NDCI法Ⅱ類水體葉綠素a濃度高光譜遙感數(shù)據(jù)估算*

安 如，劉影影，曲春梅，Quaye-Ballard JA，梁 欣，徐曉峰，王 喆，姜丹萍

(河海大學(xué)地球科學(xué)與工程學(xué)院，南京 210098)

湖泊水資源是我國極為珍貴的水資源之一，對國民經(jīng)濟(jì)建設(shè)和人民生活有著重要的影響.隨著經(jīng)濟(jì)的高速發(fā)展和工業(yè)化程度的加劇，湖泊水污染和水體富營養(yǎng)化程度越來越嚴(yán)重.葉綠素a 是浮游植物生物體的重要組成成分之一，是反映內(nèi)陸水體營養(yǎng)狀況比較客觀的生物學(xué)指標(biāo)，可以作為水體營養(yǎng)狀態(tài)評價(jià)的重要參數(shù).

目前葉綠素a 濃度的估算方法主要有3 種:經(jīng)驗(yàn)法、半分析法和分析法.楊偉等[1]用經(jīng)驗(yàn)法驗(yàn)證了TM二三四波段反演葉綠素a 濃度效果較好，但是經(jīng)驗(yàn)法僅對Ⅰ類水體葉綠素a 濃度估算相對精確，對渾濁的Ⅱ類水體估算精度較差.分析模型自1975年由Gordon 提出后，已成為一類有代表性的機(jī)理模型.李云梅等[2]利用Gordon 模型對太湖的水體反射波譜進(jìn)行模擬，并反演水體的葉綠素濃度，但是分析法需要大量的準(zhǔn)同步的氣象和水體固有光學(xué)特性等數(shù)據(jù)，而這些數(shù)據(jù)的獲取又很困難，所以分析法在一定程度上應(yīng)用較少.目前應(yīng)用最多的、最主流的方法為半分析法.Gitelson 等[3]分別用MERIS 數(shù)據(jù)和MODIS 數(shù)據(jù)驗(yàn)證了三波段法、兩波段法在渾濁水體中的估算精度;Le 等[4]用四波段的半分析算法估算了太湖的葉綠素a 濃度;周琳等[5]的研究給出太湖、巢湖幾種常見葉綠素a 估算半分析模型的適用條件和判斷標(biāo)準(zhǔn);龐博等[6]采用三波段半分析模型估算了江蘇省常熟市昆承湖的葉綠素a 的濃度;黃耀歡等[7]用比值法和一階微分法估算了湯遜湖葉綠素濃度.

葉綠素a 濃度的反演方法雖層出不窮，但葉綠素a 濃度反演的數(shù)據(jù)源大多為常規(guī)的遙感數(shù)據(jù)，如Landsat/MSS/TM、SPOT/HRV、IRS-1C/LISSSeaWIFS 等，高光譜遙感在湖泊葉綠素a 濃度反演研究方面目前也主要集中在航空高光譜遙感.常規(guī)的遙感數(shù)據(jù)由于波譜分辨率不夠，航空高光譜數(shù)據(jù)檢測范圍窄，都未能在水體葉綠素a 濃度遙感估算中得到很好的應(yīng)用.

1 研究區(qū)概況

太湖(30°5'45″～31°2'54″N，119°3'28″～120°6'55″E)位于江浙兩省交界處、長江三角洲南部的太湖平原上，是我國五大淡水湖之一.太湖面積2427.8 km2，平均水深1.9 m，有東太湖、青口湖、貢湖灣、梅梁灣、竺山灣5 個(gè)湖灣，目前這幾個(gè)湖灣大都因?yàn)樗骶徛⑺疁\及盛行風(fēng)向的作用而成為太湖污染或富營養(yǎng)化較為嚴(yán)重的地方.近些年來，隨著太湖地區(qū)經(jīng)濟(jì)的發(fā)展，水體富營養(yǎng)化程度日益嚴(yán)重.

巢湖(30°25'28″～31°43'28″N，117°16'54″～117°51'46″E)地處長江中下游，安徽省境內(nèi)，位于合肥市南端，分屬合肥市、肥東、肥西、廬江、巢湖五個(gè)縣市，屬長江下游左岸水系，是安徽省第一大湖泊.巢湖東西長54.5 km，南北平均寬15.1 km，水域面積755 km2，平均水深2.4 m.目前全湖均處于富營養(yǎng)化狀態(tài)，并且程度有加重趨勢[9-11].

