一种大区域湖泊颗粒有机碳的遥感方法

本发明属于遥感，具体涉及一种大区域湖泊颗粒有机碳的遥感方法。

背景技术：

1、湖泊颗粒有机碳(poc)是水体藻类生物光合作用的直接产物，是浮游生物和底栖生物的重要营养来源之一，还是湖泊碳循环的关键组成部分，对调节全球碳循环和区域水环境具有重要研究意义。但受自然和人为综合影响，湖泊间和湖泊内poc浓度都呈现时空变异特征，故非常有必要利用大空间覆盖和周期性重访卫星数据进行湖泊poc遥感动态监测。

2、湖泊poc来源于藻类和沉积物再悬浮，但poc本身不具有光敏感特性，且不同藻类、悬浮物的poc含量和光学特性不同，这给大区域不同类型湖泊poc同步遥感造成了极大困难。当前，已报道的湖泊poc遥感方法有：①光学遥感法，即通过分析反射率、吸收系数和散射系数等推测poc浓度；②遥感模型法，即基于遥感和实测资料构建poc的统计分析或机器学习方法；③遥感指数法，即通过颜色指数、差值指数和比值指数等估算poc浓度；④数据融合法，即将遥感数据和水质数据、地理信息数据等进行融合从而估算poc浓度。但之前关于湖泊poc卫星遥感的研究仅关注单个或几个浅水富营养化湖泊，且大多研究都聚焦于长江中下游湖泊。而不同于浅水富营养湖泊，全球有67％的湖泊水体呈现大水深(≥6.0米)、低藻类生产力和高透明度特征。

3、因此，为更好的感知全球湖泊碳循环，亟需构建能同时适用于浅/深、清/浑和寡营养/富营养湖泊的poc遥感算法。由于不同类型水体的生物光学特性存在明显差异，以往研究表明“先分类再构建算法”是一种开展大区域湖泊叶绿素(chl-a)或总悬浮(tsm)遥感监测的有效思路，该思路也被应用于同步遥感监测混浊富营养湖泊和边缘海水域的poc浓度，但实际应用时，还存在一些技术难题需要解决，包括：

4、(1)湖泊水环境差异导致poc组成不同，需要根据水环境特征参数实现相似poc组成的水体聚类。

5、(2)水色遥感卫星数据只能提供固定波段的遥感反射率，需要由此确定区分清澈/混浊水体的遥感指标和分割阈值以实现poc浓度的高精度遥感。

6、(3)不同类型水体poc光学特性存在明显差异，需要结合卫星数据和poc光学特性构建相应遥感算法。

技术实现思路

1、为实现不同类型湖泊poc浓度的同步遥感监测，本发明基于生物光学同步调查资料，首先构建了一种大区域湖泊颗粒有机碳的遥感方法。

2、为实施上述技术目的，本发明采用如下方案：

3、一种大区域湖泊颗粒有机碳的遥感方法，包括：

4、获取卫星遥感数据并利用实测水体反射率计算其等效反射率；

5、基于等效反射率计算多个湖泊的绿光波段的反射峰高ph1；

6、取ph1值最高的若干湖泊样本和ph1值最低的若干湖泊样本，分别作为浑浊水体样本和清澈水体样本；并对浑浊水体样本和清澈水体样本建立遥感反射率与poc浓度的相关模型；

7、以预设步长遍历所述多个湖泊的ph1值阈范围，确定候选ph1值，以候选ph1值作为分割阈值将湖泊重新划分为浑浊水体样本和清澈水体样本，基于所述相关模型分别计算浑浊水体样本和清澈水体样本的遥感精度，以最高遥感精度对应的ph1值作为最终的水体分类阈值；

8、利用所述水体分类阈值将多个待测湖泊划分为浑浊水体样本和清澈水体样本，并重新率定相关模型的参数，获得最终的poc浓度估算模型。

9、作为一种优选的实施方式，所述卫星遥感数据为olci/sentinel-3a数据。

10、作为一种优选的实施方式，所述绿光波段的反射峰高ph1以490nm和754nm波段的反射率为基线计算，可以在一定程度上削弱大气校正误差的影响。

11、进一步的，所述绿光波段的反射峰高ph1基于下式计算：

12、ph1＝rrs(560)-(rrs(490)+0.27×(rrs(754)-rrs(490)))

13、式中：rrs(λ)为λ波长处遥感反射率。

14、作为一种优选的实施方式，取ph1值最高的10％湖泊样本和ph1值最低的10％湖泊样本，分别作为浑浊水体样本和清澈水体样本。

15、作为一种优选的实施方式，对于浑浊水体样本和清澈水体样本，分别基于单波段遥感反射率、遥感反射率波段组合建立与poc浓度的不同数学形式的相关模型，选取相关性最高的模型作为对应水体样本的poc估算模型。

