The embodiment of the present invention provides a cooperative inversion method for chlorophyll a concentration, which includes acquiring the first and second remote sensing image data of the test area, extracting the water area in the test area, collecting the measured values of chlorophyll a concentration in the water area, and constructing chlorophyll a concentration based on the first remote sensing image data, the second remote sensing image data and the measured values of chlorophyll a concentration. Concentration synergistic inversion model set; based on the synergistic inversion model set, the inversion values of chlorophyll a concentration corresponding to each synergistic inversion model and the measured values of chlorophyll a concentration in the water body region, the inversion accuracy of each synergistic inversion model is analyzed; according to the inversion accuracy of each synergistic inversion model, the optimal synergistic inversion model is established. According to the sensor characteristics of different satellite sensors, the embodiments of the present invention give full play to the advantages of two remote sensing images and obtain a high-precision chlorophyll-a concentration co-inversion model, which improves the inversion accuracy of chlorophyll-a concentration.
【技术实现步骤摘要】
一种叶绿素a浓度的协同反演方法
本专利技术实施例涉及叶绿素浓度反演
,尤其涉及一种叶绿素a浓度的协同反演方法。
技术介绍
叶绿素a浓度是反映水华生长状态的重要指示因子,因此对叶绿素a浓度的精确监测有助于对水华的发生、发展和治理进行跟踪、监测和评估。随着卫星遥感技术的发展和对水质参数遥感光谱特征的进一步研究,遥感技术可监测的水质参数种类逐渐增多,水质参数的反演精度也逐步提高。2012年Elalem等提出了一种新的叶绿素浓度反演模型APPEL(APProachbyELimination),结合南魁北克4个湖泊的9年实测数据和同步的MODIS影像数据对叶绿素a浓度进行了反演,决定系数达到了0.95。APPEL模型是一种新的半分析模型,以叶绿素在红波段强吸收、近红外波段高反射的光谱特征为原理,以不同波段组合来去除悬浮物、CDOM和后向散射的影响,最终构建而成的叶绿素浓度反演模型,该模型是建立在对水质参数光谱特征分析的基础之上针对遥感影像波段提出,具有较强的理论基础。内陆水体叶绿素a浓度遥感反演不仅受到传感器通道光谱特征的制约,还受到影像空间分辨率的影响,二者共同决定水体叶绿素a浓度的反演精度。近来,国产卫星的空间分辨率有着极大的提升,如高分一号宽视角传感器(GF-1/WFV)在单景200公里幅宽的条件下空间分辨率达到了16m,与30m空间分辨率的Landsat8/OLI相比包含了更丰富的地面物体空间特征信息。然而,与Landsat8/OLI相比GF-1/WFV各通道有效波段宽度更宽,对地物光谱的卷积效果更明显,光谱特征信息被平滑,限制了叶绿素a浓度反演模型的 ...
【技术保护点】
1.一种叶绿素a浓度的协同反演方法,其特征在于,包括:S1,获取试验区的第一遥感影像数据和第二遥感影像数据,提取试验区中的水体区域;S2,采集水体区域中叶绿素a浓度实测值,基于第一遥感影像数据、第二遥感影像数据以及叶绿素a浓度实测值,构建叶绿素a浓度的协同反演模型集;S3,根据协同反演模型集中各个协同反演模型各自对应的叶绿素a浓度反演值,以及水体区域中叶绿素a浓度实测值,分析各协同反演模型的反演精度;S4,根据各协同反演模型的反演精度,建立最优协同反演模型。
【技术特征摘要】
1.一种叶绿素a浓度的协同反演方法,其特征在于,包括:S1,获取试验区的第一遥感影像数据和第二遥感影像数据,提取试验区中的水体区域;S2,采集水体区域中叶绿素a浓度实测值,基于第一遥感影像数据、第二遥感影像数据以及叶绿素a浓度实测值,构建叶绿素a浓度的协同反演模型集;S3,根据协同反演模型集中各个协同反演模型各自对应的叶绿素a浓度反演值,以及水体区域中叶绿素a浓度实测值,分析各协同反演模型的反演精度;S4,根据各协同反演模型的反演精度,建立最优协同反演模型。2.根据权利要求1所述的叶绿素a浓度的协同反演方法,其特征在于,所述S1中,所述提取试验区中的水体区域具体包括:根据所述第一遥感影像数据和第二遥感影像数据,利用NDWI指数与目视解译相结合的方法,获取水体区域。3.根据权利要求1所述的叶绿素a浓度的协同反演方法,其特征在于,所述第一遥感影像数据为GF-1/WFV影像数据,所述第二遥感影像数据为Landsat8/OLI影像数据。4.根据权利要求3所述的叶绿素a浓度的协同反演方法,其特征在于,步骤S2中,所述构建叶绿素a协同反演模型集具体包括:分析GF-1/WFV传感器和Landsat8/OLI传感器的传感器特性,构建叶绿素a浓度协同反演模型集;其中,...
【专利技术属性】
技术研发人员:赵少华,吴迪,李家国,朱军,封红娥,刘思含,吴艳婷,裴浩杰,李梓湉,
申请(专利权)人:环境保护部卫星环境应用中心,
类型:发明
国别省市:北京,11
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。