检索结果-南通市图书馆

基于sentinel-3 olci数据的中国湖泊浊度反演

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于Sentinel-3 OLCI数据的中国湖泊浊度反演

作者：李勇辽宁科技大学

学位级别：硕士

浊度对光在水体中的传播有着至关重要的影响,并且经常与总悬浮物、透明度、有色有机溶解物共同变化。它既可以作为水质监测的光学环境指标,也可作为沉积物输送中悬浮颗粒物浓度的易于测量的替代指标,并且浊度会引起水下透光率的变化,对... 详细信息

浊度对光在水体中的传播有着至关重要的影响,并且经常与总悬浮物、透明度、有色有机溶解物共同变化。它既可以作为水质监测的光学环境指标,也可作为沉积物输送中悬浮颗粒物浓度的易于测量的替代指标,并且浊度会引起水下透光率的变化,对湖泊初级生产力有重要影响。本研究的目的是调查使用sentinel-3 olci数据绘制中国面积≥20平方公里的湖泊的浊度的可行性。在2017年至2021年期间,从中国湖泊收集的845个实测浊度数据,与sentinel-3 olci影像进行星地同步匹配。浊度数据集被分为三个子集,其中两个子集用于建立指数回归、偏最小二乘回归、支持向量机、K最邻近、BP神经网络、随机森林、XGBoost模型,另一个子集用于验证算法性能。结果显示:（1）XGBoost模型是最佳的（R=0.90,MAE:9.07FNU,RMSE:15.53FNU）。因此,XGBoost模型被用来估计湖泊浊度。（2）利用2021年的olci影像,对中国湖泊浊度进行估算。结果显示浊度的区域差异很大,(浊度范围:0.43-200.22 FNU。NPL（63.46 FNU）,EPL（58.66FNU）,IMXL（16.99 FNU）,YGPL（11.78 FNU）和TPL（7.46 FNU）)。（3）土地利用的结果显示,不同的土地利用类型影响了湖泊浊度的空间格局。其中耕地（56.97 FNU）>荒地（11.22 FNU）>草地（8.06 FNU）>森林（4.71FNU）。这些结果证明了XGBoost模型在大规模观测中估算浊度的稳定性,这将有利于湖泊浊度的监测,有助于水质管理和环境保护。

关键词：浊度机器学习 sentinel-3 olci 遥感估算

基于sentinel-3 olci影像的渤海透明度遥感反演研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

光谱学与光谱分析 2022年第4期42卷 1209-1216页

作者：姜玲玲王龙霄王林高思雯岳建权大连海事大学环境科学与工程学院辽宁大连116026 国家海洋环境监测中心海洋遥感技术室辽宁大连116023

透明度是海洋生态环境监测的关键指标,在军事、航海、渔业等领域均发挥着重要作用。与传统的海洋监测技术相比,遥感技术具有长时序、大范围、近实时获取海洋信息的优势,利用水色卫星观测我国海域透明度的变化,对合理开发和利用我国海洋... 详细信息

透明度是海洋生态环境监测的关键指标,在军事、航海、渔业等领域均发挥着重要作用。与传统的海洋监测技术相比,遥感技术具有长时序、大范围、近实时获取海洋信息的优势,利用水色卫星观测我国海域透明度的变化,对合理开发和利用我国海洋资源有着重要的意义。利用实测透明度数据与sentinel-3 olci传感器中心波段的等效遥感反射率数据构建了渤海透明度反演模型,主要包括单波段法、波段比值法和混合波段法。利用与卫星时空同步的现场透明度数据进行了模型精度验证,最终确定以B6(560 nm)与B7(620 nm)为敏感因子的混合波段模型透明度反演效果最佳,该模型透明度的反演值与实测值间决定系数(R^(2))为0.68,平均相对误差(MRE)为15.93%,均方根误差(RMSE)为0.48 m。在此基础上结合sentinel-3 olci时间序列影像,得到2020年渤海透明度月均遥感产品,发现渤海透明度分布状况有明显的区域性与季节性特征。透明度的整体变化区间为0~10 m,其中夏季7月和8月份透明度较高,局部海域透明度可高于9 m,而冬季相对较低1月和2月份全海域不足2 m;透明度整体呈现近岸海域低、离岸海域高的空间分布特征,渤海中部、秦皇岛近岸海域透明度相对较高,渤海湾、辽东湾、莱州湾透明度常年较低。渤海透明度的分布趋势与渤海沿岸地质属性、周边河流分布情况以及沿岸城市群与工业港口的发展情况密不可分。该研究为渤海透明度遥感估算提供了可靠的理论基础,对监测渤海海洋环境具有重要的意义。

