基于软分类的太湖水体叶绿素a浓度遥感反演与时空变化分析

The optical properties of coastal and inland case Ⅱ waters are complicated and vary with regions and seasons, many chlorophyll-a retrieving approaches have strong limitations for specific region and season. Actually, the main factor affecting the applicability of chlorophyll-a retrieving approach is retrieving strategy. Traditional retrieving strategy usually uses one approach for each area and each season. Since the optical properties of water in the same area and season may also vary largely, the traditional strategy has much limitation. Presently there are some retrieving strategies which retrieve chlorophyll-a based on classification, and can improve the applicability of chlorophyll-a retrieving approach. However, theses retrieving strategies use hard-classification method to directly put water into classes. Therefore, the differences of water within one class are ignored, which lead to the limitations of the retrieving approach. Our research studies chlorophyll-a retrieving strategy based on soft-classification (fuzzy-classification), the chlorophyll-a concentrations retrieved by the retrieving approach of each class are weighted averaged by the subordinate degree of each class. This strategy can fundamentally improve the applicability of chlorophyll-a retrieving approach. Our research take the turbid eutrophicate Taihu Lake as the study area, and validate the soft-classification based chlorophyll-a retrieving strategy based on water surface reflectance spectra and satellite images. Then, long time series of chlorophyll-a concentration products of Taihu Lake are produced, and the spatial-temporal distribution rules and their main affecting factors are analyzed.

近岸和内陆Ⅱ类水体光学特性复杂而且变化较大，许多Ⅱ类水体叶绿素a反演方法都具有很强的区域和季节局限性。实际上，影响反演方法适用性的主要是更上一层的反演策略问题。传统的反演策略通常是一个区域和一个季节的水体对应于一种反演模型，但是由于相同区域、相同季节水体的光学特性仍然存在较大变化，导致反演方法适用性不高。目前一些先分类再反演的反演策略能够一定程度上提高反演方法的适用性；但是由于通常采用硬分类方法直接将水体分到一个类别，忽略了同一类别中不同水体的差别，导致反演方法仍然存在很大局限性。本项目首先构建基于软分类（模糊分类）的叶绿素a反演策略，利用水体与每个类别的隶属度对每个类别反演结果进行加权平均，试图从根本上提高反演方法的适用性。然后以太湖为例，分别利用水面光谱和遥感图像对软分类反演策略进行检验。最后基于经过检验的软分类反演策略生产太湖水体叶绿素a时序产品，并分析其时空变化规律及主要影响因素。

内陆水体光学特性复杂而且随区域和季节变化较大，构建具有较强的区域和季节适用性的内陆水体水质参数（尤其是叶绿素a浓度）遥感反演模型一直是一个难点。传统的面向某个水体的水质参数反演模型的适用性一般比较差；一些基于水体光学分类（硬分类）的反演模型可以提高适用性，但是分类界线处的反演结果容易出现不合理的跳变，而且硬分类反演方法忽略了同类水体内的差别，仍然存在较大局限性。本项目构建了基于软分类（模糊分类）的内陆水体叶绿素a浓度反演策略：首先，对研究区水体进行光学分类，并计算每类水体的质心光谱；然后，构建面向每类水体最佳的叶绿素a浓度反演模型；最后，根据水体光谱对于每类质心光谱的隶属度，对每类反演模型的结果进行加权平均处理，得到最终的叶绿素a浓度反演结果。以浑浊富营养化的太湖为研究区，分别利用水面实测反射率光谱和卫星遥感图像（MERIS）对基于软分类的叶绿素a浓度反演模型进行检验，结果证明这种基于软分类的反演模型既可以提高区域和季节适用性，又可以避免在反演结果图像的分类边界处存在不合理的跳变。为了进一步检验基于软分类的叶绿素a浓度反演模型的适用性，将其应用于另一种卫星遥感数据源（OLCI）来反演太湖的叶绿素a浓度，以及应用于MERIS反演另一个研究区（鄱阳湖）的叶绿素a浓度，基于星地同步实测数据进行检验得到了同样较高的反演精度。应用基于软分类的反演模型生产了2003-2011年太湖水体叶绿素a浓度时间序列产品，并分析了其时空变化规律和主要影响因素，进一步说明了基于软分类的反演模型适用于长时序应用。总之，这为今后构建适用于更大范围内陆水体的水质参数遥感反演模型提供了可行的解决方案：首先获取更多类型内陆水体的大量星地同步实测数据，然后优化水体光学分类结果，最后构建适用于每一类水体的最佳反演模型。

内容获取失败，请点击重试