导读:本文包含了叶绿素浓度反演算法论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:叶绿素,遥感,浓度,水色,算法,水体,胶州湾。
叶绿素浓度反演算法论文文献综述
邓实权,田礼乔,李建,陈晓玲,孙兆华[1]（2018）在《面向GF-5卫星高光谱传感器的浑浊水体叶绿素a浓度反演算法研究——以鄱阳湖为例》一文中研究指出为了分析即将发射的高分5号卫星(GF-5)的高光谱数据在内陆水体水色遥感中的应用潜力,以鄱阳湖为研究区域,利用2009年、2011年和2016年共134组现场实测光谱及其对应的叶绿素a、总悬浮物浓度数据,考虑高浑浊水体引起的叶绿素a浓度变化的光谱响应差异,在进行水体光学分区基础上通过光谱模拟与差分处理开展了叶绿素a浓度跨阶分高光谱反演研究.结果表明:1)进行光学分区有利于提高反演精度,非高浑浊水体(NDCI≥0.06)区域,反演模型判定系数R2达到0.82,均方根误差RMSE为1.12,平均相对误差MRE为0.32,而不进行光学分区的全湖区反演建模R2仅为0.37;2)相较于鄱阳湖前期研究得到的最优多波段反演模型(R2=0.76),利用495、591、675、679、684、688、692和696nm等波长的原始光谱以及差分光谱(一阶差分、二阶差分)建立的跨阶分多波段组合模型可以更有效地反演非高浑浊水体叶绿素a浓度(R2=0.82),但对于高浑浊水体(NDCI<0.06),叶绿素a浓度的高光谱反演能力还需要进一步挖掘.(本文来源于《华中师范大学学报(自然科学版)》期刊2018年03期）
吴灵灵[2]（2018）在《高浑浊水体叶绿素a浓度反演算法与太阳耀光影响初探》一文中研究指出以黄河口高浑浊水体为研究对象,利用实测水体高光谱反射数据和叶绿素a浓度数据,建立高浑浊水体叶绿素a浓度反演模型,同时探究太阳耀光反射特性及对不同叶绿素a浓度反演模型的影响。论文主要研究内容与结论如下:利用实测水体高光谱反射数据和叶绿素a浓度数据,建立适用于黄河口高浑浊水体(悬浮物浓度:16~2435 mg/L)的叶绿素a浓度反演模型。结果表明,与波段比值算法、叁波段算法、最大叶绿素指数算法和MODIS OC3算法相比,反射谷深度指数算法表现最好,模型的决定系数R~2为0.59,均方根误差RMSE为3.22μg/L。通过分析各算法优劣,评估了不同叶绿素a浓度反演算法在反演黄河口高浑浊水体上的表现。基于高光谱卫星影像和实测水体高光谱反射数据得到水面耀光反射特性。根据本研究,水面存在耀光,增加了进入传感器的能量;卫星影像上,水面耀光主要与传感器观测角、太阳高度角和方位角、水面波浪和风等因素有关;含耀光水体反射曲线与不含耀光水体反射曲线形状相同,表明耀光不影响水体反射特征;不同区域、不同类型水体耀光反射曲线形状一致,表明耀光对水体组分不敏感,耀光反射曲线为一条直线;卫星影像上,耀光反射占传感器接收总能量的2.11%~98.93%,实测太阳耀光能量最大时,占水体表面反射总能量的96.84%,天空耀光能量最大时,占水体表面反射总能量的96.0%,说明耀光对水体反射影响很大。为探究耀光对叶绿素a浓度反演的影响,将一条真实耀光反射曲线迭加在黄河口不含耀光水体反射之上,评估耀光对不同叶绿素a浓度反演模型的影响。结果显示,耀光对不同叶绿素a浓度反演模型产生的影响不同;耀光强度从10%增加到40%,反射谷深度指数模型反演值平均减小了1.17 mg/L、2.23 mg/L、3.35 mg/L和4.47 mg/L;当耀光强度增大到传感器接收总能量的40%,反射谷深度指数模型的相对误差百分比为93.20%,模型适用性需重新评估。(本文来源于《中国科学院大学(中国科学院烟台海岸带研究所)》期刊2018-06-01）
