《水体悬浮物浓度遥感反演经验模型.docx》由会员分享，可在线阅读，更多相关《水体悬浮物浓度遥感反演经验模型.docx（7页珍藏版）》请在三一办公上搜索。
1、水体悬浮物浓度遥感反演经验模型水体悬浮物浓度遥感反演经验模型 摘要 常规的悬浮物浓监测是通过对水体取样，进而再对水样进行实验室化学分析实现的，需要耗费大量的人力物力，而且所得到的仅是取样点的数据，对区域面状水域的评价只能是以点代面，因此，难以满足对大面积水环境质量监测的要求。悬浮沉积物作为近海水体污染物的源和汇，是表征水环境质量的一个重要参数，同时又是水体的主要光学活性物质之一，与水体的光学性质密切相关，其浓度大小直接影响卫星遥感信号的强弱。如叶绿素在440nm附近有一吸收峰，在550nm附近有一反射峰，在可见光和近红外波段，悬浮物浓度的增加将导致水体反射率的增加等，正是由于这些光谱特性的存在
2、，使得遥感监测水质参数成为可能。从定量遥感的角度考虑，建立准确的遥感反演模型需要深入研究水体的光谱特征，国外对此研究较早，并且建立了完善的水体光学测量规范，为发展准确的遥感反演算法奠定了坚实的基础。国内对此也开展了一些研究，尤其是在含沙水体光谱特征研究上，通过模拟实验和现场测量两种方式，获得了遥感反射率对应不同含沙量水体的变化规律。但是，不同水域悬浮物的成分、粒径分布和浓度的不同，其相应的反射率光谱特性也有所差异，目前国内对不同区域水体光谱特征的把握上还不全面，所以遵循美国NASA的海洋光学测量规范，测量获取了实验海域混浊水体的水面反射率光谱和对应的水体悬浮泥沙浓度等数据，在分析实测光谱特征的
3、基础上，研究了水体表层悬浮泥沙浓度与不同波段遥感反射率之间的相关性，从中选取敏感波段进行统计分析，采用回归方程建立悬浮泥沙浓度遥感反演经验模型。另外，基于人工神经网络建立了悬浮物浓度遥感反演的经验模型。 1 水体遥感原理 1.1 水色遥感原理 水色遥感是通过卫星传感器接收的离水辐射信号，对水体中待定物质的浓度信息等进行反演，这些物质主要包括浮游植物等悬浮物。水体中各种物质组成及其对应的浓度差异是造成水体光学性质差异的主要原因，主要表现为水体的吸收特性和散射特性的不同。因此，水体遥感的反演首先要获取与水体光学特性有光的离水辐射亮度，然后根据水体光学性质与对应物质的浓度等所具有的特定的关系，并借助
4、一定的模型算法，从遥感影响上反演出水体中物质组成及其浓度等。水体光谱性包括两个方面：表观光学特性和固有的光学特性 1.2 悬浮泥沙遥感原理 水体中悬浮泥沙光谱反射率具有双峰特种，通常第一反射峰位置在550-670nm，第二反射峰位置在780-830nm。当水体中悬浮物质含量增加时，反射率波谱上的反射峰由短波向长波方向位移，及具有所谓的“红移现象”。随着水体含沙的增加，反射率增加幅度最大波长与反射率波谱最大峰值位置基本上是吻合。在含沙量较低时，第一反射峰值R1高于第二反射峰值R2.，随着S增加，R2.逐渐升高。当悬浮物质颗粒教细时，随着S的增加，R2.升高的速度要大于R1升高的速度 2 建立遥感
5、反演数据集 反演过程如图1所示，分为五个阶段： 2.1 实测悬浮物浓度 在光谱测量的同时采集表层水样，低温冷藏带回实验室测量悬浮物浓度。水体中的悬浮物包括无机部分(悬浮泥沙)和有机部分(浮游植物)，其中浮游植物由叶绿素的浓度表示。悬浮泥沙浓度的测量采用“重量法”。叶绿素浓度测量采用海洋监测规范提供的“分光光度法”。 2.2 悬浮泥沙浓度历史数据 利用水利河口研究院从的悬浮泥沙实测数据，将研究海域划分为若干个个不同监测区域，每个观测区又分为若干采样点，每个采样点分别以一小时为间隔采集水体表层含沙量的连续观测数据。多次采样时间也分别覆盖不同的潮情(大/中/小潮)和完整的潮时(涨落潮)。从空间分布来