16、作为一种优选的实施方式，对于浑浊水体样本，建立poc浓度与红光波段chl-a荧光峰高的一元二次相关模型；

17、对于清澈水体样本，建立对数poc浓度与近红外-蓝绿光波段比指数的线性相关模型。

18、作为一种优选的实施方式，以681nm和754nm波段的反射率为基线计算红光波段chl-a荧光峰高，可以在一定程度上削弱大气校正误差的影响。

19、作为一种优选的实施方式，近红外-蓝绿光波段比指数index和红光波段chl-a荧光峰高ph2分别基于下式计算：

20、index＝rrs(754)/rrs(490)-rrs(754)/rrs(560)

21、ph2＝rrs(708)-(rrs(681)+0.37×(rrs(754)-rrs(681)))

22、式中，rrs(λ)为λ波长处遥感反射率。

23、作为一种优选的实施方式，基于平均绝对百分比误差、均方根误差和/或相对偏差指标评价遥感精度。

24、作为一种优选的实施方式，还包括：利用遥感数据和最终的poc浓度估算模型估算不同天的湖泊poc，之后进行月平均和湖泊平均poc浓度计算，从而得到大区域湖泊的poc浓度遥感分布图。

25、本发明通过综合分析实测资料发现高浓度poc水体通常更加混浊，基于此本发明提出可以先将湖泊水体分为清澈型和混浊型，然后再对两种类型水体分别构建poc遥感算法，解决poc算法构建前的水体分类问题。针对水体类型分类指标和分割阈值的问题，本发明提出了一种绿光波段的反射峰高指数，并基于该指数进行清澈/混浊湖泊水体类型划分，并通过逐步查找法确定最优分割阈值。针对不同类型水体poc遥感算法构建的问题，本发明通过综合分析两种类型水体的光谱特征，构建了一种波段比值指数以反演清澈水体的poc浓度，并利用708nm波段的chl-a荧光峰高反演混浊水体的poc浓度。

26、与现有技术相比，本发明的有益效果有：

27、①本发明先根据poc生物光学特性划分水体类型再分别构建遥感算法，可适用于大区域不同类型湖泊poc同步遥感；

28、②所构建算法使用波段比值和反射率峰高进行水体类型划分和poc浓度估算，能在一定程度上削弱大气校正误差的影响；

29、③算法精度高于已发表的其他遥感算法，将构建的算法应用于olci/sentinel-3a卫星数据首次实现了全国湖泊(≥20m2)poc浓度遥感制图。

技术特征：

1.一种大区域湖泊颗粒有机碳的遥感方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述卫星遥感数据为olci/sentinel-3a数据。

3.根据权利要求2所述的方法，其特征在于，所述绿光波段的反射峰高ph1以490nm和754nm波段的反射率为基线计算。

4.根据权利要求3所述的方法，其特征在于，所述绿光波段的反射峰高ph1基于下式计算：

5.根据权利要求1所述的方法，其特征在于，取ph1值最高的10％湖泊样本和ph1值最低的10％湖泊样本，分别作为浑浊水体样本和清澈水体样本。

6.根据权利要求1所述的方法，其特征在于，对于浑浊水体样本和清澈水体样本，分别基于单波段遥感反射率、遥感反射率波段组合建立与poc浓度的不同数学形式的相关模型，选取相关性最高的模型作为对应水体样本的poc估算模型。

7.根据权利要求1或6所述的方法，其特征在于，对于浑浊水体样本，建立poc浓度与红光波段chl-a荧光峰高的一元二次相关模型；

8.根据权利要求7所述的方法，其特征在于，以681nm和754nm波段的反射率为基线计算红光波段chl-a荧光峰高。

9.根据权利要求8所述的方法，其特征在于，近红外-蓝绿光波段比指数index和红光波段chl-a荧光峰高ph2分别基于下式计算：

10.根据权利要求1所述的方法，其特征在于，还包括：利用遥感数据和最终的poc浓度估算模型估算不同天的湖泊poc，之后进行月平均和湖泊平均poc浓度计算，从而得到大区域湖泊的poc浓度遥感分布图。

技术总结
本发明涉及一种大区域湖泊颗粒有机碳的遥感方法，包括：获取卫星遥感数据并计算其等效反射率；基于等效反射率计算多个湖泊的绿光波段的反射峰高PH<subgt;1</subgt;；分别取PH<subgt;1</subgt;值最高和最低的若干湖泊样本，作为浑浊水体样本和清澈水体样本；并对浑浊水体样本和清澈水体样本建立遥感反射率与POC浓度的相关模型；以预设步长遍历所述多个湖泊的PH<subgt;1</subgt;值阈范围，利用多个分割阈值将湖泊重新划分并估算POC浓度，计算遥感精度，以最高遥感精度对应的PH<subgt;1</subgt;值作为最终的水体分类阈值；利用所述水体分类阈值将多个待测湖泊划分为浑浊水体样本和清澈水体样本，并重新率定相关模型的参数，获得最终的POC浓度估算模型。本发明的方法可实现大区域不同类型湖泊POC同步遥感。

技术研发人员：刘东,魏小岛,刘丰,段洪涛
受保护的技术使用者：中国科学院南京地理与湖泊研究所
技术研发日：
技术公布日：2024/1/15