关键词： sentinel-3 olci 水体透明度(SDD) 遥感反演渤海

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

渤海净初级生产力遥感反演研究

渤海净初级生产力遥感反演研究

作者：王龙霄大连海事大学

学位级别：硕士

海洋净初级生产力(Net Primary Productivity,NPP)是海洋生物链营养指标的重要表现形式,也是海洋生态系统用以维持运转的能量来源,对全球碳循环也有着重要的影响。渤海是我国北部半封闭型内海,拥有丰富的海洋资源,同时周边坐落着多个工... 详细信息

海洋净初级生产力(Net Primary Productivity,NPP)是海洋生物链营养指标的重要表现形式,也是海洋生态系统用以维持运转的能量来源,对全球碳循环也有着重要的影响。渤海是我国北部半封闭型内海,拥有丰富的海洋资源,同时周边坐落着多个工业港口,工业生产和生活污水地排放使海水受到大量污染,海洋环境遭到严重破坏。利用遥感手段监测渤海NPP,将有助于人们及时发现渤海环境的变化,从多方面保护渤海环境,促进海洋资源合理有效地利用。本文基于渤海实测数据和卫星数据,利用Eppley-VGPM模型对渤海近年的NPP进行了遥感反演研究。为提高Eppley-VGPM模型的精确度与适用性,本研究对模型主要输入参数透明度与叶绿素a浓度分别进行了遥感反演算法的建立,利用多源传感器数据生成渤海NPP时空分布产品,并进行了时空变化特征分析及主要环境影响因子研究。主要研究成果如下:(1)本研究利用渤海实测透明度与olci传感器等效遥感反射率数据建立了渤海透明度遥感反演模型。利用星地同步站位数据对本文所建立的多种遥感反演模型进行精度验证,最终确定以B6(560 nm)和B7(620 nm)为敏感因子的混合波段透明度反演模型效果最佳,透明度的反演值与实测值间决定系数(R)为0.68,平均相对误差(MRE)为15.93%,均方根误差(RMSE)为0.48 m。利用卫星数据生成渤海透明度时空分布产品,发现渤海透明度的整体变化区间为0～10 m。在夏季7月和8月较高,局部区域透明度可高于9 m;冬季透明度较低,1月和2月全海域透明度不足2 m。此外,渤海透明度呈近岸海域低、离岸海域高的空间分布特征,其中渤海中部、秦皇岛近岸海域透明度相对较高,渤海湾、辽东湾、莱州湾透明度常年较低。(2)本研究基于olci传感器数据建立了渤海叶绿素a浓度遥感反演模型。通过对模型进行精度验证,得出模型的反演值与实测值间R为0.93,RMSE为1.19 mg/m,MRE为35%。结合卫星数据对渤海叶绿素a浓度进行遥感反演,发现渤海月均叶绿素a浓度的变化范围为2.4～5.9 mg/m,在夏季浓度较低,在冬季较高。空间分布上,叶绿素a在近岸浓度偏高,向渤海中央浓度呈递减趋势;渤海湾与莱州湾沿岸叶绿素a浓度相对较高,渤海海盆与渤海海峡处叶绿素a浓度则相对较低。(3)利用Eppley-VGPM模型对2018～2021年渤海NPP进行遥感反演,并生成了历年渤海NPP时空分布图。渤海月均NPP变化范围为45～1500 mg C/md,在2月至6月呈上升趋势,在8月至次年1月呈下降趋势。1月NPP最低,年平均值为61 mg C/md,7月最高,年平均值为924 mg C/md。渤海历年NPP在夏季的增长幅度最大,其他季节无明显变化。在夏季,渤海NPP从近岸向远海呈递减趋势,在秋季其分布趋势则相反。(4)NPP主要影响因子的研究表明,透明度对渤海NPP反演结果影响最大,其次是海温和叶绿素。此外,不同影响因子与NPP间的相互关系存在着空间差异性。在渤海湾,叶绿素a浓度与NPP间呈负相关关系,海温和透明度与NPP则呈正相关关系;而在秦皇岛海域附近,各因子与NPP间正负相关性发生反转。可看出,渤海各海区NPP的变化受多种影响因子的协同作用,且各因子的协同作用也存在一定的差异性。

