JS 杂志上的传感器 1687 - 7268 1687 - 725 x Hindawi 10.1155 / 2020/8858408 8858408 研究文章 造型储层叶绿素, 一个、TSS和浊度使用Sentinel-2A MSI和Landsat-8奥利卫星传感器与经验多元回归 https://orcid.org/0000 - 0003 - 1163 - 0385 欧 Yashon O。 1 2 努尔 Kimutai 1 赫伯特 Kipkemoi 1 张 Lei 1 土木及结构工程学系 Moi大学 30100年离 肯尼亚 mu.ac.ke 2 土木工程学系 博茨瓦纳大学 私人包0061 哈博罗内 博茨瓦纳 ub.bw 2020年 19 9 2020年 2020年 4 6 2020年 30. 7 2020年 31日 8 2020年 19 9 2020年 2020年 版权©2020 Yashon o·欧et al。 这是一个开放的文章在知识共享归属许可下发布的,它允许无限制的使用,分布和繁殖在任何媒介,提供最初的工作是正确的引用。

Sentinel-2A MSI (S2A)和Landsat-8 /奥利(18)数据产品提供一个新边疆的评估和检索包括叶绿素——光学活性的水质参数 一个(排名) 一个)、悬浮颗粒物(TSS)和水库的浊度。然而,因为他们的差异在空间和光谱采样,关键是评估传感器是如何适合无缝一代的水质参数(WQPs)。本研究提出的检索结果WQP水库从18和S2A光学传感器,经过大气校正和标准化通过带调整。实证多元回归模型(EMRM)算法的估计方法提出了水质参数的相关性 原位实验室测量。传感器的背影,估计的结果 一个浓度与 R 2 超过70%的可见的绿色带了18个,绿色和S2A SWIR-1乐队的组合。虽然NMSE %的背影——几乎是相同的两个传感器 一个估计,RMSE < 10 μ10 g / L和> μg / L的背影- 18和S2A估计 一个,分别。TSS检索,经历了18个表现S2A 31%的准确性 R 2 > 0.9 从18的红色,蓝色,和绿色的乐队,相比 0.47 ≤ R 2 ≥ 0.61 从S2A红色和近红外波段。RMSE的背影——一样 一个,NMSE %都是在相同的范围。两个传感器获取浊度高,几乎等于的准确性 R 2 > 70年 % 可见光和近红外波段,以同样的RMSE在南大和NMAE % < 10% S2A被超过30%相比高了18个NMAE %的15%。研究得出的结论是,更高的性能了18个归因于其精度更高的信噪比和光谱带宽位置相比S2A乐队。相比之下,S2A高估了的背影, 一个和浊度,但表现同样比奥利TSS的估计。结果表明,虽然绝对精度的检索WQPs仍然需要改进,发达算法大致能够辨别biooptical水库的水质。

 1。介绍

尽管增加可用性的全球安全的饮用水,还估计,大约八分之一的世界人口没有获得饮用水( 1]。根据( 2),近一半的世界人口到2030年将面临水资源短缺的水需求在某些国家可能会超出供应超过50%。大部分的水源是在河流和水库集雨不断受到人为的压力和气候变化的影响。

在排水系统中,人为水使用国内的目的,农业和工业生产、采矿、发电和林业实践所有导致水质的恶化和水供应。这实际上影响水生生态系统和妥协获得安全供水供人类食用。水质和供水因此联系,虽然他们常常不同时测量。水质监测的结果是很重要的在确定的时空趋势地表水和地下水可变性。水库和水坝,水的主要来源为城市和农村社区, 先天的理解水前处理的质量是至关重要的不仅在理解集水区域内的环境卫生也最小化的处理水的供应的成本。

监测水质在自然和人工水库,水质常规评估通过采样和实验室测量通常采用。基于采样点的实验室方法是昂贵的,劳动密集型的,耗时的和不能充分评估整个水体( 3]。克服的局限性 原位水质监测方法,需要定期接近实时的( 4- - - - - - 7)、廉价、自动化和非侵入性方法,只要有足够的时空覆盖范围。

一些研究调查不同卫星传感器的使用对水质的评价。特别是陆地卫星传感器已广泛应用于水质参数的估计如总悬浮物、叶绿素- 一个、浊度、塞齐盘深度、总磷、溶解氧、化学需氧量(COD),生化需氧量(BOD)了( 8, 9]。为具体的案例研究和水质参数的检索(WQPs),先前的研究已经开发出不同的相关算法,是基于经验模型,semianalytical模型和矩阵求逆模型。对于semianalytical模型,biooptical和经验数据需要描述水体的成分之间的关系和等效表面反射率,定义了上升流光辉在水面,水面之上。基于相同的造型方案semianalytical模型、矩阵求逆模型 先天的水成分的信息,包括吸收系数或吸收的斜坡 10]。缺乏具体的参数使得矩阵求逆方法更加复杂和难以校准。由于这些缺点,经验算法通常用于检索和水质参数的估计 3, 11- - - - - - 14]。

虽然很受欢迎,在使用经验算法,需要大型水质样本大小和模型对当地环境条件敏感,因此不会自动复制到其他案例研究或地区。除了案例研究或地区为基础,实证模型已经开发更多的开放海域与内陆水体相比,部分是由于这样的事实:遥感测量的淡水资源更加复杂,地表水的光谱反射率( 15- - - - - - 17]。

