Please wait a minute...
 
国土资源遥感  2011, Vol. 23 Issue (4): 83-86    DOI: 10.6046/gtzyyg.2011.04.16
  技术应用 本期目录 | 过刊浏览 | 高级检索 |
基于带模型的叶绿素a浓度反演精度评估
陈军1,2, 陆凯1,2, 王保军1,2
1. 国土资源部海洋油气资源与环境地质重点实验室,青岛 266071;
2. 青岛海洋地质研究所,青岛 266071
The Uncertainty Model for Water Qualities Retrieval Results: A Case Study of Chlorophyll-a Concentration
CHEN Jun1,2, LU Kai1,2, WANG Bao-jun1,2
1. The Key Laboratory of Marine Hydrocarbon Resource and Geology, Qingdao 266071, China;
2. Qingdao Institute of Marine Geology, Qingdao 266071, China
全文: PDF(1458 KB)   HTML  
输出: BibTeX | EndNote (RIS)      
摘要 

为了评估遥感反演叶绿素a浓度的精度,以2004年8月19日太湖38个水质样本数据和同步Hyperion卫星遥感影像数据为基础,借鉴四波段半分析算法,结合空间数据不确定性原理,构建了基于四波段半分析算法的"带模型"。通过研究与探讨可知,当叶绿素a浓度为10~20 μg/L和50~100 μg/L时,叶绿素a浓度的反演误差较小,大约为±20%; 当叶绿素a浓度在20~50 μg/L时,叶绿素a浓度的反演误差较大,大约为±40%,局部区段的误差高达±60%左右。与传统的误差表示方法相比较,"带模型"能更详细且能准确地给出太湖水体叶绿素a浓度反演结果的误差信息。

服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
关键词 成像光谱光谱特征识别规则特征谱带物谱关联图像识别识别谱系小波包变差地化信息探测识别模型技术集成矿物识别    
Abstract

With the spectral experiment and the simultaneous observation results of Hyperion satellite on 19 August, 2004 as the basic dataset, the authors used the uncertainty principle of spatial data to develop a "bands model" for chlorophyll-a concentration retrieval algorithm of the subsection mapping retrieval model. It is thus found that in the ranges of 10-20 μg/L and 50-100 μg/L, the retrieval error of chlorophyll-a concentration is relatively low, (approximately ±20%), whereas in the range of 20-50 μg/L, the retrieval error of chlorophyll-a concentration is relatively high, (approximately ±40%). A comparison with the traditional methods for error describing shows that the "bands model" could include more detailed and accurate information of data quality for remote sensing products.

收稿日期: 2011-03-30      出版日期: 2011-12-16
:  TP 79  
  X 832  
基金资助:

国土资源部海洋油气资源和环境地质重点实验室基金项目(编号: MRE201109)和中国海陆地质地球物理系列图项目(编号: GZH200900504)共同资助。

作者简介: 陈军(1982-),男,主要从事环境遥感和GIS研究。
引用本文:   
陈军, 陆凯, 王保军. 基于带模型的叶绿素a浓度反演精度评估[J]. 国土资源遥感, 2011, 23(4): 83-86.
CHEN Jun, LU Kai, WANG Bao-jun. The Uncertainty Model for Water Qualities Retrieval Results: A Case Study of Chlorophyll-a Concentration. REMOTE SENSING FOR LAND & RESOURCES, 2011, 23(4): 83-86.
链接本文:  
https://www.gtzyyg.com/CN/10.6046/gtzyyg.2011.04.16      或      https://www.gtzyyg.com/CN/Y2011/V23/I4/83



[1] Gordon H R,Castao D J.Aerosol Analysis with the Coastal Zone Color Scanner:A Simple Method for Including Multiple Scattering Effects[J].Applied Optics,1987,28(7):1320-1326.



[2] 张民伟,唐军武,丁静.水色大气校正算法综述[J].海洋技术,2008,27(3):110-114.



[3] 唐军武.海洋光学特性模拟与遥感模型[D].北京:中国科学院遥感应用研究所,1999.



[4] Shafique N A,Autrey B C,Fulk F,et al.Hyperspectral Narrow Wavebands Selection for Optimizing Water Quality Monitoring on the Great Miami River,Ohio[J].Journal of Spatial Hydrology,2001,1(1):1-22.



[5] 李小文.定量遥感的发展与创新[J].河南大学学报:自然科学版,2005,35(4):49-56.



[6] 陈军,周冠华,温珍河,等.遥感数据误差对地表参数定量反演可靠性的影响--以太湖叶绿素a反演为例[J].光谱学与光谱分析,2010,30(5):1347-1351.



[7] Gahegan M,Ehlers M.A Framework for the Modeling of Uncertainty Between Remote Sensing and Geographic Information Systems[J].ISPRS Journal of Photogrammetry & Remote Sensing,2000,55(3):176-188.



[8] Goodchild M F.Geographical Data Modeling[J].Computers & Geosciences,1992,18(4):401-408.