关键词：渤海净初级生产力遥感反演 sentinel-3 olci 海水透明度

基于olci影像秦皇岛近岸水体颗粒物粒径分布遥感反演研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于OLCI影像秦皇岛近岸水体颗粒物粒径分布遥感反演研究

作者：岳建权大连海事大学

学位级别：硕士

颗粒物粒径分布(Particle Size Distribution,PSD)是海洋学中用于描述海洋颗粒物光学散射的常用参数,代表颗粒物粒子数量浓度随粒径大小的变化特征,是研究颗粒物性质的重要指标。本研究基于sentinel-3 olci卫星遥感数据进行秦皇岛近岸... 详细信息

颗粒物粒径分布(Particle Size Distribution,PSD)是海洋学中用于描述海洋颗粒物光学散射的常用参数,代表颗粒物粒子数量浓度随粒径大小的变化特征,是研究颗粒物性质的重要指标。本研究基于sentinel-3 olci卫星遥感数据进行秦皇岛近岸水体粒径分布遥感反演研究,为了解和预测区域浮游植物群落功能类型、海洋碳循环和水体光学性质提供了新的方向。颗粒物粒径分布通常用PSD斜率ξ来表征。本论文基于秦皇岛近岸水体现场实测颗粒物数据,研究了现场水体光学特征与PSD斜率的响应关系,建立了颗粒物后向散射斜率η与PSD斜率ξ的经验关系。在此基础上,构建了PSD斜率的经验反演模型和半分析反演模型,并对模型精度进行了验证和分析,确定了最佳的区域反演模型。并利用olci影像数据生成了PSD斜率分布图,同时结合叶绿素a和总悬浮物的时空分布信息,进行了PSD斜率的时空变化规律研究。具体研究成果如下:(1)为准确地获取现场水体粒径分布信息,本论文讨论了幂律模型中参考粒径对现场粒径分布的影响。通过研究不同参考粒径对幂律模型拟合精度和PSD斜率的影响,发现本研究区域的参考粒径取值应大于22.7μm,并且101μm可作为最佳参考粒径,可准确地获得现场水体粒径分布信息。(2)本论文结合olci中心波段,成功构建了PSD斜率的经验反演模型和半分析反演模型。通过研究得出,经验反演模型最佳波段比值为R(442)/R(560),均方根误差(RMSE)和平均绝对百分比误差(MAPE)分别为0.30和6.66%。半分析反演模型最佳输入波段为R(754)和R(779),RMSE和MAPE分别为0.74和17.45%。使用验证站位对应的olci影像数据对经验模型和半分析模型反演精度进行比较分析,发现经验模型反演结果与现场PSD斜率基本一致,半分析模型反演结果偏高,两种模型的RMSE分别为0.59和1.29,MAPE分别为8.66%和24.87%。最终确定本研究区域PSD斜率最佳模型为经验反演模型。(3)利用本论文构建的经验反演模型,基于olci影像数据生成了秦皇岛近岸水体PSD斜率分布图。从整体上看,秦皇岛海域的PSD斜率随离岸距离呈现阶梯分布,距离岸边越近PSD斜率越小,随着离岸距离增大PSD斜率也逐渐增大;并且6月份PSD斜率大于9月份。为探讨PSD斜率的变异性,将反演范围延伸至整个渤海,其中,渤海夏季PSD斜率为3.85;冬季PSD斜率为3.73;春季和秋季PSD斜率分别为3.58和3.52。结合叶绿素a和总悬浮颗粒物浓度对PSD斜率进行解释,从反演结果来看,在春季、夏季和秋季中,叶绿素a和总悬浮颗粒物浓度较低的区域伴随出现较高的PSD斜率值,三者之间具有良好的共变性;而在冬季这种共变性并不明显。