6、看及时间角度分析，大潮含沙量通常高于中/小潮含沙量，这和大潮期间流速较急有关。 2.3 实测水面遥感反射率 现场光谱测量采用水面之上观测法，利用美国ASD便携式地物光谱仪和30%反射率的标准板分别测量水面、结果分析与性能比较悬浮物浓度垂线分布规律分析与神经网络模拟建立遥感反演数据集悬浮物浓度遥感反演统计回归模型悬浮物浓度遥感反演神经网络模型图 1 反演过程 天空光和标准板的辐亮度，然后计算推导离水辐射率和遥感反射率等表观光学参数等。光谱仪观测几何采用NASA海洋光学观测规范推荐的观测角度设置，即仪器观测平面与太阳入射平面的夹角为135 (背向太阳方向)，仪器与海面法线方向的夹角为400;仪器积
7、分时间固定为 136ms，每次连续测量时间至少跨越一个波浪周期。在避开太阳直射反射、忽略或避开水面泡沫等外界影响情况下，对于未经严格标定的光谱仪，标准板经过严格标定后，在固定积分时间状态下计算水面之上遥感反射率 2.4 卫星遥感反射率 采用美国NASA的MODIS资料作为建立遥感反演模型的卫星数据。中分辨率成像光谱仪(MODIS)是美国宇航局研制大型空间遥感仪器。它在36个相互配准的光谱波段，以中等分辨率水平(250IO00m)、每12天观测地球表面一次，获取陆地和海洋温度、初级生产率、陆地表面覆盖、云、汽溶胶、水汽和火情等目标的图像。NASA不仅提供MODIS原始数据，还据此发布多级数据产品
8、(附表10)，其中地表反射率产品 (MOD09)是从 MODISLIB数据的7个陆地波段经过大气校正获得的二级产品。M0D09的大气校正是在MOD35产品进行云掩膜的基础上，采用65模型来进行，基本消除了大气分子、气溶胶与薄云等的干扰，估算出真实的地表反射率。MODIS陆地产品的具体处理流程见附图1。因此，采用MOD09标准产品可以避免不同研究者对不同地区的数据进行大气校正过程的误差，统一的数据对于业务化遥感监测水体悬浮泥沙浓度以及结果的比较具有重要意义。M0D09不仅有每天数据，还包括多天合成的次级产品，考虑到时空分辨率对近海水色遥感的影响，本文主要采用的是250m分辨率的每天数据，其中心波
9、长分别为 645nm和848nm。 3 悬浮物浓度遥感反演统计回归模型 水体光谱反射率在不同波长位置对于泥沙浓度的响应存在差异，在分析水体光谱规律的基础上，可以从水中选取的敏感波段，建立水体悬浮泥沙浓度与遥感反射率之间的数学统计关系式，实现对泥沙浓度的遥感反算。根据常用水色卫星传感器可见光和近红外波段设置，分析不同的波段组合方式对水体悬浮泥沙浓度的响应关系，参考MODIS水色波段和MERIS波段范围，对实测的高光谱数据与悬浮泥沙浓度进行相关分析，据此选择敏感波段，并分析对单波段、组合波段的反射率比值形式，建立了水体悬浮泥沙浓度和特征波段遥感反射率之间的统计回归方程。 3.1 遥感反射率与悬浮物