2 實(shí)驗(yàn)數(shù)據(jù)及預(yù)處理

2.1 實(shí)驗(yàn)數(shù)據(jù)

2.1.1 Hyperion 數(shù)據(jù) Hyperion 高光譜數(shù)據(jù)共有242 個(gè)波段，光譜范圍為400 ～2500 nm，光譜分辨率達(dá)到10 nm，地面分辨率為30 m，重訪周期為16 d.本文所用Hyperion 數(shù)據(jù)獲取于2004年8月19日，為Hyperion L1G 數(shù)據(jù).242 個(gè)波段中，1 ～70 波段(356 ～1058 nm)為可見光-近紅外波段(VNIR)，71 ～ 242 波段(852 ～ 2577 nm)為短波紅外波段(SWIR).其中，198 個(gè)波段經(jīng)過輻射定標(biāo)處理，定標(biāo)的波段分別為VNIR 8 ～57、SWIR 77 ～224.由于VNIR 56 ～57 與SWIR 77 ～78 的重疊，實(shí)際上只有196 個(gè)獨(dú)立的波段.沒有定標(biāo)的波段置為0 值.Hyperion 是目前唯一在軌的高空間分辨率與高光譜分辨率的成像儀，可應(yīng)用于地質(zhì)調(diào)查與找礦、土壤退化與動態(tài)監(jiān)測、精準(zhǔn)農(nóng)業(yè)和森林防護(hù)以及水資源監(jiān)測等方面.

2.1.2 HJ 衛(wèi)星的HSI 高光譜數(shù)據(jù) HSI 是我國HJ-1A 衛(wèi)星搭載的超光譜成像儀，是我國第一個(gè)對地成像的星載高光譜相機(jī)，也是世界上第一個(gè)基于空間調(diào)制干涉成像原理而設(shè)計(jì)成的民用高光譜成像儀.HSI 所形成的圖像幅寬大于50 km，地面像元分辨率100 m，具有±30°側(cè)視能力和星上定標(biāo)功能.工作譜段為0.45 ～0.95 μm，譜段數(shù)為110 ～128，平均光譜分辨率為4.32 nm，重訪周期為4 d 左右，是目前為止比較先進(jìn)的高光譜傳感器，HJ-1A/HSI 光譜分辨率高，能夠獲得更為精細(xì)的地物光譜曲線，對目標(biāo)識別和信息提取能力更強(qiáng);HSI 重訪周期高，對滿足溢油、赤潮等專題研究需求更有優(yōu)勢;但是HSI 空間分辨率相對較低，HJ-1A/HSI的100 m 空間分辨率在進(jìn)行諸如植被生長狀況監(jiān)測、礦物識別等應(yīng)用時(shí)顯然較為受限.

2.1.3 野外實(shí)測數(shù)據(jù) 對于太湖研究區(qū)，本文采用了陳軍等[12]和聞建光等[13]發(fā)表的27 個(gè)實(shí)測葉綠素a 濃度數(shù)據(jù).該實(shí)測數(shù)據(jù)采集于2004年8月19日，包括GPS 點(diǎn)位、葉綠素a 和懸浮物濃度，采樣點(diǎn)主要分布在太湖富營養(yǎng)化最嚴(yán)重的梅梁灣和梅梁灣至湖心的主航道附近水域.

對于巢湖研究區(qū)，本文采用張紅[14]報(bào)道的葉綠素a 濃度觀測數(shù)據(jù)，該數(shù)據(jù)采集于2009年6月13日，通過星地同步試驗(yàn)，進(jìn)行了GPS 布點(diǎn)，共采集了32 個(gè)點(diǎn)位的水樣進(jìn)行實(shí)驗(yàn)室分析，獲取各個(gè)點(diǎn)位的葉綠素a濃度和懸浮物濃度.本文共采用27 個(gè)點(diǎn)進(jìn)行分析.