关键词：粒径分布秦皇岛近岸水体 sentinel-3 olci PSD斜率反演

内陆富营养化湖泊藻类碳遥感估算研究——以太湖为例

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

内陆富营养化湖泊藻类碳遥感估算研究——以太湖为例

作者：时蕾南京师范大学

学位级别：硕士

碳是生态系统中最重要的生源要素,藻类碳是指浮游藻细胞里的碳,内陆湖泊浮游藻类的光合固碳,是重要的碳汇过程之一,是其生物泵功能的主要体现,其碳循环强度、过程表现出特异性、复杂性。在生态系统中,藻类碳对碳循环和缓解气候暖化有着... 详细信息

碳是生态系统中最重要的生源要素,藻类碳是指浮游藻细胞里的碳,内陆湖泊浮游藻类的光合固碳,是重要的碳汇过程之一,是其生物泵功能的主要体现,其碳循环强度、过程表现出特异性、复杂性。在生态系统中,藻类碳对碳循环和缓解气候暖化有着不可替代的作用,对地球系统模型的发展至关重要。因此藻类碳现有量的准确估算有助于更好地理解、评估、监测水体的碳动力学,对于研究水体初级生产力的时空变化意义重大。海洋初级生产力驱动海洋生物碳泵,同时带动着海洋其它生物生产力。我国作为水资源大国,内陆湖泊的藻类碳对于区域性生态系统、气候变化有着重要影响。遥感技术的发展使得宏观、快速、实时地对内陆湖泊水域进行监测成为了可能,同时也能反映藻类碳分布的时空分布特征。本文以典型的内陆富营养化湖泊太湖为例,研究藻类碳与固有光学量(浮游藻类吸收系数)的关系,在此基础上构建了基于sentinel-3 olci影像的藻类碳浓度估算的半分析模型。同时基于藻类碳与表观光学量(遥感反射率)的关系构建藻类碳遥感估算的经验模型。主要研究内容和结论包括以下三个方面:(1)藻类碳浓度反演半分析模型的构建藻类碳来源于浮游藻类,且是颗粒有机碳POC的一部分,而POC的遥感反演相对成熟,因此尝试基于浮游藻类吸收系数从POC中分离出藻类碳。在443nm处由于叶绿素和类胡萝卜素的主导,浮游藻类的吸收系数在整个波段处表现出最大值,形成一个肩峰,而在550nm处受色素吸收的影响最小,形成一个谷,两者的差值能最大程度地指示浮游藻类含量,也就能间接指示浮游藻类碳含量,而总颗粒物在675nm处的吸收系数可以表征有机物的含量。基于浮游藻类的吸收系数,构建藻类碳:POC的光学指标(aph(λ1)-aph(λ2))/ap(λ3)形式,对波段循环迭代,最终确立藻类碳:POC的最佳光学指标为(aph(443)-aph(550))/ap(675)。采用Mishra等(2014)针对浑浊的蓝藻水体提出的改进QAA算法反演得到光学指标(aph(443)-aph(550))/ap(675),结合藻类碳:POC、颗粒有机碳POC的反演模型,最终藻类碳浓度反演半分析模型的均方根误差为0.78mg/L,平均相对误差为41.13%。半分析模型的数据集过小且各子模型的误差会传递累积是导致最终反演效果较差的两个最主要原因,对于研究区太湖,首先需要增大数据量,对模型中的经验参数,率定出一个较为稳定的数值,其次需要简化半分析模型中的步骤和参数,建立形式更简洁、稳定性更强的模型。(2)藻类碳浓度反演经验模型的构建将野外测得的遥感反射率模拟到sentinel-3 olci影像上,分析藻类碳与模拟的遥感反射率间的相关性,在400-900nm波段范围内,藻类碳与遥感反射率的皮尔逊相关系数的范围为-0.43-0.07。在波长490nm附近,藻类碳与遥感反射率为最大负相关,相关系数为-0.43。考虑到藻类碳来源于浮游藻类,对模拟的遥感反射率数据进行波段比值、NDVI、荧光基线高度FLH、最大叶绿素指数MCI、三波段等多种形式的组合,结果表明荧光基线高度FLH的反演效果最好,模型反演的均方根误差为0.40mg/L,平均相对误差为39.36%。选择与藻类碳浓度相关性较好的490nm、510nm、560nm、620nm、665nm、681nm处的模拟的遥感反射率,同时加入荧光基线高度(FLH)—起作为随机森林的输入参数进行训练,藻类碳浓度随机森林模型反演的均方根误差为0.28mg/L,平均相对误差为31.41%。(3)太湖区域藻类碳浓度分布特征通过随机森林算法实现太湖区域藻类碳浓度的遥感估算,结果表明,春季太湖藻类碳浓度的分布,呈现明显的北部较高,南部和湖中心较低的趋势;秋季太湖藻类碳浓度呈现北部高,南部低的空间分布特征;不同季节的风向、日照、降雨等气象因素的差异会对藻类碳浓度的空间分布有一定影响。