10、浓度相关分析 近海水体中的悬浮颗粒物包括色素颗粒和非色素颗粒，非色素颗粒通常指悬浮泥沙，色素颗粒主要指浮游植物，通常以叶绿素浓度表示。分析两类悬浮物浓度与遥感反射率之间的统计相关关系，是建立遥感反演经验模型的基础。计算不同波段遥感反射率和泥沙浓度的相关系数，可以识别出对泥沙浓度变化敏感的光谱波段。参考常用卫星数据MODIS和MERIS的可见光与近红外波段设置，分析不同光谱通道遥感反射率与悬浮泥沙浓度变化的相关性。 3.2 悬浮泥沙遥感监测敏感波段选择 在选择敏感波段时，只能在卫星传感器波段设置与光谱仪波长范围内的交集中选取，即MODIS与MERIS数据的可见光和近红外波段。选取的方法是根据水体
11、的悬浮泥沙浓度与各波段的遥感反射率之间的相关性，取其相关性较大的波段为悬浮泥沙遥感监测敏感波段，结合水体光谱特征的研究结果，悬浮泥沙浓度在红外和近红外波段敏感反射率的响应度最高。对于悬浮泥沙而言，与大于650nm波段的遥感范围为600-800nm；对于叶绿素而言，与其550nm和667nm波段附近的遥感反射率相关系数较大，可以作为遥感反射的敏感波段。 3.3 基于实测光谱的悬浮泥沙遥感统计回归模型 以MODIS敏感波段遥感反射率R和对应的悬浮泥沙浓度S建立统计回归模式。在建立遥感反演的统计回归模式时，首先应该选择位于波峰并且反射率与泥沙浓度相关性较高的波段。由获取的含沙水体光谱特征可知，MOD
12、ISI、2通道中心波长分别位于光谱曲线的两个反射峰附近，和表层水体含沙量的相关系数分别为0.53和0.84，而且250m的空间分辨率可以满足近岸混浊水体含沙量遥感反演的空间分辨要求。因此选择MODISI、2通道作为悬浮泥沙遥感反演的基本波段，同时对这两个波段进行一定组合变换，分别采用简单线性回归、指数回归和幂函数回归进行拟合。 3.4 考虑粒径影响的悬浮泥沙浓度遥感反演模式 已有的研究表明，在同样浓度的条件下悬浮物质的反射率会随着粒径的增大而下降，粒径的大小和反射率呈反比。在实际情况中，即使是在同一个研究区范围内，悬沙粒子的粒径也有可能是不同的，尤其是在类似本文研究区的高能海区，由于絮凝作用导
13、致悬浮颗粒物的粒径随着潮动力发生显著波动，因此进行悬浮泥沙浓度反演的过程中应当考虑到粒径变化的影响，将粒径作为一个因子放到统计回归模型中去。 4 悬浮物浓度遥感反演神经网络模型 人工神经网络模型采用黑暗算法，本质上仍是一种经验模型，它可以充分利用特定传感器的多光谱波段数据，模拟遥感反射率与悬浮物之间的非线性响应关系，适用于不同悬浮物的单独或者同时反演。用含沙量和潮情潮时水深流速四个主要的潮动力因素，对垂直含沙量进行模拟预测，所建概念模型为： Y=f(X1,X2,X3,X4,X5) 相应的神经网络输入和输出节点也可以确定，输入节点数5、输出的节点数为1。隐含层的节点数的选取采用“试凑法”，通过在
14、网络训练时使用循环语句来寻找最佳的隐含节点数。网络的隐含层神经元的传递函数和输出层神经元函数均为sigmoid函数。最后确定单隐藏BP神经网络结构见图2： 图 2 反演的神经网络模型 5 结果分析与性能比较 采用连续观测获取的水体悬浮泥沙浓度历史数据与MODIS卫星遥感资料，利用人工神经网络方法建立了遥感反演模型。对水体悬浮泥沙含量垂线分布规律进行分析与模拟。分析垂线各层含沙量相关性，选取近表层的含沙量和水深、流速、潮情、潮时作为模型输入因子，垂线平均含沙量作为模型输出因子，建立模型对泥沙含量的垂线分布规律进行模拟。模拟结果具有相对较高的空间分辨率，在海岸带水环境遥感监测中的应用前景更为广阔。
