专利名称：基于分段协同模型的内陆水体叶绿素a浓度遥感监测方法
技术领域：
属于环境监测领域，特别是内陆水体叶绿素a浓度的遥感监测技术领域。
背景技术：
内陆水体叶绿素浓度a的遥感反演方法(物理方法、经验方法和半经验方法)，可以归纳
为两类 一类是基于水体光学辐射传输理论的物理模型，如物理方法，另一类是基于相关性
计算的统计模型，包括经验方法和半经验方法。
物理方法是以辐射传输理论为核心，计算上、下行辐射与水体中光学活性物质的吸收和 后向散射定量关系为基础，利用遥感光谱反演水体叶绿素浓度。优点是能够定量解释水体光 学辐射传输物理过程，并可定量分析和改善反演精度。在实际的业务化监测工作中，由于物 理方法涉及的技术环节繁多复杂，不仅输入参数要求苛刻，数据源难以保障。由于对辐射传
输过程理解不够准确和深入，在绝大多数情况下，叶绿素a参数反演精度不高，适用性和实 用性有很大局限性。
统计模型，是内陆水体叶绿素a浓度的遥感反演方法中最经典、最常用的方法，也就是 称为Gordon方法的统计相关算法。主要是根据遥感光谱反射率和实测叶绿素a浓度数据的相 关性，建立叶绿素a遥感反演模型和算法，定量反演叶绿素a浓度。这种利用统计相关分析 建立水质遥感反演模型的方法，具有操作简单，大部分样点的验证精度较高的优点。但是由 于统计模型的建立主要取决于统计样本的数据分布特征，往往更多地代表了对统计模型统计 权重贡献大的样本的数据特征。在反演统计权重贡献小的叶绿素a浓度时，误差很大，严重 影响叶绿素a模型的反演精度。
因此，我们研制了一种基于分段协同模型的内陆水体叶绿素浓度遥感监测方法，提高了 叶绿素a的遥感监测精度。分段协同模型是综合利用了物理模型和统计模型优点的浓度分段 反演模型，即利用了叶绿素a固有光学特性的物理性质，也能吸取统计方法简便、精度高的优点。
发明内容
本发明针对叶绿素a浓度的遥感监测技术中的缺陷和不足，提供一种能够兼具叶绿素a 水体光学物理机制能够定量理论分析的优点和统计相关模型计算简单、精度高的优点。
本发明技术方案如下
基于分段协同模型的内陆水体叶绿素浓度遥感监测方法，其特征在于包括如下四个单元-阈值确定单元、分段协同模型单元、模型联结单元以及模型计算单元。由上述四个单元共同 组成的技术方法，可有效提高遥感数据对于叶绿素的反演精度。
所述阈值确定单元主要包括利用水体组分固有光学特性数据和实测光谱数据、卫星遥感 光谱模拟水体组分光谱，通过测定的浮游藻类叶绿素a的吸收特性，厘定叶绿素a吸收和后 向散射随波长和浓度变化的规律，并确定吸收特性随浓度变化的跃迁和突变位置及其在光谱 反射率的光谱响应规律，确定光学特性突变的位置和光谱反射率指标，确定浓度及其对应的 反射率阈值。
所述分段协同模型单元主要包括，根据阈值单元确定的定量指标，利用光谱反射率和叶 绿素a浓度值建立不同的叶绿素a浓度反演模型，并进行模型验证和算法优化。确定不同浓 度段的反演精度和算法计算效率。
所述模型联结单元主要包括，对分段协同模型单元给定的两个或者两个以上的叶绿素a 计算模型，通过建立联结算法，将多个模型联结成为一个连续的计算模型。
所述模型计算单元为利用建立的连续模型，对输入的遥感数据，进行模型应用，计算并 得到空间上的叶绿素浓度数值。
与现有技术相比，本发明具有如下特点
