专利名称：一种实现水体叶绿素a浓度反演的半分析方法
技术领域：
本发明涉及一种实现水体叶绿素a浓度反演的半分析方法，属于水色遥感理论与 应用技术研究领域。
背景技术：
水是生命之源，是地球生物圈不可或缺的基础物质。水质状况直接关系到人类日 常生活以及自然环境的生存与发展。然而，随着经济与社会的发展，水污染问题日益严重， 水质监测与管理任务日益艰巨。水质监测的核心内容是监测和分析评价水资源质量及其随 时间变化规律，为国家和各级政府合理开发利用、管理与保护水资源提供科学依据。因此， 实时而有效地获取水质空间分布状况及其变化趋势，对于改善水资源质量和水环境状况具 有十分重要的意义。传统的水质空间分布信息是通过现场水样采集，实验室内水质分析获得。这种水 质信息只有通过在水域布置大量的测点获取。大区域的水质监测不仅是一项极费人力、物 力和时间的工作，而且也难以满足实时水质状况跟踪观测的需求。遥感技术为解决上述问 题提供了新的途径。水色遥感主要用于水质因子浓度(主要包括叶绿素a、无生命悬浮物和 黄色物质等)的非接触性探测。水色遥感的基本原理在于利用水质因子的光谱特征，建立 水质浓度与光谱特征参数之间的关系模型(经验模型、半分析模型和分析模型)，并利用该 模型从遥感影像中提取水质浓度空间分布信息。叶绿素a浓度遥感反演是水色遥感的重要 研究内容。通常情况下，叶绿素a的特征波峰波谷的带宽较窄，为获取这一些有指示意义的 信息，需要选择的波段宽度最好小于5nm，这势必不利于宽波段卫星数据在水体叶绿素a浓 度空间分布动态监测方面的应用。高光谱遥感具有光谱分辨率高、光谱信息丰富等特点。这些特点对于提高叶绿素a 浓度反演水平起到至关重要的作用。在以往的研究中，基于高光谱的叶绿素a浓度反演理 论主要侧重于“窄波段”反演模型的设计，而“窄波段”模型与高光谱遥感影像相结合的应 用研究相对较少。
发明内容
本发明的目的在于提供一种实现水体叶绿素a浓度反演的半分析方法，是鉴于遥 感反演叶绿素a浓度的精度不高的研究现状，从水体叶绿素a浓度光学特性出发，构建了一 种高精度的水体叶绿素a浓度反演的半分析方法，进而有利于提高叶绿素a浓度遥感反演 精度。本发明一种实现水体叶绿素a浓度反演的半分析方法，其具体包括如下步骤(1)读入叶绿素a浓度数据、水体光谱数据和高光谱遥感数据。(2)利用含叶绿素a水体的光学性质，构建叶绿素a浓度半分析模型。在可见光波段范围内，假设存在两组波段(λ工和λ 2，λ 3和λ 4)，可溶有机质的吸 收系数(a M)和悬浮物的吸收系数(ateipt。n)存在如下近似关系 式中，XpX^XsiP λ 4为四个不同的波长；kdnk2模型参数；R为反射率；Chla 为叶绿素a浓度；PChla为半分析算法遥感参数；a和b为遥感参数与叶绿素a浓度之间的 经验关系参数。(3)在步骤(1)的数据基础上，采用逐波段枚举和线性迭代的方法，计算半分析算 法的最佳波段和模型参数。本发明采用了半分析模型的预报值(Cpral, chla, J与实测值(C·, chla, J之间偏差的 标准差(STE)及其相对误差(RE)作为模型优劣的标准。本发明所涉及的标准差和相对误 差表达式如下所示
本发明所涉及的线性迭代算法如下已知实验数据(Xi，Yi), i = 1,2, ...m，反演 函数y = f(x)中含有非线性参数b1;b2，... IvESy = Mtvb2^MbnK令向量b= (bi; b2，... bn)，则y = f (χ, b)其残差平方和为
将y = f(x,b)在处Taylor展开，并略去高次项，得 f{xi,b) = f{xi,blbl...,bl) + ±^{bJ-b])
综合上述两式，结合最小二乘法原理可得迭代公式如下 (4)在步骤⑴和(3)的基础上，从高光谱遥感影像中提取叶绿素a浓度空间分布 fn息O本发明一种实现水体叶绿素a浓度反演的半分析方法，其优点及功效在于本发 明方法能够以较高精度从高光谱遥感影像中提取叶绿素a浓度的空间分布信息。
图1为本发明的实验站点空间分布。图2为本发明的基于2003年10月28日光谱数据的统一半分析反演模型。图3为本发明的基于2004年8月19日光谱数据的统一半分析反演模型。
