叶绿素浓度

摘要： 本文基于GeoEye-1影像研究了自适应浅海水深反演方法在甘泉岛附近浅海区域的适用性。GeoEye-1遥感影像经预处理后,通过反射率计算叶绿素浓度进而确定出对数比值模型的参数进行建模,实现无实测数据的多光谱水深反演,并通过实测数据对反演结果进行验证。结果表明:利用自适应水深反演方法对甘泉岛附近浅海区域水深反演精度较高,即相关系数R=0.95,均方根误差(RMSE)为1.56 m;在不同水深段反演精度不同,其中在5~10 m段(R^(2)=0.70,RMSE为1.53 m)和10~15 m段(R^(2)=0.52,RMSE为1.35 m)反演效果最优。

摘要： 鲐鱼(Scomber japonicus)是西北太平洋的重要捕捞对象,其分布易受环境变化的影响.为定量分析海表温度和叶绿素浓度等影响因子对渔场分布的作用,文章采用产量重心、地统计插值和广义加性模型等方法,结合2017年西北太平洋2艘灯光敷网渔船的渔捞日志和海洋环境数据,探究该海域的渔场分布变化.研究结果表明:鲐鱼产量和单位捕捞努力量渔获量(CPUE)呈先上升后下降的趋势,其中7月的产量最高,9月的CPUE最高;产量重心于4-9月由SW方向向NE方向移动,并于9-12月返回SW方向;鲐鱼渔场的最适海表温度为14°C～16°C,最适叶绿素a浓度为0.4～1.0 mg/m3;叶绿素a浓度对渔场分布无显著影响,可能与鲐鱼摄食对象的特性有关.

摘要： 研究了基于氮肥效应的冬小麦不同生育期的叶绿素浓度,探讨了XG-Boost算法在冬小麦叶绿素浓度估算中的适用性.利用该算法构建了冬小麦叶绿素浓度的高光谱估算模型,并将其与偏最小二乘法(Partial Least Squares,PLS)以及人工神经网络(Neural Network,NN)算法进行了对比.结果 表明:(1)冬小麦的叶绿素浓度随着氮肥用量的增加而逐渐升高.(2)基于一阶微分光谱(Firstorder Differential Reflectance,FDR)数据集的估算模型表现最好.通过对比建模数据集与验证数据集的决定系数R2和相对分析误差(Residual Predictive Derivation,RPD)发现,XGBoost算法的效果最佳.(3)通过波段重要性分析发现,XGBoost算法的8个重要波段均在738～753 nm范围内.与8个常用的红边指数相比,通过XGBoost算法筛选到的8个一阶微分光谱波段对叶绿素浓度的准确估算起到了更加重要的作用.该算法可以作为一种有效的高光谱信息挖掘手段来估算冬小麦的叶绿素浓度.