2.2 數(shù)據(jù)預(yù)處理

Hyperion 影像數(shù)據(jù)DN 值范圍有別于常見的Landsat 等傳感器，可見光-近紅外波長范圍400 ～1000 nm，輻射定標(biāo)比值為40，短波紅外波長范圍900 ～2500 nm，輻射定標(biāo)值為80，為了獲取真實(shí)的DN 值，可見光-近紅外波段和短波紅外波段需要除以不同的系數(shù)，即:

由于L1G 數(shù)據(jù)已經(jīng)經(jīng)過輻射定標(biāo)，所以Hyperion 數(shù)據(jù)的預(yù)處理主要包括:DN 值分析、幾何糾正和遙感反射比的反演.HSI 數(shù)據(jù)的處理包括幾何校正、輻射定標(biāo)、圖像鑲嵌與裁剪、大氣校正.大氣校正是遙感影像輻射校正的主要內(nèi)容，對定量遙感尤為重要，而且由于水體本身反射率較低，所以需要高精度的大氣校正.本文采用了6S 大氣校正模型.6S 建立在輻射傳輸理論基礎(chǔ)之上，適用于可見光到近紅外的多角度數(shù)據(jù)，能模擬不同傳感器、不同地面狀況數(shù)據(jù)在太陽-目標(biāo)-傳感器的傳輸過程中所受到的大氣影響，同時(shí)考慮了目標(biāo)物的海拔、地表非均勻狀態(tài)以及新的吸收氣體的種類.6S 模型具有較高的計(jì)算精度，并且有很快的運(yùn)算速度，已經(jīng)得到了廣泛的應(yīng)用.

腦動脈瘤是臨床常見急癥，為非創(chuàng)傷性蛛網(wǎng)膜下腔出血的常見原因，隨著動脈瘤出血次數(shù)的增加，患者病死率及致殘率成倍著呢家，相關(guān)研究顯示動脈瘤再次出血后患者死亡率達(dá)到40%～65%[1,2]，因此首次出血腦動脈瘤破裂出血需要及時(shí)手術(shù)治療。

3 葉綠素a濃度的遙感估算與精度評價(jià)

葉綠素a 濃度遙感監(jiān)測原理是葉綠素a 含量不同的水體在一定波長范圍內(nèi)波段反射率顯著不同，核心問題在于建立水體反射率和葉綠素a 濃度之間的定量關(guān)系.因此，在進(jìn)行葉綠素a 濃度反演時(shí)，常用方法是對葉綠素a 的有效響應(yīng)波段建立最佳比值或者各種組合模型.

3.1 歸一化葉綠素指數(shù)(NDCI)

Maisha 等[15]提出一種估算葉綠素濃度的新指數(shù)——?dú)w一化葉綠素指數(shù)，其模型公式為:

式中，CChl.a是葉綠素 a 濃度，Rrs(λ1)、Rrs(λ2)分別為波段 λ1、λ2處的反射率.NDCI 指數(shù)的構(gòu)建采用歸一化的形式，部分消除由于太陽高度角的變化、大氣輻射等因素所帶來的影響.λ1和λ2的選擇有所限定:λ2位于700 nm 附近的反射峰，該反射峰對水體中葉綠素a 濃度含量變化敏感;λ1選在665 ～675 nm 附近的吸收峰處，該處的吸收峰主要是葉綠素吸收所致;假定CDOM 和TSS 在這兩波段處吸收近似相等，因此λ1和λ2的波段距離不宜過遠(yuǎn).λ1、λ2均選擇光學(xué)特性由葉綠素a 主導(dǎo)的特征光譜處，也在一定程度上減少了其他水體組分的影響.

3.2 其他常用估算模型

3.2.1 比值法 比值法是目前葉綠素a 濃度遙感定量估算使用較多的模型，主要原理是分別選擇近紅外和紅光波段的最大、最小反射率值進(jìn)行比值運(yùn)算，將運(yùn)算結(jié)果與葉綠素a 濃度的實(shí)測值進(jìn)行回歸分析，得到葉綠素a 濃度的估算模型.

3.2.2 一階微分法 微分光譜技術(shù)通過對反射光譜進(jìn)行數(shù)學(xué)模擬，可以迅速確定光譜彎曲點(diǎn)及最大、最小反射率的波長位置，微分技術(shù)對光譜信噪比非常敏感.研究表明，光譜的低階微分處理對噪聲影響敏感性較低，因而在實(shí)際應(yīng)用中較有效.對原始數(shù)據(jù)進(jìn)行一階微分處理，可以去除部分線性或接近線性的背景、噪聲光譜對目標(biāo)光譜的影響，對于離散型遙感圖像數(shù)據(jù)，一階微分法計(jì)算公式為:

式中，Rrs(λi+1)和Rrs(λi-1)分別為相鄰波長的遙感反射率值，R'rs(λi)為波長λi處的反射光譜的一階微分值.將計(jì)算得到的光譜一階微分值與實(shí)測葉綠素濃度進(jìn)行回歸分析，得到葉綠素a 濃度的估算模型.研究表明，一階微分法的估算精度總體上高于比值法的估算精度.

