0
关键词：
叶绿素,高光谱,光谱吸收特征参数,光谱吸收指数,小球藻,聚球藻
发表时间：
2013-11-07 09:03:30
基于高光谱吸收特征参数以及光谱吸收指数的藻类叶绿素a反演分离模型研究
郭晓能 | -> | 420| 0| 1.517162MB |叶绿素,高光谱,光谱吸收特征参数,光谱吸收指数,小球藻,聚球藻
摘要：利用ASD 地物光谱仪对不同浓度下小球藻、聚球藻及其混合藻的反射光谱进行测量，得到3 组藻类在不同叶绿素a（Chla）浓度下的反射光谱，同时进行了Chl-a 浓度测量。利用Matlab 软件神经网络模型中的径向基函数对得到的高光谱数据进行高光谱曲线拟合，在拟合结果基础上，提取小球藻在652 nm 处、聚球藻在609 nm 处以及混合藻在652 nm 和609 nm 处的光谱吸收指数（Spectral Absorption Feature Parameter，SAFP）建立了两种单一藻类的定量模型，单一小球藻Chl-a 最优定量模型为吸收峰深度模型Chl-a=10.059e713.97H，聚球藻的Chl-a 最优定量模型为吸收峰斜率模型Chl-a=3×1012K2+1×107K+56.555。并在对两种单一藻类的定量模型研究基础上用光谱吸收指数对该两种藻的混合藻进行了Chl-a 浓度分离。通过对比模型计算结果的均方根误差（Root Mean Square Error，RMSE），除吸收峰对称度模型分离结果不太理想外，吸收峰深度分离模型、吸收峰斜率分离模型、吸收峰光谱吸收指数（SAI）分离模型的分离结果都很好，分离效果最好的为SAI 分离模型。
高光谱分辨率遥感是指利用很多很窄的电磁波波段从感兴趣的物体获取有关数据，包括成像光谱和非成像光谱两类[1]。高光谱技术已被应用到如内陆湖泊叶绿素（Chl-a）检测[2-3]，湖泊、河口富营养化评价[4]，赤潮爆发预警[5]等水生生物监测中。地物光谱曲线反映了地物的吸收和反射特征，不同的地物通常有着不同的光谱波形特征。因此，从光谱曲线中提取的光谱吸收特征参数可以用来对地物进行识别和分类。现有研究中光谱特征参数和光谱吸收指数等的应用多见于矿物填图与识别的遥感应用中。Meer 等[6]通过研究美国Cuprite 矿区的AVIRIS 遥感数据发现，吸收峰
的位置、深度与矿物的化学成分有着很强的相关性，研究区域的吸收特征参数分布图能够增强遥感数据对表面物质的组成分布的分析能力。王晋年等[7]利用光谱吸收指数（SAI）对哈图金矿区的FIMS 图像、澳大利亚Rum Jungle 铀矿区的MAIS 航空图像、塔里木盆地阿克苏西部的GERIS 图像的分析表明，利用SAI可以从成像光谱图像中有效提取光谱吸收特征信息，进行矿物识别与填图。阮伟利等[8]利用波深中心归一化和波深面积归一化的光谱形式，利用统计分析的方法，分析了叶片叶绿素与其光谱特征特征的统计关系。而光谱特征参数在水体藻类叶绿素a 浓度反演中尚未见
到应用，本研究在此方面开展尝试性研究工作。
的位置、深度与矿物的化学成分有着很强的相关性，研究区域的吸收特征参数分布图能够增强遥感数据对表面物质的组成分布的分析能力。王晋年等[7]利用光谱吸收指数（SAI）对哈图金矿区的FIMS 图像、澳大利亚Rum Jungle 铀矿区的MAIS 航空图像、塔里木盆地阿克苏西部的GERIS 图像的分析表明，利用SAI可以从成像光谱图像中有效提取光谱吸收特征信息，进行矿物识别与填图。阮伟利等[8]利用波深中心归一化和波深面积归一化的光谱形式，利用统计分析的方法，分析了叶片叶绿素与其光谱特征特征的统计关系。而光谱特征参数在水体藻类叶绿素a 浓度反演中尚未见
到应用，本研究在此方面开展尝试性研究工作。
郭晓能发布的其他共享资料
-
-
关键词： Box-Jenkins方法,时间序列分析,乘积季节模型,水质预测,黄河流域 发表时间： 2013-11-07 09:02:09
-
关键词： 铜尾矿,基质改良,豆科植物,生态恢复 发表时间： 2013-11-07 09:01:02
-
关键词： 缓释复合肥,酸性菜园土壤,微生物 发表时间： 2013-11-07 08:59:48
-
关键词： 有机碳,分布,沉积物,湖泊 发表时间： 2013-11-07 08:58:16
-
关键词： 含砷鸡粪,砷富集,青菜,番茄,洛克沙生 发表时间： 2013-11-07 08:44:26