摘要： 叶绿素浓度是海洋初级生产力的重要指标之一,激光诱导荧光技术可以实现海水叶绿素浓度的快速测量.测量叶绿素浓度的传统激光诱导荧光原理,是利用叶绿素荧光与水体Raman散射的强度比值(IF/R)进行反演,即叶绿素浓度nchl=CIF/R,其中C为系统常量.这是依据叶绿素荧光685 nm、水体Raman散射强度都与激发光强呈线性关系.然而,该理论并没有考虑诱导荧光饱和现象的存在.当诱导激光强度达到一定程度后,685 nm荧光强度随激发光强非线性变化.另外,值得注意的是,水体Raman散射并不存在信号饱和现象.为了探讨饱和激发造成荧光非线性变化的影响,在激光诱导荧光技术测量叶绿素浓度的实验中,设计两种测量方案,即:不同激光功率诱导单一浓度样本的荧光测量,和固定激光功率时不同浓度样本的荧光测量.实验中利用Nd∶YAG三倍频激光355 nm激发获得叶绿素溶液的404 nm处Raman散射和685 nm荧光.实验结果分为2部分进行讨论:(1)为了分析饱和激发造成荧光变化的非线性特性,通过调节激发光功率测量溶液的受激发射光谱,发现水体Raman散射强度与激发光强呈线性关系,而685 nm荧光强度出现饱和激发下的非线性变化.而且,随叶绿素浓度的增加,685 nm荧光的非线性趋势更为明显,Raman散射强度与激发光强的线性关系中斜率变小.数据分析表明,685 nm荧光数据拟合的4阶多项式和Raman散射效率值,可以定性地表征685 nm荧光的饱和程度.(2)考虑实际海洋激光雷达探测叶绿素浓度应用中存在饱和激发荧光非线性现象,为了分析荧光非线性对传统叶绿素浓度反演理论适用性的影响,在固定激发光强情况下对不同浓度叶绿素溶液的发射光谱进行测量.将激发光功率调节至52.00,80.70,132.10和197.30mW· cm-2,获取相应激发光强下685 nm荧光与水体Raman散射的强度比值和叶绿素浓度之间的关系.实验表明,激发光强不变的情况下,685 nm荧光与水体Raman散射的强度比值,与叶绿素浓度仍满足线性关系.但是,在较高光强激发时,饱和激发造成的叶绿素荧光非线性变化,导致利用传统激光诱导荧光理论反演的叶绿素浓度值偏小.因此,需要对饱和激发下荧光非线性的影响进行修正,其关系为IF/R=nchl/C+CF,修正值CF不可忽略.另外,值得一提的是,修正关系中系统常量C随激发光强增加而增大.研究表明,饱和激发造成的荧光非线性,会对激光诱导荧光技术测量叶绿素浓度产生影响,但由于造成荧光非线性因素的复杂性,仅通过荧光数据拟合获得的多项式,无法定量说明其影响权重.然而,当激发光强不变时,可以实验测量获得基于激光诱导荧光原理的修正关系,从而准确反演叶绿素浓度.

摘要： 叶绿素浓度是反映海水营养状况的重要参数,光谱漫射衰减系数是反映水中表观光学特性的参数,且这两个参数之间关系密切.光谱漫射衰减系数的垂直分布反映了垂直方向的光衰减特性,对水下激光通信的信道特性研究具有重要意义.本文根据现有的MODIS(Moderate-Resolution Imaging Spectroradiometer)数据建立的叶绿素浓度垂直分布模型和单参数(叶绿素浓度)的光谱漫射衰减系数模型,提出了一种新的垂直方向的衰减模型,并建立了位于第二岛链日本附近海域的漫射衰减系数垂直分布.该分布与实际测量的关于叶绿素浓度垂直分布的Argo(Array for Real-time Geostrophic Oceanography)数据并结合单参数的光谱漫射衰减系数模型所建立的漫射衰减系数垂直分布进行比较,其结果大致相同,验证了该模型的可行性.此外还对不同叶绿素浓度下的漫射衰减系数光谱进行了分析,结果表明浑浊海域采用绿色波段和清澈海域采用蓝色波段得到的衰减系数值最小.对比Argo数据,MODIS数据实时性更高且较容易获得,因此本文提出的垂直分布的衰减模型应用更方便.

摘要： 由于渤海湾水质光学性质复杂,使用传统线性叶绿素浓度反演方法进行反演时的精度不高.为提高渤海湾叶绿素浓度的反演精度,利用2012年4月渤海湾的表层叶绿素浓度实测数据和GOCI同步遥感反射率数据,建立了渤海湾叶绿素浓度反演的BP神经网络模型,并与GOCI的3种叶绿素浓度业务算法(OC2算法、OC3G算法和YOC算法)进行比较.结果表明,在渤海湾GOCI 3种业务算法的标准误差均大于1,决定系数均小于20％;BP神经网络算法的标准误差为0.615 4,决定系数为89.98％且反演的叶绿素浓度分布与实测值的分布趋势一致,反演的精度高于GOCI传统业务算法.因此该BP神经网络模型可用于反演春季渤海湾表层叶绿素浓度,且反演精度比GOCI业务反演算法精度高.