王芮,伍玉梅,杨胜龙,崔雪森,王琳[3]（2018）在《基于GOCI的东海叶绿素a浓度3种反演算法的对比及其昼变化分析》一文中研究指出叶绿素a浓度是一种表征水体富营养化程度的重要参数,其已经成为水体水质评价的重要指标,它的研究对赤潮、绿潮等的监测预报具有重要意义。基于GOCI卫星获取的水色遥感资料,先对L1B数据进行了大气校正等影像预处理,然后利用OC2、OC3G和YOC 3种叶绿素反演算法反演了东海叶绿素a浓度,并用实测资料对3种反演算法结果进行验证分析,通过反演值与实测值之间的平均绝对误差、平均相对误差和相关系数对3种算法反演精度进行了比较,其中YOC算法的平均绝对误差为0.39 mg·m-3,平均相对误差为42.47%,相关系数为0.88,是3种算法中平均绝对误差和平均相对误差最小、相关系数最高的,因此确定YOC算法反演东海叶绿素a浓度是最优的。进而,利用YOC算法从GOCI卫星获取的高时间分辨率水色遥感信息反演了2011-2017年的东海叶绿素a浓度,并分析叶绿素a浓度的昼变化特征,基本上表现为:一日内从08∶30到15∶30,叶绿素a浓度先升高再降低,在10∶30左右达到峰值,此结果与藻类气泡调节浮力机制理论基本吻合。(本文来源于《海洋渔业》期刊2018年03期）
王芮,伍玉梅,杨胜龙,崔雪森,王琳[4]（2017）在《基于GOCI的东海叶绿素a浓度叁种反演算法的对比及其昼变化分析》一文中研究指出叶绿素a浓度是一种表征水体富营养化程度的重要参数,所以叶绿素a浓度已经成为水体水质评价的重要指标,对赤潮、绿潮等的监测预报具有重要意义。本文基于GOCI卫星获取的水色遥感资料,先对L1B数据进行了大气校正等影像预处理,然后利用OC2、OC3G和YOC叁种叶绿素反演算法反演了东海叶绿素a浓度,并用实测资料对叁种反演算法结果进行验证分析,通过反演值与实测值之间的绝对误差、相对误差和相关系数对叁种算法进行了反演精度比较,其中YOC算法的绝对误差为0.39mg/m3,相对误差为42.47%,相关系数为0.88,是叁种算法中绝对误差和相对误差最小、且相关系数最高的,因此确定YOC算法反演东海叶绿素a浓度是最优的。最后,对GOCI卫星获取的高时间分辨率水色遥感信息,我们利用YOC算法反演了2011年5月29日一天8景的东海叶绿素a浓度,分析其叶绿素a浓度的昼变化特征及其成因,一天从8:00到16:00,叶绿素a浓度先升高再降低,在10:00左右达到峰值,此结果与藻类气泡调节浮力机制理论是基本吻合的。(本文来源于《2017年中国水产学会学术年会论文摘要集》期刊2017-11-08）
张雪,郑小慎[5]（2017）在《基于GOCI数据渤海湾叶绿素浓度反演算法的比较（英文）》一文中研究指出渤海湾水体交换能力差,自净能力低,每年都要接纳大量的陆源污染物,叶绿素浓度的遥感估算对研究渤海湾海洋赤潮,监测海洋水体水质有重要作用,选择最佳算法反演叶绿素浓度有利于提高反演的精度。本文使用渤海湾的现场测量数据及GOCI遥感反射率数据,利用荧光线高度法、OC3算法、蓝绿波段比值法和近红-红波段比值法建立叶绿素浓度反演模型,并利用实测数据进行算法验证,通过比较各算法的拟合效果和验证结果,对各算法模型进行了评价。结果显示,不同的反演方法准确性有明显差别,荧光线高度法的拟合和反演效果为最佳,而近红-红波段比值法的反演效果最差,OC3算法与蓝绿波段比值法的拟合和反演效果基本相似。(本文来源于《Marine Science Bulletin》期刊2017年02期）
