基于生物光学模型的水体叶绿素浓度反演算法_精品文档资料下载.pdf

基于生物光学模型的水体叶绿素浓度反演算法_精品文档资料下载.pdf

《基于生物光学模型的水体叶绿素浓度反演算法_精品文档资料下载.pdf》由会员分享，可在线阅读，更多相关《基于生物光学模型的水体叶绿素浓度反演算法_精品文档资料下载.pdf（7页珍藏版）》请在冰豆网上搜索。

叶绿素中图分类号：

TP701文献标识码：

ADOI：

103964jissm10000593（200901003805引言湖?

自水体作为淡水水源在饮用水供给、农业、渔业、工业、旅游业等方面发挥着至关重要的作用Llj。

富营养化水体的一个重要特征是藻类物质大量繁殖，因此叶绿素浓度可以作为衡量湖泊富营养化的重要指标。

传统的水质监测是通过采集水样、过滤、萃取以及分光光度计分析。

这种方法费时费力，且只能了解监测断面上的水质状况。

遥感技术的发展为实时快速、大范围的水质监测提供了有力的工具。

遥感学者将水体分为一类和二类瞳。

二类水体中除浮游植物外，还包含悬浮物质、可溶性有机物以及人为排放物质等。

一些近海岸水体和内陆湖泊均属于二类水体j。

遥感在二类水体中的应用尚不十分成功，有研究指出这主要是由于二类水体中浮游植物、悬浮物质、有色可溶性有机溶质和水分子之间复杂的交互作用4。

现有的利用遥感估测水质参数的方法主要有经验方法、半经验方法和机理模型方法【5|。

其中机理模型以水体内光学传输的机理为理论基础，是水质遥感监测的一种重要方法L6j。

光学遥感监测水质的能力得到证实后，先后有十多颗具有水色遥感功能的卫星相继发射，推动了海洋及内陆湖泊等水色遥感的发展。

但这些传感器的低空间分辨率在一定程度上限制了其在二类水体中的应用。

而具有中等分辨率的陆地观测卫星已经被用于二类水体的水质监测L7j。

其中LandsatTM数据由于其较细的光谱分辨率，较大的幅宽和适中的空间分辨率在二类水体的水质监测中的应用最为广泛8。

本文提出了一种基于生物光学模型的二类水体叶绿素浓度的反演算法，并通过实验室测定的反射光谱研究了该算法在LandsatTM数据中应用的可行性。

1研究方法11实验室测量在暗室内进行反射光谱测量。

光谱仪的传感器设置在容器水面中心20锄高处，并竖直向下观测（图1）。

水体样本的亮度值重复测量三次，白色参考板的亮度重复两次，测量的平均值作为最后的结果。

本文以绿藻为研究对象。

利用WhatmanGFF玻璃纤维过滤膜过滤100或200mL的培养液以获取不同鼍的浮游植物。

为避免色素的降解，叶绿素的提取和分析均在弱光照射的条件下进行。

利用Shima&

uUV-1600型分光光度计测量叶绿素的浓度。

在日本霞浦湖中心的湖底采集到的底泥样本作为本研究中的非藻类悬浮物（nonphytoplanktonsuspendedsediments，NPSS）。

每个实验瓶ql盛放20mg的干燥样本，将其加入到20L的纯水体中收稿日期：

20070909修订日期：

20071212基金项目：

国家自然科学基金项目（40871162）7F11N家高技术研究发展计划项I：

t（“863”计划）（2006AAl22103）资助作者简介：

杨伟，1982年生，北京师范大学资源学院在读硕士研究生e-mail：

yangweil982irescIl*通讯联系人e-mail：

chenjinirescn万方数据第1期光谱学与光谱分析39就可以得到NPSS浓度为10mgL1的水体。

本研究中我们共得到了具有11个NPSS浓度级别的水体样本，其浓度值分别从0mgL叫按步长10mgL1增加到100mgI。

将NPSS水体样本与含有6个不同量浓度浮游植物的样本（叶绿素浓度分别为0，64，186，306，612，122旭L叫）进行混合，从而得到了66个具有不同NPSS和叶绿素浓度的样本，在暗室内测定其反射光谱。

Fig1Experimentaldesignforthecontrolledexperimentinthelaboratory12叶绿秉浓度的反演刚好位于水面上方的遥感反射率凡（A），可以表示为，蹦肛当耥

