基于GOCI影像和水体光学分类的内陆湖泊叶绿素a浓度遥感估算

来源：环境科学杂志2015年第1期北京时间：

作者：冯驰,金琦,王艳楠,赵丽娜,吕恒,李云梅

单位：南京师范大学虚拟地理环境教育部重点实验室, 南京 210023,南京师范大学虚拟地理环境教育部重点实验室, 南京 210023,南京师范大学虚拟地理环境教育部重点实验室, 南京 210023,南京师范大学虚拟地理环境教育部重点实验室, 南京 210023,南京师范大学虚拟地理环境教育部重点实验室, 南京 210023,江苏省地理信息资源开发与利用协同创新中心, 南京 210023,南京师范大学虚拟地理环境教育部重点实验室, 南京 210023,江苏省地理信息资源开发与利用协同创新中心, 南京 210023

摘要：叶绿素a作为水质参数之一,常用来作为衡量水体富营养化程度的指示标准. 利用从太湖及洞庭湖获取的326个实测数据,基于实测遥感反射率对水体光谱进行光学分类,结果表明所采集的样点可分为3种水体类型. 结合GOCI的波段设置,建立了不同类型水体的叶绿素a浓度反演模型. 水体类型一可以利用490 nm(3波段)和555 nm(4波段)来反演,水体类型二可利用660 nm(5波段)和443 nm(2波段),水体类型三利用745 nm(7波段)和680 nm(6波段). 精度分析表明,分类后的平均相对误差明显下降,类型一为38.91%、类型二为24.19%、类型三为22.90%; 类型一均方根误差为4.87 μg ·L-1、类型二为8.13 μg ·L-1、类型三为11.66 μg ·L-1; 分类前后的总体平均相对误差由49.78%降低到29.59%,总体均方根误差由14.10 μg ·L-1降低到9.29 μg ·L-1,分类后反演精度得到了显著提高. 利用2013年5月13日8景GOCI影像反演了太湖的叶绿素a浓度,结果表明,2013年5月13日太湖叶绿素a浓度日变化显著,高值区主要集中在竺山湾、梅梁湾、贡湖湾,低值区主要集中在湖心区以及南部区域,10: 00以后太湖西南部沿岸的叶绿素a浓度显著降低. 这种先分类后反演的方法对于二类水体的模型反演精度的提高具有重要作用.

关键词：水体分类,叶绿素a,GOCI影像,反演模型,实时监测,