一种中低营养水体的叶绿素a浓度反演方法技术

本发明专利技术公开了一种中低营养水体的叶绿素a浓度反演方法，涉及光学遥感技术领域，包括以下步骤：获取多张地表反射率图像；根据多张地表反射率图像获取中低营养水体的反射率数据，计算多个分类波段反射比；根据多个分类波段反射比将中低营养水体分类为多种不同水体类型；对多种不同水体类型选择不同反演波段，根据不同的反演波段计算反演波段反射比，根据反演波段反射比建立多项式波段比值反演模型，对多种不同水体类型的叶绿素a浓度进行反演。本发明专利技术基于地表反射率图像，提出了简单的波段比值水体分类算法，对低、中营养水体进行分类，同时建立了不同水体波段比值混合算法，提高叶绿素a反演精度，适用于低、中营养化水体的中小型水库或湖泊。库或湖泊。库或湖泊。

【技术实现步骤摘要】
一种中低营养水体的叶绿素a浓度反演方法


[0001]本专利技术涉及光学遥感
，特别是涉及一种中低营养水体的叶绿素a浓度反演方法。

技术介绍

[0002]水库，分布范围广泛，一般具有防洪抗旱、发电、灌溉、城市及工业供水等综合功能，是重要的水源地和后备水源地，在生态和社会经济上发挥着至关重要的作用。作为人工湖泊的一种，水库兼有河流和湖泊二者的特征，其更新速度慢，稀释自净能力相对弱的特点使水库水质安全已经成为监管部门与科研人员共同关注的问题，尤其对于水源型水库。浮游植物叶绿素a浓度(Chlorophyll a,Cchl
‑
a)一直被作为衡量水生生态系统生态完整性的重要指标，尽管适量的浮游植物对水生生态系统至关重要，但其过量存在可能对生态系统功能和公众健康造成损害。传统实测方法无法在空间尺度准确监测所有湖泊的水质，光学遥感长期以来一直被用作一种有效的水质观测方法，经济快速地对水体生态系统中关键物理
‑
生物过程和水域天气进行观测。
[0003]光学遥感监测Cchl
‑
a的原理是通过光学遥感传感器获取水体固有光学特性，即大气顶部记录的遥感信号去除大气效应，简化为遥感反射率，量化水体的光学特性，然后估算Cchl
‑
a。浮游植物的反射率特征主要为在560nm和700nm附近形成明显的反射率峰值，在675nm处的特征可以抵消700nm左右的近红外散射峰。根据浮游植物吸收和后向散射特性，形成了使用蓝绿色波段或红色和近红外波段的波段组合半经验算法。蓝绿比值算法适用于只受浮游植物及其分解物影响的一类水体，发展为成熟的ocean color系列算法，应用于全球海洋的Cchl
‑
a估算，能高精度的估算清水中的Cchl
‑
a，但它往往会高估内陆和沿海水域的Cchl
‑
a。红
‑
近红外方法假设有色溶解有机物和非藻类粒子的吸收可以忽略不计，且对大气校正中的不确定性不太敏感，适用于受到碎屑物质或彩色溶解有机物的强烈影响的二类水体，应用于MERIS光谱波段反演Cchl
‑
a。除此之外针对浑浊的富营养化水体建立了三波段模型和四波段模型。针对高浑浊水体建立了TC2模型。针对高悬浮泥沙低叶绿素水体开发了SCI指数模型。根据浮游植物700nm附近反射峰的变化，665
‑
685nm区域的Cchl
‑
a吸收和荧光峰的基础特点开发了荧光算法。以及一些基于固有光学性质(IOP)反演的算法和智能算法。逐渐清楚的是，蓝绿比仅限于营养贫乏的水域，而红
‑
近红外比仅适用于Cchl
‑
a浓度大于10mg.m
‑3的水域。
[0004]针对不同光学性质水域的Cchl
‑
a反演算法已经能够取得较高的精度，切换和混合多种算法或加权集成方案优于单个算法。以遥感反射率波形特征的光学分类进行水体分类，函数数据分析聚类分析如k
‑
mean方法、模糊C均值聚类Fuzzy C
‑
Means等。如Neil(2019)收集了全球185个内陆和沿海水系统收集的原始遥感反射率数据(n＝2807)将水体分为13种不同的光学水类型(OWTs)。每个OWT与不同的生物光学特性相关，重新调整算法以优化每个单独OWT的参数化(即一个算法，多个参数化)可以提高Cchl
‑
a的整体反演精度。根据固有光学特征的分类包括孙德勇以折射系数np为指标，将水体分为浮游植物、无机颗粒物主导
和两者共同主导的水域。姜广甲根据浮游植物色素为主和非色素为主的颗粒吸收aph(443)/ad(443)的比值，将水域类别分为以碎屑、色素为主的水域和中间水域，并根据浮游植物的吸收反射特性，利用CI672和CI555来区分3种状态的水体。Gomez et al.(2011)提出了两种归一化差异指数(即705nm和665nm波段，560nm和442nm波段)将欧盟地中海湖泊划分为两种类型。Matsushita et al(2015)利用maximum chlorophyll index(MCI)的不同阈值将水体分为10mg.m
‑3和25mg.m
‑3三种不同营养状态的水体。
[0005]综上，水体分类和Cchl
‑
a反演算法已经在一些内陆水域进行了验证，但是这些算法在其他水域的应用存在局限性，尤其对于一些中小型低营养和中营养型内陆水库水体，这类研究还非常有限。中小型水库水域面积不大，以往应用于Visible Infrared Imaging Radiometer Suite、Ocean and Land Colour Instrument、MEdium Resolution Imaging Spectrometer等中低卫星的空间分辨率难以应用，导致这类水体的遥感监测不足。且近几十年来，大部分内陆水质研究都集中在富营养化水体，对于中营养和低营养水体Cchl
‑
a的水体采样不足，反演方法的相对较少，且反演精度不确定性更高，限制了此类Cchl
‑
a估计方法的开发和验证。Sentinel
‑
2卫星最高10m的空间分辨率、5天的重访周期能很好地解决以往卫星分辨率低的问题，被认为是最适合内陆水体遥感反演的卫星，但是由于波段设置的问题，成熟算法中涉及到的555nm、672nm、708nm、751nm等波段不存在，针对这颗卫星的水体分类以及不同水体适用的Cchl
‑
a反演方法的研究涉及较少。