3.2.3 三波段法 三波段模型是Gitelson 等[16-20]提出并研究驗(yàn)證的一種對Ⅱ類水體進(jìn)行葉綠素a 濃度估算的半分析算法.它的概念模型為:

3.3 內(nèi)陸水體光譜特征分析

對于內(nèi)陸湖泊水體，它們擁有一些共同的光譜反射率特征，參考各研究中兩湖的反射率曲線可以看出，兩湖遙感反射比在空間上差別都很大，兩湖樣點(diǎn)反射率標(biāo)準(zhǔn)差高值都出現(xiàn)在650 ～710 nm 之間，所以我們重點(diǎn)考察650 ～710 nm 之間的波段特征.同時(shí)，太湖的Hyperion 數(shù)據(jù)和巢湖的HSI 數(shù)據(jù)中，671 和711 nm 附近都有一個(gè)小小的反射峰值.實(shí)驗(yàn)中發(fā)現(xiàn)，671、711 nm 分別位于紅外和近紅外波段處，且相距較近，符合NDCI模型構(gòu)建要求，實(shí)驗(yàn)也證明這兩處反射峰構(gòu)建的NDCI 與葉綠素a 濃度具有良好的相關(guān)性.

3.4 葉綠素a濃度估算

3.4.1 模型參數(shù)的確定 根據(jù)太湖、巢湖水體的光譜特征及兩湖已有的研究成果，確定了幾種常見的實(shí)用性較好的葉綠素a 濃度估算模型及波段選擇.其中比值法采用近紅外與紅光波段的比值，一階微分法選用波段為690 nm 附近的一階微分值進(jìn)行葉綠素a 濃度反演;三波段法引用杜聰?shù)萚19]的研究成果，以生物光學(xué)模型為理論基礎(chǔ)進(jìn)行推導(dǎo)得到三波段模型，再根據(jù)三波段模型的波段假設(shè)條件，確定3 個(gè)波段的取值范圍，最后根據(jù)最小二乘原理，通過波段迭代方法確定最佳波段，構(gòu)建三波段的反射率因子后對實(shí)測數(shù)據(jù)進(jìn)行擬合.對于NDCI 法，本文也根據(jù)研究區(qū)的水質(zhì)特點(diǎn)和實(shí)測光譜曲線，結(jié)合所用遙感影像的光譜通道，經(jīng)過反復(fù)試驗(yàn)對比，發(fā)現(xiàn)在太湖的Hyperion 數(shù)據(jù)和巢湖的HSI 數(shù)據(jù)中，671 和711 nm 附近都有一個(gè)小小的峰值，且相距較近，符合NDCI 的模型構(gòu)建要求，由此確定了最佳波段的選擇.估算模型及波段選擇見表1.

表1 太湖、巢湖葉綠素a 濃度反演模型及波段選擇Tab.1 Selection of Chl.a concentration estimation model and bands of Lake Taihu and Lake Chaohu

3.4.2 濃度估算 將以上確定最優(yōu)波段后的反射率因子作為變量與實(shí)測的樣本點(diǎn)進(jìn)行回歸分析，太湖和巢湖各選20 個(gè)點(diǎn)建模，得到每個(gè)遙感反射率因子與葉綠素a 濃度之間的回歸關(guān)系.葉綠素a 濃度與水體反射率因子之間的關(guān)系是非線性的，回歸曲線中相關(guān)性最好的是二次曲線，而且可以看出NDCI 與葉綠素a 濃度實(shí)測值的相關(guān)性最好(圖1，圖2).對以上所有的估算結(jié)果，對各個(gè)模型，用未參與建模的7 個(gè)點(diǎn)進(jìn)行驗(yàn)證，引入均方根誤差作為統(tǒng)計(jì)標(biāo)準(zhǔn)，NDCI 法估算結(jié)果的相關(guān)性在所有模型中表現(xiàn)最好，平均相對誤差也較小，基本可滿足目前水質(zhì)參數(shù)估算的精度要求，因此NDCI 法是構(gòu)建所有反射率因子中表現(xiàn)最佳的模型(表2).

