of case Π water in Caofeidian offing and the concentration of surface suspended particulate matter [J]. |
| [16] |
|
| [17] |
水体光谱测量与分析Ⅰ:水面以上测量法 [J].https://doi.org/10.11834/jrs.20040106 Magsci [本文引用: 1] 摘要
水色遥感的基础之一是水体光谱特征测量与分析。水体光谱特性包括两个方面 :表观光学特性(AOPs)和固有光学特征 (IOPs)。该文主要讨论与水色遥感基本参数直接相关的表观光学量的测量与分析。现场表观光谱的测量从方法上可分为两类 :剖面测量法和水表面以上测量法。两种方法相对独立 ,适用范围上具有互补性。该文主要针对水面以上测量法进行讨论。水色遥感一般要求表观光谱特性的测量必须能够导出离水辐射率LW、归一化离水辐射率LWN、遥感反射率Rrs、和刚好处于水面以下 0 -深度的辐照度比R等。国际上有关水色的测量规范中 ,仅有针对大洋一类水体的。中国的近岸水体和湖水绝大部分是二类水体 ,因此该文也将对二类水体光谱测量的有关参数化问题进行讨论。同时 ,对数据分析处理中的一些关键参数的确定 ,提出新方法。
The methods of water spectra measurement and analysisⅠ: above-water method [J].https://doi.org/10.11834/jrs.20040106 Magsci [本文引用: 1] 摘要
水色遥感的基础之一是水体光谱特征测量与分析。水体光谱特性包括两个方面 :表观光学特性(AOPs)和固有光学特征 (IOPs)。该文主要讨论与水色遥感基本参数直接相关的表观光学量的测量与分析。现场表观光谱的测量从方法上可分为两类 :剖面测量法和水表面以上测量法。两种方法相对独立 ,适用范围上具有互补性。该文主要针对水面以上测量法进行讨论。水色遥感一般要求表观光谱特性的测量必须能够导出离水辐射率LW、归一化离水辐射率LWN、遥感反射率Rrs、和刚好处于水面以下 0 -深度的辐照度比R等。国际上有关水色的测量规范中 ,仅有针对大洋一类水体的。中国的近岸水体和湖水绝大部分是二类水体 ,因此该文也将对二类水体光谱测量的有关参数化问题进行讨论。同时 ,对数据分析处理中的一些关键参数的确定 ,提出新方法。
|
| [18] |
利用改进的归一化差异水体指数(MNDWI)提取水体信息的研究 [J].https://doi.org/10.3321/j.issn:1007-4619.2005.05.012 URL Magsci [本文引用: 1] 摘要
在对M cfeeters提出的归一化差异水体指数(NDWI)分析的基础上,对构成该指数的波长组合进行了修改,提出了改进的归一化差异水体指数MNDWI(M odified NDWI),并分别将该指数在含不同水体类型的遥感影像进行了实验,大部分获得了比NDWI好的效果,特别是提取城镇范围内的水体。NDWI指数影像因往往混有城镇建筑用地信息而使得提取的水体范围和面积有所扩大。实验还发现MNDWI比NDWI更能够揭示水体微细特征,如悬浮沉积物的分布、水质的变化。另外,MNDWI可以很容易地区分阴影和水体,解决了水体提取中难于消除阴影的难题。
A study on information extraction of water body with the modified normalized difference water index(MNDW I) [J].https://doi.org/10.3321/j.issn:1007-4619.2005.05.012 URL Magsci [本文引用: 1] 摘要
在对M cfeeters提出的归一化差异水体指数(NDWI)分析的基础上,对构成该指数的波长组合进行了修改,提出了改进的归一化差异水体指数MNDWI(M odified NDWI),并分别将该指数在含不同水体类型的遥感影像进行了实验,大部分获得了比NDWI好的效果,特别是提取城镇范围内的水体。NDWI指数影像因往往混有城镇建筑用地信息而使得提取的水体范围和面积有所扩大。实验还发现MNDWI比NDWI更能够揭示水体微细特征,如悬浮沉积物的分布、水质的变化。另外,MNDWI可以很容易地区分阴影和水体,解决了水体提取中难于消除阴影的难题。
|
| [19] |
基于RS和GIS技术的曹妃甸近岸海域多层泥沙浓度空间分布特征模拟与分析[D] .Multilayer sediment concentration spatial distribution characteristics of simulation and analysis based on RS and GIS technology in Caofeidian offshore areas[D]. Xi'an: Chang' an |
| [20] |
|
| [21] |
近海水体悬浮物HJ-1号小卫星CCD定量反演研究 [J].
基于HJ-1 号小卫星CCD 数据, 开展近海水体悬浮物含量监测研究。采用邻近清洁水体和同日MODIS 气溶胶产品的方法对CCD 辐亮度数据进行较精准的大气校正; 利用得到的水体遥感反射率,结合地面准同步实测悬浮物含量数据建立悬浮物反演模型, 获得研究区悬浮物的空间分布。模型的相关系数<i>R</i><sup>2</sup>为0.849, 平均误差为33.0%, 反演结果较为理想。结果表明, HJ-1 号小卫星作为中国首个灾害监测小卫星星座, 能够实现定量反演近海水体的悬浮物含量, 对中国近海水体水质的监测和治理具有重要意义。
Quantitative retrieval model of suspended sediment concentration in estuary based on HJ-1 CCD image [J].
基于HJ-1 号小卫星CCD 数据, 开展近海水体悬浮物含量监测研究。采用邻近清洁水体和同日MODIS 气溶胶产品的方法对CCD 辐亮度数据进行较精准的大气校正; 利用得到的水体遥感反射率,结合地面准同步实测悬浮物含量数据建立悬浮物反演模型, 获得研究区悬浮物的空间分布。模型的相关系数<i>R</i><sup>2</sup>为0.849, 平均误差为33.0%, 反演结果较为理想。结果表明, HJ-1 号小卫星作为中国首个灾害监测小卫星星座, 能够实现定量反演近海水体的悬浮物含量, 对中国近海水体水质的监测和治理具有重要意义。
|
/
| 〈 |
|
〉 |
