水质遥感监测的关键要素叶绿素a的反演算法研究进展
|
罗婕纯一,秦龙君,毛鹏,熊育久,赵文利,高辉辉,邱国玉
|
Research Progress in the Retrieval Algorithms for Chlorophyll-a, a Key Element of Water Quality Monitoring by Remote Sensing
|
Jiechunyi Luo,Longjun Qin,Peng Mao,Yujiu Xiong,Wenli Zhao,Huihui Gao,Guoyu Qiu
|
|
表2 水体叶绿素a反演算法比较及适应性分析(续)
|
Table 2 Summary and comparison of the aforementioned algorithms of chlorophyll-a concentration retrieval
|
|
算法 类别 | 算法 | 叶绿素浓度区间(mg/m3) | 水体 | 所用波段/nm | 卫星传感器 | R2 | RMSE /(mg/m3) | 作者 | 优势 | 缺陷 |
---|
其他 指数法 | Hu指数 | 0.01~10 | 78%的全球海洋 | 443、555、670 | SeaWiFs, MODIS | 0.95 | / | [21] | 受叶绿素a后向散射和非浮游植物吸收作用影响较小;受仪器噪声和大气校正误差影响较小 | 主要针对叶绿素a浓度小于0.25mg/m3的海洋,在富营养水体中适用性有待验证 | Yang指数 | 22.98~318.60 | 日本霞浦湖及中国滇池 | band7、9、10 | MERIS | 日本:0.90 中国:0.91 | 日本:8.68 中国: 15.82 | [59] | 较3BDA更适用于高浑浊水体,对传感器分辨率要求比4BDA更低 | 受大气校正误差影响较大 | NDCI | 1~60 | 多个海湾和三角洲 | 708、665 | MERIS | 0.95 | 4.83 | [60] | 在缺乏实测数据、偏远地区也可以使用 | 受大气校正误差影响较大 | SCI | 春:0.03~3.10; 夏:0.88~31.50 | 长江河口 (春、夏) | 620、681、560、665 | MERIS | 春:0.72 夏:0.91 | 春:0.86夏:2.87 | [23] | 适用于高悬浮物浓度水体 | 受大气校正误差影响大 | 智能 算法 | ANN-BP | 2006:0.06~0.32;2008:0.03~8.84 | 地中海东海岸 | / | Hyperion | 2006:0.89 2008:0.96 | 2006:0.03 2008:0.45 | [31] | 在解决非线性问题上有优势,适用于光学组分复杂的水体 | 对训练集的数据质量要求较高;算法复杂程度高 | MLPNN | 0.02~70 | / | 412、443、488、531、547、667 | MODIS | 0.90 | 0.22(log10) | [61] | ANN-BP | 0~120 | 太湖 | b4/b3;b4/b2;b4/b1;b4/(b1+b2+b3) | GF-1 WFV4 | 0.97 | 7.61 | [34] | LS-SVM | 15~75 | 清河水库 | b5/b4 | Landsat OLI | 0.97 | 2.67 | [29] | 在解决小样本、非线性问题上具有优势 | 研究样本量和采样周期均有限,算法普适性待进一步验证 | LS-SVM | 1~64 | 大伙房水库 | b2~b1 | 环境卫星 CCD | 0.82 | / | [33] | 基于水体分类的算法体系 | 动态变化算法体系 | 0~1 000 | 185个内陆和沿海水域 | / | / | 0.79 | / | [63] | 样本数据覆盖13种水体,算法普适性高 | 实际应用相对较复杂,需先判断水体类型,后选择推荐的相应算法 | 分析类算法 | GSM | 0.04~5 | 大洋类 | / | SeaWiFs | 0.82 | 0.19 | [67] | 具有明确的物理意义,普适性较高 | 理论推导较复杂,参数准确获取难度高 | QAA | 0.03~30 | / | / | / | / | / | [68] | / | 0~100 | 太湖 | / | / | 0.99 | / | [65] | / | 0.20~11.60 | 珠江口、韩江河口、徐闻珊瑚礁保护区 | / | / | / | / | [70] |
|
|
|