圖1 太湖4 種方法的回歸曲線圖及擬合方程Fig.1 Regression curves of the four models and fitting equations of Lake Taihu

圖2 巢湖4 種方法的回歸曲線圖及擬合方程Fig.2 Regression curves of the four models and fitting equations of Lake Chaohu

表2 模型估算結(jié)果與實(shí)測值的相對誤差Tab.2 Error between model estimation values and field measured values

為進(jìn)一步研究NDCI 法在估算性能上的優(yōu)劣性，對建模的20 個(gè)樣本點(diǎn)的相對誤差進(jìn)行計(jì)算.對于太湖，當(dāng)葉綠素 a 濃度大于15 mg/m3時(shí)，NDCI 法具有較好的表現(xiàn)，而對于低濃度的葉綠素a 濃度估算誤差較大(圖3a)，所以NDCI 法較適用于葉綠素濃度水平較高季節(jié)的湖泊水質(zhì)監(jiān)測.巢湖結(jié)果與太湖類似，NDCI 法在水體葉綠素 a 濃度較低的時(shí)候估算誤差較大，當(dāng)水體葉綠素a 濃度高于約30 mg/m3時(shí)，NDCI 法估算誤差較令人滿意(圖3b).根據(jù)NDCI 法的估算方程，計(jì)算太湖2004年8月19日、巢湖2009年6月13日葉綠素a 濃度分布，可以看出2004年8月19日當(dāng)天，整景影像區(qū)域內(nèi)太湖葉綠素a 濃度較低，水質(zhì)良好.浮游藻類受風(fēng)浪影響，主要集中在太湖北部梅梁灣區(qū)域內(nèi)，且在岸邊堆積形成比較明顯的近岸藻類集聚現(xiàn)象(圖4)，與聞建光等[13]的研究結(jié)果基本一致.2009年6月13日，巢湖西部區(qū)域的北部沿岸，葉綠素a 濃度較大.其中，在巢湖東西湖域分界處，存在大量的浮游藻類，造成葉綠素a 濃度在影像中顯示為重度水華區(qū).此外，東、西巢湖的南部水體葉綠素a 含量相對于當(dāng)日整個(gè)湖區(qū)較低，只有個(gè)別區(qū)域出現(xiàn)偏高值(圖5).可見，NDCI 法較好地反映了兩湖水質(zhì)狀況的分布特征.

圖3 NDCI 法估算太湖(a)、巢湖(b)葉綠素a 濃度相對誤差曲線Fig.3 RE curves of Chl.a concentration of Lake Taihu (a)and Lake Chaohu (b)by using NDCI method

圖4 2004年 8月19日 Hyperion 數(shù)據(jù)太湖 Chl.a濃度NDCI 分析結(jié)果Fig.4 NDCI result of Chl.a concentration of Lake Taihu in August 19th，2004 by using Hyperion data

圖5 2009年6月13日 HIS 數(shù)據(jù)巢湖 Chl.a濃度NDCI 分析結(jié)果Fig.5 NDCI result of Chl.a concentration of Lake Chaohu in June 13th，2009 by using HIS data

4 NDCI普適性分析

葉綠素a 濃度遙感估算方法的普遍適用性是遙感方法實(shí)用化的重要前提，主要表現(xiàn)為方法的時(shí)間、地理空間以及不同遙感數(shù)據(jù)的可移植性.不同時(shí)間、地理空間的水體具有較大的光學(xué)差異，一種方法的可移植性強(qiáng)即意味著在光學(xué)差異較大的水體中皆能取得較高的估算精度.對于不同估算方法，應(yīng)用穩(wěn)定的遙感波段數(shù)據(jù)進(jìn)行估算也體現(xiàn)了方法的通用性、普適性.

4.1 波段選擇的穩(wěn)定性

在對太湖和巢湖的估算中，NDCI 反射率因子表現(xiàn)出了一定的優(yōu)越性.此外，在模型自身的波段選擇上(表1)，NDCI 也表現(xiàn)出一定的穩(wěn)定性.對于太湖水體較低濃度和巢湖水體較高濃度的葉綠素a 含量，三波段法前兩個(gè)波段的選擇差約為20 nm，最后一個(gè)波段的選擇相差100 nm 左右.比值法和一階微分法也有不同程度的波段選擇差異.而歸一化葉綠素指數(shù)法的波段選擇差異最小，在太湖λ1和λ2的值分別是671 和711 nm，而巢湖的選擇分別是669 和711 nm，他們之間的細(xì)小差別是Hyperion 影像傳感器和HSI 影像傳感器通道設(shè)置的結(jié)果，而非最優(yōu)波段選擇結(jié)果.這說明NDCI 在波段選擇上具有一定的穩(wěn)定性.