1.确定了水体叶绿素a光学吸收特性随浓度变异的定量特征，确定了光谱对不同叶绿素 浓度的光谱响应特征，确定了确定不同浓度叶绿素的遥感指示指标和阈值，为定量遥感叶绿素浓度提供了依据。
2. 兼具物理模型分析方法和统计方法的优点，提高了叶绿素a监测精度。利用物理方法 确定阈值，使得定量分析模型和改善精度有了物理依据；采用分段统计方法，建立叶 绿素反演模型，厘定了叶绿素a浓度对统计模型的权重贡献，方法简单、精度改善。
3. 不同区域采用不同反演模型，容易造成浓度空间差异现象，使得连续光谱变化出现不 连续的浓度数值，采用浓度分段模型联结算法，解决了反演模型不同造成的浓度差异 和空间错位现象。
图1是基于分段协同模型的内陆水体叶绿素浓度遥感监测方法的技术流程图。
具体实施例方式
本发明利用卫星遥感数据监测内陆水体叶绿素a浓度的技术流程图如图l所示。禾U用本 方法，进行基于卫星遥感数据的内陆水体叶绿素a浓度监测的技术流程如下
① 确定阈值
利用叶绿素a的水体光学物理机制，深入分析和确定叶绿素a光学吸收特性随浓度变异 的定量特征，确定遥感光谱的分段参照指标和指标阈值，建立判别准则，确定光谱反射率的 分段模型阈值。
② 建立分段模型
利用统计理论方法，在浓度渐变的指导原则下，建立不同光谱反射率的分浓度区间反演 模型和算法。
③ 进行模型联结
分段反演，在连续光谱区间，必然产生浓度区间端点浓度数值的错位现象，利用联结算 法将分段浓度模型联结成一个连续的叶绿素a浓度反演模型。
④ 反演浓度
利用建立的遥感反演模型，对遥感光谱数据进行处理和计算，得到反演的叶绿素浓度。
权利要求
1、一种基于分段协同模型的水体叶绿素a浓度遥感监测方法，其特征在于该方法包括如下单元阈值确定单元、分段协同模型单元、模型联结单元以及模型计算单元四个单元，由上述四个单元共同组成的技术方法，可有效提高遥感数据对于叶绿素a反演精度；所述阈值确定单元主要包括利用水体组分固有光学特性数据和实测光谱数据、卫星遥感光谱模拟水体组分光谱，通过测定的浮游藻类叶绿素a的吸收特性，厘定叶绿素a吸收和后向散射随波长和浓度变化的规律，并确定吸收特性随浓度变化的跃迁和突变位置及其在光谱反射率的光谱响应规律，确定光学特性突变的位置和光谱反射率指标，确定浓度及其对应的反射率阈值；所述分段协同模型单元主要包括，根据阈值单元确定的定量指标，利用光谱反射率和叶绿素a浓度值建立不同的叶绿素a浓度反演模型，并进行模型验证和算法优化，确定不同浓度段的反演精度和算法计算效率；所述模型联结单元主要包括，对分段协同模型单元给定的两个或者两个以上的叶绿素a计算模型，通过建立联结算法，将多个模型联结成为一个连续的计算模型，所述模型计算单元为利用建立的连续模型，对输入的遥感数据，进行模型应用，计算并得到空间上的叶绿素浓度数值。
全文摘要
本发明针对叶绿素a浓度的遥感监测技术中的缺陷和不足，提供一种能够兼具叶绿素a水体光学物理机制能够定量理论分析的优点和统计相关模型计算简单、精度高的优点。其特征在于该方法包括如下单元阈值确定单元、分段协同模型单元、模型联结单元以及模型计算单元四个单元，由上述四个单元共同组成的技术方法，可有效提高遥感数据对于叶绿素a反演精度。
文档编号G01N21/31GK101477036SQ200910000450
公开日2009年7月8日 申请日期2009年1月13日 优先权日2009年1月13日
发明者艺 周, 聪 杜, 王世新, 王丽涛, 阎福礼 申请人:中国科学院遥感应用研究所