摘要： 基于2014—2015年MODIS数据分析了渤海表层水体叶绿素浓度的时空特征,并对赤潮进行了遥感监测.结果表明,5—10月,渤海表层叶绿素浓度总体较高,其中在5月份达到峰值;空间上,叶绿素浓度由近岸向渤海中部递减,其中秦皇岛附近海域、莱州湾、渤海湾、辽东湾叶绿素浓度相对较高.基于16 mg/m3的叶绿素浓度阈值和ERGB影像,成功提取了渤海赤潮信息.秦皇岛附近海域是渤海赤潮的频发区和重灾区,赤潮发生于5月份,其分布范围在5月下旬达到最大.渤海赤潮分布与底部两个低氧区位置吻合,说明赤潮爆发可能对低氧区的形成和发展起重要作用.

摘要： 根据太湖的实测水质参数以及同步光谱数据,结合水色遥感传感器MODIS、MERIS、GOCI及中国自主发射的HJ-1号卫星CCD传感器波段参数,基于差值模型、比值模型、三波段模型、APPEL模型,分别建立太湖水体叶绿素浓度反演模型,并分析模型的适宜性.结果显示,不同传感器APPEL模型的决定系数都在0.8以上,模型相对误差最大值为26％,最小值为18％.均方根误差最大值为37％,最小值为24％.模型外推验证表明,APPEL模型外推的稳定性较强,适合于不同传感器的太湖水体叶绿素浓度的反演,其次为三波段模型.

摘要： 本文论述了生物碳对肥料利用率、植物的养分摄取量、叶绿素浓度、产量和抗盐性的影响。经研究表明：碳能增强养分摄取和作物抗逆性像锌的摄取和抗盐性，提高了产量和品质并以玉米为证。碳能尤其可以提高颗粒和液体肥料的利用率，降低损失。目前正在进行的几项综合研究结果，碳能提高了产量和品质；更像植物生长调节剂。无疑碳能将在可持续农业发展中起到较大的作用。

摘要： 本文首先介绍了神经网络算法和叶绿素荧光算法的基本理论，然后利用这两种方法处理海洋遥感数据，反演渤海海域叶绿素浓度，并将反演结果同实测海洋叶绿素浓度进行比较。神经网络算法无法从云层覆盖区获得叶绿素浓度，而荧光算法则可以突破云层的干扰获得接近实际值的叶绿素浓度。

摘要： 通过MODIS卫星遥感数据,本文提取了鄂霍次克海2005-2009年叶绿素含量的时空分布并分析季节性海冰覆盖对其的影响.结果显示,有海冰覆盖的大陆架边缘叶绿素含量明显高于其他区域,随着海冰融化,叶绿素含量逐渐增加,最大值一般出现在5～6月,当融化的海冰面积达到最大面积的88％时,发生春季首次爆发.从叶绿素的空间分布及时间变化可看出,海冰是影响叶绿素含量春季变化的关键因素.

摘要： 本研究使用2006年至2009年，共计4年的日本气象厅(Japan Meteorological Agency ,JMA)最佳路径资料配合卫星微波频道(TRMM Microwave Image ,TMI)的海水表面温度(Sea Surface Temperature ,SST)的资料以及中尺度成像光谱仪(Moderate-resolution Imaging Spectroradiometer , MODIS)的叶绿素(Chlorophyll)资料来观察，台风来临前以及台风过後SST及叶绿素的变化情形。结果显示，如果台风强度越强，风速越快，海表面温SST下降量也会增加。且若台风急转弯，则SST最大温降有增加的趋势。台风对SST的影响短则1个星期内，长则2个星期以上才会回复到背景值。台风的强度对於叶绿素浓度较无明显的影响。且台风若停滞不前，则叶绿素浓度要回复到背景值的时间会增加。影响时间至少需8天才能回复到背景值，至多则要1个月以上之久。台风路径较靠近陆地时，叶绿素浓度会大幅提升且变化也较为剧烈。其原因可能与河川注入，或者是陆棚的底部营养盐受到台风的搅动，而影响浮游植物的成长。