4.2 NDCI在光學(xué)差異較大水體中的穩(wěn)定性

NDCI 在太湖和巢湖兩個(gè)研究區(qū)的實(shí)測數(shù)據(jù)集中表現(xiàn)良好，對水體光學(xué)差異進(jìn)一步擴(kuò)大的水體表現(xiàn)會如何?NDCI 法利用紅外和近紅外波段的遙感反射率來構(gòu)建反射率因子，也屬于目前葉綠素a 濃度估算應(yīng)用廣泛的NIR-red 算法中的一種，國外有研究發(fā)現(xiàn)NIR-red 算法對兩個(gè)不同研究區(qū)不需要對估算方程重新參數(shù)化[21-23]，那么對我國內(nèi)陸湖泊，NDCI 法是否也無需重新參數(shù)化?在兩個(gè)研究區(qū)分別構(gòu)建NDCI、比值法和一階微分法反射率因子，對兩個(gè)湖區(qū)的全部數(shù)據(jù)進(jìn)行擬合可知，3 種方法在對巢湖實(shí)測數(shù)據(jù)進(jìn)行擬合時(shí)，精度均有不同程度的下降，比值法表現(xiàn)最差，基本已無法建立比值反射率因子與葉綠素a 濃度之間的估算方程.一階微分法相關(guān)性也有所下降，NDCI 法具有最高的相關(guān)系數(shù)(圖6)，但是比起前面NDCI 法重新參數(shù)化的估算精度仍有所下降，在我國內(nèi)陸湖泊葉綠素a 濃度估算研究中找到一種可以不依靠野外實(shí)測數(shù)據(jù)的模型仍需努力.雖然3 個(gè)反射率因子擬合的精度都有所下降，但NDCI 法仍然是幾種方法中表現(xiàn)最好的，說明對于光學(xué)特性差異進(jìn)一步擴(kuò)大的太湖和巢湖水體，NDCI 法也表現(xiàn)出一定的穩(wěn)定性.

圖6 比值法(a)、一階微分法(b)、NDCI 法(c)對兩個(gè)湖區(qū)葉綠素a 濃度擬合曲線Fig.6 Fitting curves of Chl.a concentration of ratio method(a)，first-order differential method(b)and NDCI method(c)in Lake Taihu and Lake Chaohu

5 結(jié)語

本文引入了一個(gè)新的指數(shù)——NDCI，估測了Ⅱ類水體的葉綠素a 濃度.通過與目前常用的比值法、一階微分法和三波段法進(jìn)行對比，NDCI 法表現(xiàn)出較高的估算精度，對不同月份、地理區(qū)域有著更好的適用性，在波段選擇上比較穩(wěn)定，當(dāng)水體光學(xué)差異進(jìn)一步擴(kuò)大時(shí)也表現(xiàn)出比較穩(wěn)定的性能.但是，本文的實(shí)測數(shù)據(jù)只有葉綠素a 的濃度數(shù)據(jù)，忽略了其他物質(zhì)的吸收和散射對不同波段的水體反射率的影響，這對估算因子的構(gòu)建有一定影響.另外，本文僅采用了太湖、巢湖兩個(gè)研究區(qū)的數(shù)據(jù)進(jìn)行對比分析，對NDCI 的適用性以及證明還不夠充分，還需要新的數(shù)據(jù)進(jìn)行更進(jìn)一步的驗(yàn)證，以達(dá)到實(shí)用化的目標(biāo).

[1]楊 偉，陳 晉，松下文經(jīng).基于生物光學(xué)模型的水體葉綠素濃度反演算法.光譜學(xué)與光譜分析，2009，29(1):38-42.

[2]李云梅，黃家柱，韋玉春等.用分析模型方法反演水體葉綠素的濃度.遙感學(xué)報(bào)，2006，10(2):169-175.

[3]Gitelson AA，Dall'Olmo G，Moses W et al.A simple semi-analytical model for remote estimation of chlorophyll-a in turbid waters:Validation.Remote Sensing of Environment，2008，112(9):3582-3593.