[9] 史文中,王树良.GIS中属性不确定性的处理方法及其发展[J],遥感学报,2002,6(5):394-400.



[10] Perkal J.On Epsilon Length[J].Bulletin de I'Academic Polonaise Des Sciences,1956(4):399-403.



[11] Shi W Z,Ehlers M,Tempfli K.Analytical Modelling of Positional and Thematic Uncertainties in the Integration of Remote Sensing and Geographical Information System[J].Transactions in GIS,1999,3(2):119-136.



[12] Renschler C S.Scales and Uncertainties in Using Models and GIS for Volcano Hazard Prediction[J].Journal of Volcanology and Geothermal Research,2005,139(1/2):73-87.



[13] Minor E S,McDonald R I,Treml E A,et al.Uncertainty in Spatially Explicit Population Models[J].Biological Conservation,2008,141(4):956-970.



[14] 贺俊华,程永进,张昊.内陆水体叶绿素a含量定量检测的研究[J].光学与光电技术,2007,5(5):16-19.



[15] 闻建光,肖青,杨一鹏,等.基于Hyperion数据的太湖水体叶绿素a浓度遥感估算[J].湖泊科学,2006,18(4):327-336.



[16] Goodchild M F.Attribute Accuracy[C]//Proceedings of Elements of Spatial Data Quality,New York,USA:Elsevier,1995:139-151.



[17] 史文中,王树良.GIS数据之属性不确定性的研究[J].中国图象图形学报,2001,6(9):918-924.



[18] 陈军,温珍河,孙记红,等.基于四波段半分析算法和Hyperion遥感影像反演太湖叶绿素a浓度[J].遥感技术与应用,2010,25(6):867-872.

[1] 李根军, 杨雪松, 张兴, 李晓民, 李得林, 杜程. ZY1-02D高光谱数据在地质矿产调查中的应用与分析[J]. 国土资源遥感, 2021, 33(2): 134-140.
[2] 胡新宇, 许章华, 陈文慧, 陈秋霞, 王琳, 刘辉, 刘智才. 基于PROBA/CHRIS影像的归一化阴影植被指数NSVI构建与应用效果[J]. 国土资源遥感, 2021, 33(2): 55-65.
[3] 张川, 叶发旺, 徐清俊, 邱骏挺. 相山铀矿田西部深钻岩心成像光谱编录及蚀变分带特征[J]. 国土资源遥感, 2019, 31(2): 231-239.
[4] 孙小芳. 结合目标分割的高光谱城市地物分类[J]. 国土资源遥感, 2017, 29(3): 171-175.
[5] 孟丹, 宫辉力, 李小娟, 杨思遥. 北京7·21暴雨时空分布特征及热岛-雨岛响应关系[J]. 国土资源遥感, 2017, 29(1): 178-185.
[6] 王平平, 田淑芳. 基于WorldView2数据的岩性信息增强方法——以内蒙古扎嘎乌苏地区为例[J]. 国土资源遥感, 2016, 28(4): 176-184.
[7] 柴颖, 阮仁宗, 柴国武, 傅巧妮. 基于光谱特征的湿地植物种类识别[J]. 国土资源遥感, 2016, 28(3): 86-90.
[8] 许章华, 刘健, 陈崇成, 余坤勇, 黄旭影, 王美雅. 松毛虫危害下的马尾松林冠层光谱特征可辨性分析[J]. 国土资源遥感, 2016, 28(2): 41-47.
[9] 关红, 贾科利, 张至楠, 马欣. 盐渍化土壤光谱特征分析与建模[J]. 国土资源遥感, 2015, 27(2): 100-104.
[10] 张利华. 基于ALOS影像的内蒙古杭锦后旗土地盐渍化程度分级[J]. 国土资源遥感, 2015, 27(1): 121-126.
[11] 周林滔, 杨国范, 赵福强, 杜娟. EMD与分形相结合的遥感影像水体信息提取方法[J]. 国土资源遥感, 2014, 26(4): 41-45.
[12] 刘丙新, 李颖, 高超. 基于机载多光谱遥感数据的溢油信息提取方法[J]. 国土资源遥感, 2014, 26(1): 42-46.
[13] 方圣辉, 乐源, 杨光. 基于HyperScan成像光谱数据的植被叶绿素反演[J]. 国土资源遥感, 2013, 25(4): 40-47.
[14] 何亮柱, 洪金益, 张建国, 邹胜武, 朱莉莉. 基于IKONOS数据的矿山开发占地信息提取[J]. 国土资源遥感, 2013, 25(1): 150-154.
[15] 梁树能, 甘甫平, 闫柏锟, 王润生, 杨苏明, 张志军. 白云母矿物成分与光谱特征的关系研究[J]. 国土资源遥感, 2012, 24(3): 111-115.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
京ICP备05055290号-2
版权所有 © 2015 《自然资源遥感》编辑部
地址:北京学院路31号中国国土资源航空物探遥感中心 邮编:100083
电话:010-62060291/62060292 E-mail:zrzyyg@163.com
本系统由北京玛格泰克科技发展有限公司设计开发