基于GOCI影像的内陆水体悬浮物浓度遥感估算研究

《基于GOCI影像的内陆水体悬浮物浓度遥感估算研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、NanjingNormalUniversityADissertationSubmittedinPartialFulfillmentoftheRequirementsfortheDegreeofMasterofScience凰巨StudyonRemoteSensingEstimationofSuspendedSolidsConcentrationofInland侈匀tersBasedonGOCIDataCandidate：Supervisor：ZhaGui-hongProf．LfiHengCollege：CollegeofGeogr

2、aphicalScienceSpeciality：CartographyandGISDateFinished：DateApproved：April12，2013May19，2013学位论文独创性声明本人郑重声明：所提交的学位论文是本人在导师指导下进行的研究工作和取得的研究成果。本论文中除引文外，所有实验、数据和有关材料均是真实的。本论文中除引文和致谢的内容外，不包含其他人或其它机构已经发表或撰写过的研究成果。其他同志对本研究所做的贡献均已在论文中作了声明并表示了谢意。学位论文作者签名：日期：学位论文使用授权声明研究生在校攻读学位期

3、间论文工作的知识产权单位属南京师范大学。学校有权保存本学位论文的电子和纸质文档，可以借阅或上网公布本学位论文的部分或全部内容，可以采用影印、复印等手段保存、汇编本学位论文。学校可以向国家有关机关或机构送交论文的电子和纸质文档，允许论文被查阅和借阅。(保密论文在解密后遵守此规定)保密论文注释：本学位论文属于保密论文，密级：——保密期限为——年。学位论文作者签名；弯彬k／日期：矽哆￡弓。指导教师签名日期T3移、j、项目支持国家自然科学基金项目“微囊藻生物光学特性及其遥感定量识别研究"(编号：41171269)国家水体污染控制和治理科技

4、重大专项·‘国家水环境遥感技术体系研究与示范"(编号：2009ZX07527-006)高分辨率对地观测系统国家科技重大专项“高分重点水污染源叶绿素遥感监测关键技术”(编号：E0203／1112／JC01)摘要悬浮物浓度是水体中重要的水质参数，也是水质和水环境评价的重要指标之一。本研究以太湖、巢湖、滇池和三峡水库为研究对象，首先采用两步聚类法对研究区采样点的遥感反射率光谱曲线进行分类，进而分析了不同类型水体的表观光学特性和固有光学特性，在此基础上针对不同类型水体分别构建了相应的悬浮物浓度遥感估算模型，进而将模型应用于太湖地区的GOC

5、I影像上，实现基于GOCI影像的太湖悬浮物浓度遥感估算，并分析了太湖悬浮物浓度的空间分布特征及其变化趋势，主要得出以下结论：(1)研究区水体分类及其光学特性利用两步聚类法对研究区水体进行光学分类，综合考虑两步聚类法中的BIC、BIC变化量、BIC变化率和距离变化率四个评价指标，最终确定本研究中所有采样点的最佳聚类数目为三类，通过分析不同类型水体的悬浮物浓度及叶绿素a浓度，确定三种类型水体的主导因子分别为：悬浮物主导、悬浮物和叶绿素a共同主导、叶绿素a主导。三种类型水体具有不同的光学特性，不同类型水体的遥感反射率和色素颗粒物吸收系数

6、在数值和光谱曲线形状上都存在较大差异，而不同类型水体的非色素颗粒物吸收系数、CDOM吸收系数及散射系数在光谱形状上基本一致，其差异主要体现在数值上。(2)不同类型水体悬浮物浓度遥感估算模型针对不同类型水体分别构建了相应的悬浮物浓度遥感估算模型，其中，悬浮物主导型的水体最优估算模型为以B7／B4为最佳波段组合因子的二次函数模型，共同主导型的水体最优估算模型为以B7／(BS+B4)为最佳波段组合因子的指数函数模型，叶绿素a主导型的水体最优估算模型为以B7／(BS+B4)为最佳波段组合因子的幂函数模型，而未分类水体悬浮物浓度最优估算模型

7、为以B7／B4为最佳波段组合因子的二次函数模型。与不分类水体所建立的模型相比，针对分类后的水体构建的模型误差得到了不同程度的降低，三类水体建模数据的平均相对误差比不分类前分别降低了1．11％、6．75％和4．20％；验证数据的平均相对误差下降效果更为显著，相比于未分类水体，分类后水体的平均相对误差分别下降了19．37％、8．96％和3．18％。(3)基于GOCI影像的太湖悬浮物浓度遥感估算采用FLAASH和6S两种大气校正方法对GOCI影像进行大气校正。利用实测光谱数据做对比，结果表明，6S大气校正后的结果无论在光谱形状还是数摘要

8、值上都比FLAASH大气校正后的结果更接近于实测光谱曲线，更适用于GOCI影像的大气校正。对GOCI影像的像元先分类，然后选择相应的估算模型，实现太湖悬浮物浓度的遥感估算。结果表明，从时间变化来看，太湖悬浮物浓度的天际变化明显高于其天内变化，不同日