具体实施例方式为了更好的说明本发明涉及的一种实现水体叶绿素a浓度反演的半分析方法，本 研究以2003年10月27日、28日和2004年8月19日水质实验所测取的叶绿素a浓度数 据、光谱反射率数据、以及2004年8月19日与水质实验同步的Hyperion高光谱影像数据 为基�。员狙芯康陌敕治鏊惴ń蟹治鲇胙橹�。具体实现步骤如下(1)读入2003年10月27日、28日和2004年8月19日水质实验所测取的叶绿 素a浓度数据、光谱反射率数据、以及2004年8月19日与水质实验同步的Hyperion高光 谱影像数据，其中，2004年8月19日水质实验所对应的光谱曲线是直接从经过大气校正的 Hyperion影像中提取。实验位置如图1所示。(2)利用含叶绿素a水体的光学性质，构建叶绿素a浓度半分析模型。 式中，λ i为第i波段的波长；R为反射率；Chla为叶绿素a浓度；a，b，K1和K2为 模型参数通过线性迭代计算而得。(3)在步骤(1)的数据基础上，采用逐波段枚举和线性迭代的方法，计算半分析算 法的最佳波段λ” λ2、λ3、λ 4及和模型参数K1和K2 (该步骤所涉及的计算公式见发明内 容的步骤3部分)。分析结果以及模型相关系数、误差以及相对误差如图2和图3所示。(4)在步骤(1)和(3)的基础上，采用步骤(2)所示的遥感参数，利用2004年8月 19日实验数据构建了如图3所示的统一半分析算法，并在此基础上，结合同步Hyperion影 像数据，利用上述半分析模型从高光谱遥感影像中提取叶绿素a浓度空间分布信息。
权利要求
一种实现水体叶绿素a浓度反演的半分析方法，其步骤如下(1)读入叶绿素a浓度数据、水体光谱数据和高光谱遥感数据；(2)利用含叶绿素a水体的光学性质，构建叶绿素a浓度半分析模型；(3)在步骤(1)的数据基础上，采用逐波段枚举和线性迭代的方法，计算半分析算法的最佳波段和模型参数；(4)在步骤(1)和(3)的基础上，从高光谱遥感影像中提取叶绿素a浓度空间分布信息。
2.根据权利要求1所述的一种实现水体叶绿素a浓度反演的半分析方法，其特征在于 步骤(2)中所述的叶绿素a浓度半分析模型规则如下在可见光波段范围内，假设存在两组波段(入工和λ2，入3和λ 4)，可溶有机质的吸收系 数(％ )和悬浮物的吸收系数(ateipt。n)存在如下近似关系 式中，λ ρ λ 2、λ 3和λ 4为四个不同的波长屯和k2模型参数；R为反射率；Chla为叶 绿素a浓度；Paia为半分析算法遥感参数；a和b为遥感参数与叶绿素a浓度之间的经验关 系参数。
3.根据权利要求1所述的一种实现水体叶绿素a浓度反演的半分析方法，其特征在于 步骤(3)中所述的最优波段选择标准如下本发明采用了半分析模型的预报值(Cpraud^i)与实测值(C·,。-,》之间偏差的标准 差(STE)及其相对误差(RE)作为模型优劣的标准；所述的标准差和相对误差表达式如下所 示
4.根据权利要求1所述的一种实现水体叶绿素a浓度反演的半分析方法，其特征在于 步骤(3)中所述的非线性迭代算法如下已知实验数据(Xi, Yi), i = 1,2, ...m，反演函数y = f(x)中含有非线性参数b1; b2，...bn，记为 y = f(b1;b2，...bn)。令向量 b= (b1;b2，...bn)，则 y = f(x，b)其残差平 方和为 将y = f (X，b)在6°=(时力2°, —人°)处Taylor展开，并略去高次项，得 综合上述两式，结合最小二乘法原理可得迭代公式如下
全文摘要
一种实现水体叶绿素a浓度反演的半分析方法，其步骤如下(1)读入叶绿素a浓度数据、水体光谱数据和高光谱遥感数据；(2)利用含叶绿素a水体的光学性质，构建叶绿素a浓度半分析模型；(3)在步骤(1)的数据基础上，采用逐波段枚举和线性迭代的方法，计算半分析算法的最佳波段及和模型参数；(4)在步骤(1)和(3)的基础上，从高光谱遥感影像中提取叶绿素a浓度空间分布信息。
文档编号G01N21/25GK101893550SQ201010225650
公开日2010年11月24日 申请日期2010年7月14日 优先权日2010年7月14日
发明者温珍河, 王保军, 陈军 申请人:青岛海洋地质研究所
专业数控铣床产品供应商
20年生产经验，实力工厂，精工品质，质量有保障