[4]Le CF，Li YM，Zha Y et al.A four-band semi-analytical model for estimating chlorophyll a in highly turbid lakes:The case of Taihu Lake，China.Remote Sensing of Environment，2009，113(6):1175-1182.

[5]周 琳，馬榮華，段洪濤等.渾濁Ⅱ類水體葉綠素a 濃度遙感反演(Ⅰ):模型的選擇.紅外與毫米波學(xué)報(bào)，2011，30(6):531-536.

[6]龐 博，李玉霞，童 玲.基于半分析模型的葉綠素a 濃度估算.成都理工大學(xué)學(xué)報(bào)，2011，38(1):54-58.

[7]黃耀歡，江 東，莊大方等.湯遜湖水體葉綠素濃度遙感估測研究.自然災(zāi)害學(xué)報(bào)，2012，21(2):215-222.

[8]聞建光.太湖水體葉綠素a 遙感監(jiān)測模型研究[學(xué)位論文].長春:吉林大學(xué)，2005.

[9]戴永寧，李素菊，王學(xué)軍.巢湖水體固有光學(xué)特性研究.環(huán)境科學(xué)研究，2008，21(5):173-177.

[10]潘邦龍，易維寧，王先華等.基于環(huán)境一號衛(wèi)星超光譜數(shù)據(jù)的多元回歸克里格模型反演湖泊總氮濃度的研究.光譜學(xué)與光譜分析，2011，31(7):1884-1888.

[11]荀尚培，詹萬志，范 偉.MODIS 巢湖水體葉綠素a 濃度監(jiān)測研究.中國氣象學(xué)會2006年年會“衛(wèi)星遙感技術(shù)進(jìn)展及應(yīng)用”分會場論文集.成都:氣象出版社，2006:71-78.

[12]陳 軍，溫珍河，孫記紅等.基于四波段半分析算法和Hyperion 遙感影像反演太湖葉綠素a 濃度.遙感技術(shù)與應(yīng)用，2010，25(6):867-872.

[13]聞建光，肖 青，楊一鵬等.基于 Hyperion 數(shù)據(jù)的太湖水體葉綠素 a 濃度遙感估算.湖泊科學(xué)，2006，18(4):327-336.

[14]張 紅.基于遙感反射率分類的懸浮物濃度反演模型構(gòu)建[學(xué)位論文].南京:南京師范大學(xué)，2011.

[15]Mishra S，Mishra DR.Normalized difference chlorophyll index:A novel model for remote estimation of chlorophyll-a concentration in turbid productive waters.Remote Sensing of Environment，2011(doi:10.1016/j.rse.2011.10.016).

[16]Le CF，Li YM，Zha Y et al.Remote estimation of chlorophyll a in optically complex waters based on optical classification.Remote Sensing of Environment，2011，115(2):725-737.

[17]楊 煜，李云梅，王 橋等.富營養(yǎng)化的太湖水體葉綠素 a 濃度模型反演.地球信息科學(xué)學(xué)報(bào)，2009，11(5):597-602.

[18]施 坤，李云梅，劉忠華等.基于不同光譜主導(dǎo)因子的內(nèi)陸湖泊水體葉綠素濃度三波段反演模型研究.環(huán)境科學(xué)，2010，31(12):2873-2881.

[19]杜 聰，王世新，周 藝等.利用 Hyperion 高光譜數(shù)據(jù)的三波段法反演太湖葉綠素 a 濃度.環(huán)境科學(xué)，2009，30(10):2904-2910.

[20]楊 碩，王世新，周 藝等.葉綠素反演三波段模型的多時(shí)相應(yīng)用.遙感信息，2010，(5):98-104.

[21]Yacobi YZ，Moses WJ，Kaganovsky S et al.NIR-red reflectance-based algorithms for chlorophyll a estimation in mesotrophic inland and coastal waters:Lake kinneret case study.Water Research，2011，45(7):2428-2436.

[22]Gilerson AA，Gitelson AA，Zhou J et al.Algorithms for remote estimation of chlorophyll-a in coastal and inland waters using red and near infrared bands.Optics Express，2010，18(23):24109-24125.

[23]Moses WJ，Bowles JH，Lucke RL et al.Impact of signal-to-noise ratio in a hyperspectral sensor on the accuracy of biophysical parameter estimation in case II waters.Optics Express，2012，20(4):4309-4330.