曾群,张海东,陈晓玲,田礼乔,李文凯[6]（2016）在《MERIS影像水环境遥感大气校正算法评价——以鄱阳湖叶绿素a浓度反演为例》一文中研究指出MERIS是2002年发射的在轨运行近10年的ENVISAT-1卫星上搭载的主要传感器之一,在波段设置和辐射灵敏度等方面有非常突出的优势,能够较好地运用于Ⅱ类水体叶绿素a浓度反演,但Ⅱ类水体的大气校正仍然是亟待解决的一个关键问题.以我国第一大淡水湖——鄱阳湖为研究区域,采用FLAASH、6S、BEAM和QUAC共4种大气校正算法对2005和2011年具有同步实测光谱数据的鄱阳湖ENVISAT-1卫星MERIS影像进行大气校正处理,并对12种叶绿素a浓度反演模型的波段组合因子进行大气校正效果的对比分析.结果表明:(1)4种大气校正中,大气校正结果精度由高到低表现为FLAASH>6S>BEAM>QUAC,平均相对误差分别为31.13%、31.88%、69.48%和42.64%;决定系数(R2)分别为0.60、0.57、0.38和0.24;(2)在12种叶绿素a浓度反演模型的波段组合因子中,FLAASH得到的结果最优,其次是6S,BEAM和QUAC最差,在FLAASH算法中,由665、708和753 nm 3个波段遥感因子((Rrs(510)/[Rrs(443)/Rrs(560)])组成的模型精度最高,平均相对误差为25.12%,R2为0.74.建议采用FLAASH大气校正结果组成这个波段组合进行鄱阳湖叶绿素a浓度反演.(本文来源于《湖泊科学》期刊2016年06期）
熊竹,丁世敏,肖红艳,贺薇[7]（2015）在《水体中叶绿素a浓度遥感反演的算法研究进展》一文中研究指出利用遥感数据定量反演水体中叶绿素a浓度主要有叁种方法:经验方法、半经验方法和分析方法。本文简要介绍了常用的遥感数据,并总结了上述叁种反演方法的基本原理和典型算法,最后指出了以高光谱数据为基础的叶绿素a浓度的遥感定量反演算法是未来发展趋势。(本文来源于《中国西部科技》期刊2015年10期）
黄薇[8]（2012）在《胶州湾叶绿素a浓度遥感产品检验与反演算法研究》一文中研究指出胶州湾是青岛的母亲湾，与青岛市的发展息息相关，然而其水体富营养化程度日趋严重，水质变差，对胶州湾水质实行及时有效的监测日益紧迫。光学遥感技术可对叶绿素a浓度进行大范围、快速、同步的监测及时有效地监测，从而为胶州湾海域水质监测服务。本文对实测叶绿素a浓度数据与MERIS二级产品数据进行了时空匹配，利用所得结果对MERIS二级产品中的叶绿素a浓度产品进行了精度评估，发现其与实测数据间的偏差较大，相关系数R2为0.526，均方根误差RMSE为0.97mg/m3，绝对误差的中值MAE为0.54mg/m~3，平均相对误差为81.9%，相对误差绝对值的中值MARE为64.0%。利用2011年3月、5月、8月和11月获取的胶州湾海域叶绿素a浓度和现场实测光谱数据集，对现有的主流经验和半分析反演算法进行了评估，发现波段比值组合形式的经验反演算法较为适合胶州湾叶绿素a浓度的反演。对主流算法进行优化后发现，OCTS-C算法形式最为简单但反演精度相对较高，R2为0.896，MARE为39.8%；算法形式复杂程度相似时，OC2v4优于其它几种算法，R2和MARE分别为0.970和30.1%。