高光谱遥感提供的精细光谱信息给水色遥感参数反演提供了广阔的前景,然而光谱分辨率高但空间分辨率较低的特点,使得目前的高光谱水色 遥感反演模型和算法普遍缺乏对空间信息的有效利用,模型的精度和稳定性往往难以保证。以巢湖为研究区,利用HJ-1A卫星HSI高光谱遥感 数据,结合地面实测样点数据,在深入分析叶绿素光谱特性基础上构建基于空间八邻域与遗传算法的水体叶绿素a高光谱遥感反演模型, 并以matlab7.0为平台,联合光谱指数与遗传算法求解叶绿素a浓度反演模型参数,经空间邻域分析与遗传迭代,求出叶绿素浓度最优解。 结果表明,遗传算法摒弃了传统的搜索方式,以光谱信息为基础,在邻近空间域上采用模拟进化方式对水色空间进行随机优化搜索, 跳出了局部极值点,能够有效提高模型反演的精度。

水体高光谱中的混合效应问题是水体定量遥感中的难点。 已有研究表明, 仅依赖标量光谱信息难以解决复杂的水体混合光谱问题。 广域水体污染物除光谱信息之外, 还具有明显的空间分布特性。 充分利用其空间维信息, 可以作为遥感光谱维信息的有益补充, 有利于水体复杂光谱的解混。 以巢湖为例, HJ-1A HSI高光谱数据为数据源, 辅以水面光谱测量数据, 在空间地统计学和遗传算法理论基础上, 利用地统计学中的变异函数模拟相邻空间两像元的分布差异, 将邻域像元空间变异函数作为遗传算法目标函数的约束条件, 建立基于协同克里格遗传算法的湖泊水体高光谱反演混合光谱空间信息分解模型, 并对悬浮物浓度反演结果进行检验。 结果显示, 与常规混合光谱分解模型相比, 混合光谱空间信息分解模型对悬浮物浓度的预测值与实测值相关系数为0.82, 均方根误差9.25 mg·L-1, 相关系数提高了8.9%, 均方根误差下降了2.78 mg·L-1, 表明该模型对悬浮物浓度具有较强的预测能力。 该方法将水体的空间信息与光谱信息有效结合, 可以避免水色参数光谱信号弱导致反演结果失真, 同时由于高光谱波段多、 信息量大, 带来信息提取计算量大而复杂等问题, 也为复杂水体混合光谱模型的求解和模型反演精度的提高提供了有效途径。

光进入水体中, 经反射、 散射和吸收后, 出射的偏振光与水体的物理、 化学特性密切相关, 能够反映水体成分浓度的变化, 可以作为高光谱遥感的有益补充, 有利于动态定量监测湖泊复杂水体成分的变化。 研究工作以巢湖为例, 利用水面高光谱偏振多角度测量数据, 在偏振光学理论和生物光学模型的基础上, 建立了湖泊水体叶绿素三波段偏振高光谱半分析模型, 并对模型进行检验。 结果显示, 偏振高光谱三波段组合与叶绿素浓度拟合的相关系数为0.844, 均方根误差5.14 μg·L-1, 平均相对误差31.44%, 比传统的三波段辐射强度模型分别提高了4.1%, 2.05 μg·L-1和5.46%, 表明三波段偏振半分析模型对叶绿素a浓度具有较强的预测能力, 体现出运用偏振高光谱信息监测湖泊水质的优势。

基于离水辐射的湖泊水体遥感通过反演与光谱关系密切的悬浮泥沙、 浮游植物和黄色物质等要素的浓度来实现对水质状况的评估, 然而由于湖泊水体的复杂性以及不同要素间的相互干扰, 现有的基于反射率光谱的分析方法难以准确反演这些要素。 从悬浮泥沙水体离水辐射的反射率、 偏振光谱特性出发, 给出敏感波段处悬浮泥沙浓度与反射率、 偏振度之间的关系, 比对了基于反射率以及基于偏振度的两种反演方法在实验室水体、 巢湖水体中的应用效果。 研究结果表明, 在湖泊复杂水体条件下, 水体的偏振信息具有比反射率更加良好的抗干扰能力, 显示偏振度信息在湖泊水质遥感上存在着重要的应用潜力。

水体中总氮含量是表征湖泊水质的主要指标, 利用遥感技术对其动态定量监测可以及时掌握湖泊污染状况。 文章以巢湖为例, 利用HJ-1A卫星HSI超光谱遥感数据, 通过分析总氮与叶绿素a、 悬浮物的相关性, 采用回归克里格方法建立总氮浓度的定量反演模型, 实现了对巢湖水体总氮浓度的反演。 结果显示, 波段B72, B79和B97的多元线性组合与总氮浓度的相关系数R2为0.76, 而利用多元回归克里格模型, 相关系数R2提高到0.83。 通过使用这种对常规回归模型残差优化的方法, 能有效提高反演的精度, 为建立通用的湖泊总氮浓度定量反演模型提供了有益的探索。