欢迎来到北京揽宇方圆信息技术有限公司!

热线电话:4006-019-091 010-83509252

手机版

当前位置: 网站首页 > 产品服务 > 数据处理 > 基于遥感影像叶绿素A反演技术方案(北京揽宇方圆)

数据处理

基于遥感影像叶绿素A反演技术方案(北京揽宇方圆)

来源:本站   发布时间: 2019-12-06 19:28:10   浏览:979次  字号: [大] [中] [小]
基于遥感影像叶绿素A反演技术方案

1. 技术方案

 

1技术方案

2. 拟采用的叶绿素a浓度反演方法

叶绿素a是水体中浮游植物或藻类植物中最重要的色素,也是水体中藻类浓度、种类等的重要指示因素,因此它也是反映水体富营养化程度的重要指标。水体叶绿素a浓度反演是水色遥感的核心内容。

目前,利用遥感技术反演水体叶绿素a浓度的方法主要有经验模型、半分析模型、分析模型、智能模型等。由于内陆浑浊二类水体的光学特性较为复杂,分析模型和智能模型算法的精度受实测水体固有光学量和表观光学量的影响较大,模型的稳定性较差,不能用于水体叶绿素a浓度反演。

常用的基于水体光谱特征参量的叶绿素a浓度反演算法包括两波段比值算法(TBR)、归一化叶绿素指数算法(NDCI)、综合叶绿素指数算法(SCI)、三波段半分析算法(TBS)和四波段半分析算法(FBS)。这五种算法的模型拟合结果如下图所示。

 

2基于水体光谱特征参量的叶绿素a浓度遥感反演模型

从图中可以看出三波段半分析算法和四波段半分析算法的拟合趋势有误,数据点的分布较乱,拟合公式不能反应叶绿素a浓度的大小,因此这两种方法不适用与叶绿素a浓度的反演。两波段比值算法、归一化叶绿素指数算法和综合叶绿素指数算法的拟合趋势较好,拟合度R2也较高。其中综合叶绿素指数和两波段比值算法的拟合效果最好,可以作为基于水体光谱特征参量的叶绿素a浓度反演算法。

本项目将根据最终确定的数据源,采用已经过项目验证的波段比对法&分类相结合的算法确保反演精度,预期达到精度高于70%

3. 拟采用的数据源

由于滇池区域水体水华较为严重,且南方地区多云天气较多(影响最终精度),为避免单一数据源对结果的影响,本项目提供整体解决方案,我们将综合考虑以上情况尽量选用该时间内最优数据。

时间

数据源

分辨率

报价

201973

高分一号/高分二号/MODIS/Landsat

<16

 

2019710

高分一号/高分二号/MODIS/Landsat

<16

201992

高分一号/高分二号/MODIS/Landsat

<16

2019910

高分一号/高分二号/MODIS/Landsat

<16

201435

高分一号/MODIS/Landsat

<16

 

2014320

高分一号/MODIS/Landsat

<16

201485

高分一号/MODIS/Landsat

<16

2014820

高分一号/MODIS/Landsat

<16

201335

MODIS/Landsat

<16

 

2013320

MODIS/Landsat

<16

201385

MODIS/Landsat

<16

2013820

MODIS/Landsat

<16

201235

MODIS/Landsat

<16

 

2012320

MODIS/Landsat

<16

201285

MODIS/Landsat

<16

2012820

MODIS/Landsat

<16

201135

MODIS/Landsat

<16

 

2011320

MODIS/Landsat

<16

201185

MODIS/Landsat

<16

2011820

MODIS/Landsat

<16

520批次数据,具体影像数量需根据研究区域核算。

4. 其他水体相关服务

除叶绿素a外,我们还可提供基于遥感的悬浮物浓度、水体透明度、营养状态、水草水华、水质参数反演等服务。

 

<返回列表

相关链接

  • 4006-019-091
    010-83509252
    18610332567
    About Us   News   Product   Contact
    关于我们   新闻资讯   产品服务   联系方式

    公司简介

    领先优势

    资质荣誉

    公司新闻

    行业动态

    国外卫星

    国内卫星

    历史数据

    数据处理

    信息反馈

    人才招聘

    付款方式

     
    WeChat
    关注我们

    北京揽宇方圆信息技术有限公司 www.kosmos-imagemall.com Copyright © 2007-2019