基于37组实测数据建立了针对高光谱、Landsat5TM、Landsat7ETM+、ENVISAT MERIS、SPOT5HRG1/2共6种不同传感器的叶绿素a浓度经验反演算法，R2分别为0.970、0.890、0.986、0.919、0.942和0.942，MARE分别为22.5%、32.8%、37.3%、30.5%、26.2%和27.5%。利用15组独立的实测数据进行了检验，结果发现，算法反演值和实测值的R2均高于0.85，MARE均小于30.5%，满足应用的精度需求。将所建立的算法用于Landsat7ETM+影像，对胶州湾叶绿素a浓度的时空分布进行了分析。(本文来源于《中国海洋大学》期刊2012-04-12）
钱莉[9]（2011）在《渤海海域赤潮监测中叶绿素浓度反演算法的研究》一文中研究指出论文概括了渤海海域的地形环境并对其赤潮发生特点进行分析和阐述,发现渤海赤潮发生呈递增的趋势,尤其是进入21世纪,渤海赤潮主要发生在5-10月份,赤潮灾害明显呈现大面积、长时间、空间分布扩大、优势种类增多的特点。论文分别基于SeaWiFS、MODIS和TM遥感数据,结合渤海现场实测叶绿素浓度进行建模,并选择最优的模型对渤海赤潮发生时叶绿素浓度进行反演,旨在建立适合渤海赤潮监测中叶绿素浓度反演算法,从而为渤海赤潮监测作出贡献,同时基于MODIS和SeaWiFS数据反演的叶绿素浓度,采用距平、滑动平均和离散时间功率谱等统计方法分析其在渤海海域的时空分布特征。应用SeaWiFS1A数据分别用443nm、490nm、510nm波段和555nm波段的遥感反射率做比值,建立模型R2最大为0.789,反演结果平均相对误差为89.8%；应用TM数据的1、2、3、4波段进行各种组合,建立模型R2最大为0.372,反演结果平均相对误差为6.11%；应用MODIS1B1～7波段经过大气校正后的反射率数据,进行波段组合,7波段与4、5波段和值的比值效果最好,建立模型R2最大为0.610,建模组和检验组的相对误差精度为47%和24%。叶绿素浓度分布特征季节变化明显呈现双峰状,高峰期为初春3月份,次高峰为秋季9月份,7月份最低,；年际变化特征为1998和2006年浓度较高；空间分布特征为从近海往外海逐渐递减,低值区出现在渤海海峡和北黄海口附近。最后,用MODIS建立的反演模型对2004～2005年发生在渤海海域的3例大面积赤潮进行反演效果较好。采用直方图最小化法进行大气校正,叶绿素浓度反演值较实测值偏低,因此发展更适合的大气校正方法和较高空间分辨率卫星数据相结合,是未来建立渤海海域赤潮监测叶绿素浓度反演算法的发展趋势。(本文来源于《天津科技大学》期刊2011-03-01）
郑小慎,林培根[10]（2010）在《基于TM数据渤海湾叶绿素浓度反演算法研究》一文中研究指出海洋叶绿素浓度已成为衡量浮游植物的生物量和富营养化程度的最基本的指标.利用2005年4月13日Landsat-5/TM数据和同步实测数据反演了渤海湾叶绿素浓度.对TM数据进行几何校正和大气校正预处理后,建立9种波段组合模型,分别对TM图像进行模型运算.结合实测数据,建立相应的回归方程,在其中选取R2(拟合度)和R(相关性)最大的(tm4-tm3)/(tm4+tm3)波段组合进行反演,并将反演结果与实测数据作相对误差分析,实验结果表明,4和3波段组合建立的回归模型适合于渤海湾叶绿素浓度的反演.(本文来源于《天津科技大学学报》期刊2010年06期）
叶绿素浓度反演算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