技术实现思路

[0006]本专利技术提供了一种中低营养水体的叶绿素a浓度反演方法，可以解决现有技术中存在的问题。
[0007]本专利技术提供一种中低营养水体的叶绿素a浓度反演方法，包括以下步骤：
[0008]获取多张地表反射率图像；
[0009]根据多张地表反射率图像获取中低营养水体的反射率数据，根据反射率数据计算多个分类波段反射比；
[0010]根据多个分类波段反射比将中低营养水体分类为多种不同水体类型；
[0011]对多种不同水体类型选择不同反演波段，根据不同的反演波段计算反演波段反射比，根据反演波段反射比建立多项式波段比值反演模型，通过多项式波段比值反演模型对多种不同水体类型的叶绿素a浓度进行反演；
[0012]所述多项式波段比值反演模型如下所示：
[0013]Cchl
‑
a＝a*BR(i)2+b*BR(i)+c
[0014]式中，Cchl
‑
a为叶绿素a浓度，BR(i)为不同水体类型的波段反射比，a,b,c均为常数。
[0015]优选的，基于哨兵2号卫星获取多张地表反射率图像，所述哨兵2号卫星搭载多光谱影像仪，从可见到近红外的8个光谱波段获得辐射测量，其中心波长分别为443nm、490nm、560nm、665nm、705nm、740nm本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种中低营养水体的叶绿素a浓度反演方法，其特征在于，包括以下步骤：获取多张地表反射率图像；根据多张地表反射率图像获取中低营养水体的反射率数据，根据反射率数据计算多个分类波段反射比；根据多个分类波段反射比将中低营养水体分类为多种不同水体类型；对多种不同水体类型选择不同反演波段，根据不同的反演波段计算反演波段反射比，根据反演波段反射比建立多项式波段比值反演模型，通过多项式波段比值反演模型对多种不同水体类型的叶绿素a浓度进行反演；所述多项式波段比值反演模型如下所示：Cchl
‑
a＝a*BR(i)2+b*BR(i)+c式中，Cchl
‑
a为叶绿素a浓度，BR(i)为不同水体类型的波段反射比，a,b,c均为常数。2.如权利要求1所述的一种中低营养水体的叶绿素a浓度反演方法，其特征在于，基于哨兵2号卫星获取多张地表反射率图像，所述哨兵2号卫星搭载多光谱影像仪，从可见到近红外的8个光谱波段获得辐射测量，其中心波长分别为443nm、490nm、560nm、665nm、705nm、740nm、783nm和842nm。3.如权利要求2所述的一种中低营养水体的叶绿素a浓度反演方法，其特征在于，在获取中低营养水体的反射率数据之前，需要对获取的多张地表反射率图像进行大气校正和最近邻重采样预处理；所述大气校正基于Sen2Cor处理器中的LIBRADTRAN辐射传输模型，所述最近邻重采样将光谱波段的空间分辨率从20米...

【专利技术属性】
技术研发人员：党晓岩，杜军，王超，邱士可，刘纪平，马玉凤，杨旭，王景旭，王正，
申请(专利权)人：河南省科学院地理研究所，
类型：发明
国别省市：