摘要： 本研究使用MODIS之气胶光学厚度、叶绿素甲浓度和海表面温度资料,探讨南海海域叶绿素受气胶影响之变化.以月变异量资料探讨叶绿素及气胶变化情况,在排除海水涌升之影响的条件下,当气胶出现异常高值时,叶绿素浓度也出现异常高值的情况最多,这现象主要发生于12月、1月和2月.研究结果也发现,在东北季风时期,叶绿素与气胶高正相关(R＞0.5)现象遍布南海;而在西南季风时期,其相关性良好(R＞0.5)之区域在南海南部较明显,但分布范围零散.显示在南海海域,气胶的含量与叶绿素的成长存在着相当程度的正相关.

摘要： 基于2006年6月至8月和2006年12月至2007年2月的MODIS数据,分析北部湾夏季和冬季的海表温度、叶绿素及浊度的时空分布特征,并引入叶绿素与浊度的比值探讨浊度的控制因素,揭示径流、环流、风场和地形对北部湾上层水体环境要素的调控机制.夏季北部湾海表温度分布较为均匀,叶绿素浓度和浊度值沿岸带较高,外海较低.沿岸流海域浊度的主要影响因子是陆源输出物质和再悬浮沉积物,上升流海域则是浮游植物影响为主.冬季湾北沿岸流海域SST明显较低,海南岛西侧及中央海域存在一暖水舌,强化的混合作用导致叶绿素和浊度均明显高于夏季,再悬浮沉积物的影响也高于夏季.夏季发育跨中央海域的东向物质输送通道,冬季则发育西向物质输送通道.

摘要： 采集连云港近海海域漂浮浒苔进行浒苔藻体反射光谱测试，并进行光谱特征分析。结果表明漂浮浒苔在实验室自然条件这种不可控生长环境下仅存活5 d，水环境要素溶解氧DO和pH先下降后上升;氧化还原电位和温度呈现先上升后下降又上升。不同状态的浒苔藻体中叶绿素a浓度、叶绿素b浓度以及叶绿素总浓度变化规律不一致;死亡浒苔藻体不具有明显的峰谷反射特征;随着浒苔藻体的逐渐死亡，红边位置向长波方向移动，最大达24nm;浒苔藻体反射光谱和导数光谱与鲜重、叶绿素a浓度和叶绿素b浓度在可见光和近红外波段范围都存在一定程度的显著相关性。该研究为构建浒苔全生命周期光谱库、实时监测浒苔提供了基础数据，具有重要的应用价值。

摘要： 采集连云港近海海域漂浮浒苔进行浒苔藻体反射光谱测试，并进行光谱特征分析。结果表明漂浮浒苔在实验室自然条件这种不可控生长环境下仅存活5 d，水环境要素溶解氧DO和pH先下降后上升;氧化还原电位和温度呈现先上升后下降又上升。不同状态的浒苔藻体中叶绿素a浓度、叶绿素b浓度以及叶绿素总浓度变化规律不一致;死亡浒苔藻体不具有明显的峰谷反射特征;随着浒苔藻体的逐渐死亡，红边位置向长波方向移动，最大达24nm;浒苔藻体反射光谱和导数光谱与鲜重、叶绿素a浓度和叶绿素b浓度在可见光和近红外波段范围都存在一定程度的显著相关性。该研究为构建浒苔全生命周期光谱库、实时监测浒苔提供了基础数据，具有重要的应用价值。