以黄河口高浑浊水体为研究对象,利用实测水体高光谱反射数据和叶绿素a浓度数据,建立高浑浊水体叶绿素a浓度反演模型,同时探究太阳耀光反射特性及对不同叶绿素a浓度反演模型的影响。论文主要研究内容与结论如下:利用实测水体高光谱反射数据和叶绿素a浓度数据,建立适用于黄河口高浑浊水体(悬浮物浓度:16~2435 mg/L)的叶绿素a浓度反演模型。结果表明,与波段比值算法、叁波段算法、最大叶绿素指数算法和MODIS OC3算法相比,反射谷深度指数算法表现最好,模型的决定系数R~2为0.59,均方根误差RMSE为3.22μg/L。通过分析各算法优劣,评估了不同叶绿素a浓度反演算法在反演黄河口高浑浊水体上的表现。基于高光谱卫星影像和实测水体高光谱反射数据得到水面耀光反射特性。根据本研究,水面存在耀光,增加了进入传感器的能量;卫星影像上,水面耀光主要与传感器观测角、太阳高度角和方位角、水面波浪和风等因素有关;含耀光水体反射曲线与不含耀光水体反射曲线形状相同,表明耀光不影响水体反射特征;不同区域、不同类型水体耀光反射曲线形状一致,表明耀光对水体组分不敏感,耀光反射曲线为一条直线;卫星影像上,耀光反射占传感器接收总能量的2.11%~98.93%,实测太阳耀光能量最大时,占水体表面反射总能量的96.84%,天空耀光能量最大时,占水体表面反射总能量的96.0%,说明耀光对水体反射影响很大。为探究耀光对叶绿素a浓度反演的影响,将一条真实耀光反射曲线迭加在黄河口不含耀光水体反射之上,评估耀光对不同叶绿素a浓度反演模型的影响。结果显示,耀光对不同叶绿素a浓度反演模型产生的影响不同;耀光强度从10%增加到40%,反射谷深度指数模型反演值平均减小了1.17 mg/L、2.23 mg/L、3.35 mg/L和4.47 mg/L;当耀光强度增大到传感器接收总能量的40%,反射谷深度指数模型的相对误差百分比为93.20%,模型适用性需重新评估。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
叶绿素浓度反演算法论文参考文献
[1].邓实权,田礼乔,李建,陈晓玲,孙兆华.面向GF-5卫星高光谱传感器的浑浊水体叶绿素a浓度反演算法研究——以鄱阳湖为例[J].华中师范大学学报(自然科学版).2018
[2].吴灵灵.高浑浊水体叶绿素a浓度反演算法与太阳耀光影响初探[D].中国科学院大学(中国科学院烟台海岸带研究所).2018
[3].王芮,伍玉梅,杨胜龙,崔雪森,王琳.基于GOCI的东海叶绿素a浓度3种反演算法的对比及其昼变化分析[J].海洋渔业.2018
[4].王芮,伍玉梅,杨胜龙,崔雪森,王琳.基于GOCI的东海叶绿素a浓度叁种反演算法的对比及其昼变化分析[C].2017年中国水产学会学术年会论文摘要集.2017
[5].张雪,郑小慎.基于GOCI数据渤海湾叶绿素浓度反演算法的比较（英文）[J].MarineScienceBulletin.2017
[6].曾群,张海东,陈晓玲,田礼乔,李文凯.MERIS影像水环境遥感大气校正算法评价——以鄱阳湖叶绿素a浓度反演为例[J].湖泊科学.2016
[7].熊竹,丁世敏,肖红艳,贺薇.水体中叶绿素a浓度遥感反演的算法研究进展[J].中国西部科技.2015
[8].黄薇.胶州湾叶绿素a浓度遥感产品检验与反演算法研究[D].中国海洋大学.2012
[9].钱莉.渤海海域赤潮监测中叶绿素浓度反演算法的研究[D].天津科技大学.2011
[10].郑小慎,林培根.基于TM数据渤海湾叶绿素浓度反演算法研究[J].天津科技大学学报.2010
论文知识图
