渤海海域赤潮监测中叶绿素浓度反演算法的研究

论文摘要

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。

论文目录

• 摘要
• ABSTRACT
• 1 前言
• 1.1 选题背景
• 1.2 选题依据及研究现状
• 1.2.1 理论和应用方面的意义
• 1.2.2 国内外研究现状
• 1.2.3 发展趋势
• 1.3 研究方法和技术路线
• 1.4 本文的主要研究工作及意义
• 1.4.1 研究内容
• 1.4.2 研究意义
• 1.4.3 本文框架
• 2 赤潮遥感监测理论基础
• 2.1 赤潮遥感监测与海洋水色关系
• 2.2 海洋水色遥感发展概述
• 2.2.1 海洋遥感的发展
• 2.2.2 国外的海洋水色遥感发展
• 2.2.3 中国的海洋水色遥感发展
• 2.2.4 海洋水色数据的应用
• 2.3 水色遥感基础
• 2.3.1 水色遥感机理
• 2.3.2 离水辐亮度
• 2.3.3 遥感反射率
• 2.4 本章小结
• 3 渤海海域概况和赤潮特征
• 3.1 渤海海域概况
• 3.2 赤潮概况
• 3.2.1 赤潮发生历史
• 3.2.2 赤潮的发展阶段及其主要的影响因素
• 3.3 渤海的赤潮特征
• 3.3.1 渤海赤潮发生事件概况
• 3.3.2 渤海赤潮发生特点
• 3.4 本章小结
• 4 渤海赤潮监测叶绿素浓度反演算法研究
• 4.1 海水水体类型
• 4.1.1 一类水体和二类水体
• 4.1.2 二类水体的光学特性
• 4.2 水体叶绿素浓度反演常用算法
• 4.2.1 生物-光学算法
• 4.2.2 解析算法
• 4.2.3 荧光高度法
• 4.3 基于SeaWiFS数据渤海叶绿素反演
• 4.3.1 SeaWiFS传感器
• 4.3.2 反演实验数据来源及步骤
• 4.3.3 实验结果及分析
• 4.3.4 基于SeaWiFS数据叶绿素浓度分布特征
• 4.3.5 本节结论
• 4.4 基于MODIS数据渤海叶绿素反演
• 4.4.1 MODIS传感器
• 4.4.2 反演实验数据来源及预处理
• 4.4.3 MODIS反演算法相关性分析及结果
• 4.4.4 建立模型及检验
• 4.4.5 基于MODIS数据叶绿素浓度分布特征
• 4.4.6 模型监测渤海赤潮灾害
• 4.4.7 本节结论
• 4.5 基于TM数据渤海叶绿素反演
• 4.5.1 TM数据
• 4.5.2 数据来源及预处理
• 4.5.3 波段组合
• 4.5.4 模型建立
• 4.5.5 误差分析
• 4.6 本章小结
• 5 结论与展望
• 5.1 结论
• 5.2 展望
• 6 参考文献
• 7 攻读硕士学位期间发表论文情况
• 8 致谢
• 附录