（1）其中，r巧（A）为刚好位于水面下方的遥感反射率，即，k（A）（O0949+007941（）z（A）出培丽辈

（2）式中口（A）是水体总吸收系数，玩（A）是水体总后向散射系数。

我们只考虑水体中的三种组分（水分子、浮游植物和NPSS），于是吸收和后向散射系数可以写为，口（A）=（A）+a。

（A）+a。

G1）阮（A）一既。

（A）+Bpbp（A）+B。

6。

（A）（3）其中b是散射系数，B是后向散射概率，下角标P，咒，W分别表示浮游植物、NPSS和纯水。

此模型没有考虑叶绿素的荧光效应和水体的拉曼散射。

对于纯水有，胁（A）一氖舞=面1（4）既。

（A）1对于只含浮游植物的水体，则El-M黜一揣5肛，pu）+肛哪n）蕞李笛一1（5）假定有一组只含有浮游植物的水体，其叶绿素浓度分别为ft，cz，“。

以“作为参考浓度值，利用非负最小二乘法就可以计算出卺鲁等和麦主嘉。

同理利用一组只含NP&

S的水体可以计算出篆鲁等和豢揣。

对于叶绿素和NPSS浓度分别为z，Y的目标水体，有ac一M，黜一帅怒+吨c，一M，黜一加揣2MA）+MA）畿一1（6）于是，叶绿素和NPSS的浓度分别为：

z=口“，y=压。

2结果分析本文用于计算浮游植物和NPSS后向散射和吸收特征的光谱如图2（图2中R为反射率，TM为叶绿素浓度反演值）。

将所有实验室光谱按照TM的光谱响应函数重采样到TM第1，2，3，4波段的光谱范围内进行计算。

选取图2中叶绿素和NPSS的最大浓度作为参考浓度值。

利用66个水体样本对应于TM第1，2，3，4波段的反射率，可以得到其对应WavelengthnmWavelengtldnmWavelengthhmlFig2Thespectrausedtocalculatethebackscatteringandahsorption（a）：

纯水；

（b）：

NPSS；

（c）：

浮游植物万方数据光谱学与光谱分析第29卷的反演叶绿素和NPSS浓度（图3）。

叶绿素浓度反演结果的均方根误差（RMSE）决定系数（R2）分别为153弘gL_1和0886l。

其反演结果在一定程度上次于NPSS（表1）。

Table1RMSEofdifferentcombinationsof聊bands我们任选TM的3个波段组合重新进行求解。

从结果中可以看出，利用TM的第2，3，4波段组合进行求解时叶绿160140120善10080604020O250200150窖100600160120善80400020406（）8【100120140。

NP!

ismgL-1素的反演精度最高（图4）（RMSE=47弘gL-1）；

而NPSS在各种波段组合中均有较高的反演精度（图5，图中TM为叶绿素浓度反演值，图3和图4亦如此），RMSE均在10rngL叫左右（表1）。

本文采用了几种常用的基于TM反射率数据的统计回归算法对样本的叶绿素浓度进行了估算10，其反演结果的均方根误差和决定系数如表2所示。

从结果可以看出，各种经验算法估算的叶绿素浓度的RMSE均远大于利用TM2，3，4组合时得到的RMSE。

这表明本文提出的算法Table2TheRMSEand砰ofdifferentregressionmethods140120100苫806（）4020OO20406080100120cNPmgL-1Fig3EstimatedconcentrationofChlorophyllandNPSSTMband1。

2，3，4wereused020406080l）1）120140CehlorophyU020406080100120140ohlomdWll16（）120毒印400140120100窖80604020O02040608010（）120140Cchiorophyll020406080100120140CchloechyllFig4EstimatedconcentrationofChlorophyllwithdifferentcombinationofTMbands（a）：

TMl，2，3；

TMl，2，4；

2，4；

（d）：

TM2，3，4万方数据第1期光谱学与光谱分析41O2040（；

o80100120cNpss0204060舳100躐020406080100120CNpbS020406080loo120qNPs好Fig5EstimatedconcentrationofNPSSwithdifferentcombinationofTMbands（a）：

TMI，2，4；

TM2，3，4的反演结果精度明显优于传统的经