关键词：藻类碳内陆湖泊 sentinel-3 olci 反演模型遥感估算

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

香港海域叶绿素浓度反演及动态变化研究

香港海域叶绿素浓度反演及动态变化研究

作者：王诗文桂林理工大学

学位级别：硕士

随着我国对沿海地区的发展,人类活动增多,大量的污水排入海中,导致近海富营养化常常伴有赤潮现象的发生,而香港海域亦是赤潮高发区,因此对浮游植物的监测刻不容缓,而最能代表浮游植物的因素就是叶绿素浓度。本文基于sentinel-3 olci数... 详细信息

随着我国对沿海地区的发展,人类活动增多,大量的污水排入海中,导致近海富营养化常常伴有赤潮现象的发生,而香港海域亦是赤潮高发区,因此对浮游植物的监测刻不容缓,而最能代表浮游植物的因素就是叶绿素浓度。本文基于sentinel-3 olci数据结合实测数据采用高斯过程回归(GPR)模型以及基于机器学习算法的C2RCC模型对香港海域2017-2018年逐月的叶绿素浓度进行反演并通过精度分析验证反演精度,通过反演结果分析香港海域在2017-2018年叶绿素浓度空间变化与季度差异以及产生差异的影响因素。研究结论如下:(1)以sentinel-3 olci数据为基础采用GPR模型以及C2RCC模型对香港区域表层叶绿素浓度进行反演,并与实测数据对比得出2017-2018年GPR模型与实测数据平均相关性R为0.68,C2RCC模型于实测数据平均相关性R为0.51,说明GPR模型反演效果好于C2RCC模型。(2)利用GPR模型来对2017-2018年香港海域逐月的表层、中层以及底层的叶绿素浓度进行反演并分析。根据反演结果可以发现两年间最高值出现在表层海域,最低值出现在底层海域,由此得到香港海域叶绿素空间分布特征从逐月的来看整体呈现明显的垂直递减的变化特征。年内的叶绿素浓度变化存在两次较为明显的峰值,呈现出低-高-更高-低的趋势。两年内最高值在2017年8月份表层平均叶绿素浓度为8.7μg/L,最低值在2018年10月份中层平均叶绿素浓度为0.8μg/L。两年间香港海域叶绿素浓度高值集中分布在牛尾海海域,吐露港及赤门海峡海域以及南区海域,其主要原因离海岸较近人类活动较为频繁水污染严重导致叶绿素浓度较高。(3)根据GPR模型对2017-2018年香港海域的春、夏、秋和冬四个季度进行反演,可以得到香港海域的叶绿素浓度在季节性方面存在较明显的差异。整体叶绿素浓度值变化的季节大致为秋季>夏天>春季>冬天。2017-2018年,整个季节的平均叶绿素浓度呈低-高-高-低的趋势,在夏秋季节有较明显的高峰期,低值在春冬季节出现。从季节变化来看,在香港海域叶绿素含量浓度最高的两个海域分别是南区海域吐露港及赤门海峡海域,也是每年出现夏季赤潮发生频率最高的两个海域这种现象主要是夏季和秋天海表的温度更高,而且比较适合浮游植物的生长,导致叶绿素浓度上升,同时也伴随着洋流以及漩涡等导致海洋底部营养物质浮到海洋表层。

关键词： sentinel-3 olci 叶绿素浓度高斯过程回归(GPR) C2RCC