摘要： 采集连云港近海海域漂浮浒苔进行浒苔藻体反射光谱测试，并进行光谱特征分析。结果表明漂浮浒苔在实验室自然条件这种不可控生长环境下仅存活5 d，水环境要素溶解氧DO和pH先下降后上升;氧化还原电位和温度呈现先上升后下降又上升。不同状态的浒苔藻体中叶绿素a浓度、叶绿素b浓度以及叶绿素总浓度变化规律不一致;死亡浒苔藻体不具有明显的峰谷反射特征;随着浒苔藻体的逐渐死亡，红边位置向长波方向移动，最大达24nm;浒苔藻体反射光谱和导数光谱与鲜重、叶绿素a浓度和叶绿素b浓度在可见光和近红外波段范围都存在一定程度的显著相关性。该研究为构建浒苔全生命周期光谱库、实时监测浒苔提供了基础数据，具有重要的应用价值。

摘要： 本发明公开了一种基于机器学习提高海洋叶绿素a浓度预报准确度的方法，属于海洋观测技术领域。该方法包括：收集“环境要素”数据集和“遥感叶绿素a浓度”数据集并标准化处理；将“环境要素”数据集与“遥感叶绿素a浓度”数据集进行时空匹配；“环境要素”数据集作为输入，“遥感叶绿素a浓度”数据集作为输出；将“环境要素”数据集按照数据类型划分为不同子集；按照不同“环境要素”子集与不同机器学习算法的组合分别进行训练和测试，得到不同组合的预报评价指标；选取评价指标最优的“环境要素”子集和机器学习算法进行海洋叶绿素a浓度的预报。本发明能够有效提高海水叶绿素a浓度的数值预报准确性。

摘要： 本发明公开一种近紫外激光诱导叶绿素荧光的水体藻类浓度检测装置及方法，属于光电检测领域。本发明所述方法采用波长405nm，功率100mw的近紫外半导体激光器作为激发光源，发出的激光束经过石英圆柱透镜二维扩束后形成扇形光，垂直照射到含藻类的水体样品上，水体样品中藻类所含叶绿素a受到激发之后，发出波长685nm的荧光，硅光电池接收并产生电信号，通过测量荧光强度所对应的电压值来确定含藻类水体中的藻类的浓度值。本发明装置结构简单，稳定性好，成本低，精度高，即使是在水体藻类浓度很低的情况下，也可以检测出叶绿素荧光信号，可实现水体中藻类浓度的现场实时多点检测。

摘要： 本发明涉及水质参数遥感反演领域，公开了基于空谱融合与模型学习耦合的叶绿素a浓度反演方法，通过获取相同日期MODIS和Sentinel‑2数据，经过预处理，得到样本数据集；构建面向叶绿素a浓度反演的MODIS和Sentinel‑2空‑谱融合深度学习网络，并耦合光谱响应函数、影像退化模型等物理约束，从而获得具有MODIS光谱分辨率和Sentinel‑2空间分辨率的融合数据，为叶绿素a浓度反演提供高空谱分辨率数据源；结合实地采样数据与融合的高空谱分辨率数据，在梯度提升树等机器学习的水质反演算法下验证融合的有效性，结果表明本处理方法有效提高了叶绿素a浓度的反演精度。

摘要： 本发明公开一种水体中叶绿素a浓度预测方法，包括以下步骤：S1、采集原始水质监测数据，其中，所述原始水质监测数据包括若干水质特征；S2、提取所述原始水质监测数据的特征子集，所述特征子集用于表示预测效果更佳的所述水质特征；S3、构建预测叶绿素a浓度模型，优化所述预测叶绿素a浓度模型的参数，利用所述特征子集训练所述预测叶绿素a浓度模型，获得训练好的预测叶绿素a浓度模型；S4、将待检测的所述特征子集输入所述训练好的预测叶绿素a浓度模型，获得叶绿素a浓度的预测结果。本发明大幅减少学习时间，增强学习效率，并提高了对叶绿素a浓度预测的准确性。

