文献类型：期刊文章

作　　者：罗婕纯一[1] 秦龙君[1] 毛鹏[1] 熊育久[2] 赵文利[1] 高辉辉[1] 邱国玉[1]

Luo Jiechunyi;Qin Longjun;Mao Peng;Xiong Yujiu;Zhao Wenli;Gao Huihui;Qiu Guoyu(School of Environment and Energy,Peking University,Shenzhen 518055,China;School of Civil Engineering,Sun Yat-Sen University,Guangzhou 510275,China)

机构地区：[1]北京大学环境与能源学院,广东深圳518055 [2]中山大学土木工程学院,广东广州510275

出　　处：《遥感技术与应用》

基　　金：国家重点研发计划项目(YS2017YFGH000958);深圳市基础研究计划项目(JCYJ20180504165440088)资助。

年　　份：2021

卷　　号：36

期　　号：3

起止页码：473-488

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、JST、RCCSE、ZGKJHX、核心刊

摘　　要：叶绿素a浓度是表征水体富营养化程度的重要指标,通过遥感手段反演叶绿素a浓度是实现水体富营养化监测的一个有效途径,已衍生出了一系列叶绿素a浓度反演算法。这些算法各有所长,适用范围也各自有别。由于水体光学特征差异,盲目套用这些算法难以取得预期效果。为了推动水质遥感的进一步发展,从遥感反演的原理和数据源出发,对国内外利用遥感技术反演水体叶绿素a浓度的算法进行综述。根据算法结构设计的不同,将反演算法分为6大类,分别为荧光峰和反射峰算法、波段算法、指数算法、智能算法、基于水体分类的算法体系以及分析类算法,系统地梳理各类算法并分析算法特征。从算法适用的叶绿素a浓度区间和水体类型等角度出发,总结各类算法的适用范围,评述各类算法的优缺点,以期为环境和遥感工作者提供参考。主要结论如下:①Ⅱ类水体算法外推适应性较弱,应建立并补充实测数据集,研究各类水体光学特性异同点,构建基于水体分类的通用算法体系;②无人机技术与高光谱传感器的结合可为内陆水体水质监测提供新思路;③应结合机器学习算法与机理模型,发展物理原理约束的高精度反演模型。

关 键 词：叶绿素A 遥感 水体 水质 富营养化

分 类 号：X87] X832