摘要： 本发明公开了一种基于光谱技术的水体浊度及叶绿素a浓度联动校准测量方法，该方法的步骤包括：光谱探头与光源出射的光线呈90度，光源出射照射到水体，基于散射光强的水体浊度测量：光谱探头采集散射光线，利用散射光强度与浊度的正比关系，通过测量散射光的强度，计算出对应的水体浊度；基于荧光光强的叶绿素a浓度测量：光谱探头采集荧光光强，利用荧光光强与叶绿素a浓度的正比关系，通过测量荧光的强度，计算出对应的叶绿素a浓度；通过浊度值校准叶绿素a浓度值：通过叶绿素a浓度值校准浊度值：本发明实现了一探头双测量的功能，提高了测量准确度和测量效率。

摘要： 本发明涉及一种基于深度残差神经网络的海表面叶绿素a浓度遥感反演方法，步骤包括：根据选取的红绿蓝三个波段的遥感反射率数据，计算蓝绿波段和红绿波段的遥感反射率数据比值；采用聚类分析将红绿蓝三个波段的遥感反射率数据分为三类，与实测叶绿素a浓度数据匹配生成对应的数据集；计算时间注意力权重，针对三类数据集分别构建引入时间注意力权重的神经网络模型并训练，得到三类反演叶绿素a浓度的深度残差神经网络模型；分别输入与之对应的深度残差神经网络模型中，反演得到海表面叶绿素a浓度。本发明不需要针对特定海域进行算法的校准、不需要针对不同水体采用不同的算法，便可以反演得到高精度的全球海表面叶绿素a浓度。

摘要： 一种叶绿素荧光光谱分析装置，该叶绿素荧光光谱分析装置包括温度传感器和外在光源传感器，该温度传感器与该外在光源传感器电性连接。本发明还提供一种测定叶绿素浓度的方法。

摘要： 一种萃取叶绿素的方法，该方法包括如下步骤：步骤一：将植物叶子本体粉碎；步骤二：通过有机溶剂萃取叶绿素；步骤三：将萃取好叶绿素的液体，由滤纸过滤，然后利用浓缩机浓缩液体；步骤四：收集浓缩好的液体；本发明还提供一种检测叶绿素浓度的方法。

摘要： 本发明公开了一种基于相对反射深度的叶绿素浓度反演方法，其特征在于，该反演方法包括下述步骤：（1）测量海水表层的叶绿素浓度；（2）利用地物高光谱测量仪器测量海水表面及天空光的辐照度反射率；（3）获知离水辐照度反射率；（4）对离水辐照度反射率进行规范化处理；（5）确定规范化离水辐照度反射率的4个叶绿素特征波段；（6）建立特征波段的相对反射深度；（7）依据相对反射深度及其比值构建反演模型。该方法可充分利用叶绿素特征波段信息、降低数据敏感性、提高近岸海域中水色要素的信噪比，提高模型的反演精度及稳健性。

摘要： 本发明公开了星载单光子激光雷达的叶绿素浓度垂直剖面反演方法，属于激光遥感技术领域，用于获取海水参数、叶绿素参数的垂直剖面，包括：沿卫星飞行方向，将星载单光子激光雷达获取的水面信号光子点云与水体后向散射信号光子点云进行分离提取；利用RL反卷积算法校正单光子激光雷达余脉冲效应对光子信号的影响；构建星载单光子激光雷达水面反射信号光子与水体后向散射信号光子的概率统计模型，利用风速数据计算激光雷达系统常数；构建光谱经验解析模型，计算水体叶绿素的垂直剖面。与现有技术相比，本发明能够准确反演待测水域的水体叶绿素垂直剖面结果，对于监测水体污染、藻类爆发、海洋碳循环、以及全球气候变化等多个领域具有重要意义。