与潜在的更高的时间分辨率大约2 - 3天源自Landsat-8协同星座和Sentinel-2 [ 18),现在可以同步的产品从两颗卫星的高时间监测水生系统( 19]。这样频繁的回顾是必不可少的捕获的水库水体的动力学,在地表水质量评估,考虑季节性可变性和大气衰减的影响。在使用Landsat-8 /奥利和Sentinel-2A / MSI水资源监测的数据,最近的研究提出了不同的方法和结果对不同的案例研究的领域。( 20.)使用Sentinel-2A研究变化的影响总悬浮物的浓度(TSS)和叶绿素- 一个(排名) 一个)的生理反应,牡蛎和突出的使用Sentinel-2A近红外(NIR)乐队量化总悬浮物。( 11)开发前后的背影——检索的方法 一个在巴西和得出结论,hypereutrophic水库Sentinel-2A近红外(NIR)乐队的背影,重要 一个检索。类似的研究( 13)提出了对水的经验算法使用Sentinel-2A数据质量评估( 21)或底部映射( 22]。尽管如此,没有尝试的适用性进行了比较并演示Sentinel-2A / MSI和Landsat-8 /奥利的背影——图像的检索 一个、TSS和浊度在内陆水库水质参数。

在这项研究中,Sentinel-2A / MSI (S2A)的有效性和Landsat-8 /奥利(18)卫星传感器的背影,证明了估计的 一个、浊度和TSS水质参数在一个大水库水体(例2)。可以说,medium-spatial分辨率卫星传感器、操作陆地成像仪(奥利)董事会Landsat-8和多光谱成像仪(MSI) Sentinel-2,将能够促进更精确映射biooptically活跃的近年来水质参数( 11, 19]。然而,由于不同的光谱和空间采样,是十分关键的评估数据集是如何适合水质参数的无缝的检索。biooptically活跃的准确性从不同的远程传感器参数映射在很大程度上是依赖于biooptical方程为其开发的检索。观察到的文献综述,不同情况下2水体光谱波长的反应不同。

此外,例2水,水的浓度成分和相应的水的颜色被认为是非线性的。这意味着有效测量在这些高度反光的水域,远程传感器具有高动态光谱范围和高信噪比(信噪比)是必要的 17]。因此有必要开发优化算法(s)的准确估计biooptical区域案例2水域水质参数。目前的研究有两个目的:(1)确定最合适的光谱波段(位置和宽度)Sentinel-2A / MSI和Landsat-8 /奥利传感器的精确检索和估计的背影- - -的浓度 一个、TSS和浊度和(2)开发、测试和验证经验多元回归模型(EMRM)算法的估计在例2水域水质参数,在相关性 原位实验室测量。

确定水质参数的分布和变化,普通克里格用于空间映射和WQP的分布的比较案例研究水库。剩下的纸是组织如下:在部分 2研究区域的细节,提供的数据。研究方法部分中概述 3,部分 4介绍了研究结果和讨论,阐述的比较和分析的回归建模和估计WQPs卫星传感器相比的。提出了研究的结论和见解 5。

 2。研究区域与数据 2.1。研究网站描述

案例研究水库是Chebara大坝位于经度35°29 ′ 45.6“E和35°30 ′ 7.2 ” E和纬度0°52 ′ 55.2 ” 年代和0°53 ′ 56.4 ” 年代和1990年代建造的供应水离小镇,位于31公里。2.1公里长坝的容量为624万立方米,是由河流Moiben和其他小型Chebara盆地(图中河流和小溪 1)。大部分的河流和小溪流入大坝是永久性的和流动,与最小流经验在旱季。Chebara坝流域的气候是温暖和温带,甚至接收面积明显降雨在最干燥的一个月,平均年降水量约1172毫米。人烟稀少的,农业是主要的经济活动在盆地内,与其他土地覆盖的森林,草地和灌木(数字 1(一)和 1 (b))。三峡大坝也作为水源国内使用的常住人口和农业灌溉、尤其是在旱季或时期。

(a) Sentinel-2接近原来的彩色合成研究大坝及周边地区和(b)土地利用/土地覆盖Chebara盆地和采样点( T 我 )。

抽样站被选中,如图 1,抽样站的位置和浓度是基于深度变化的大坝。十八(18)空间分布抽样站选择:十(10)的校准EMRM算法,五(5)进行验证,三(3)淡季算法验证。

 2.2。光学卫星传感器 2.2.1。Sentinel-2 / MSI传感器

Sentinel-2任务包括双极轨卫星,Sentinel-2A Sentinel-2B,当时,分别推出了2015年6月23日和2017年3月7日。传感器在同一轨道,逐步在180°。轨道与太阳同步在786公里高度的轨道倾角98.62°,和地方太阳时降节点是十点半。轨道倾角和时间保证最低云量和最佳太阳照明。Sentinel-2卫星也与类似的卫星,包括陆地卫星和SPOT-5。

每个Sentinel-2卫星携带一个多光谱仪器(MSI),宽度约290公里,空间分辨率高10米,二十米,和60米,重温10天的时间与一个卫星和5天赤道的两颗卫星。哨兵MSI有13个光谱波段(430 nm - 2320 nm)可见,红色镶边,近红外、短波红外的光谱区域。high-temporal决议和12位放射决议,如Landsat-8传感器,MSI传感器提供了观察到的高辐射动力学领域非常的黑暗,例如,水表面,和非常聪明的地区,如冰雪。进一步观察,定位和带宽的陆地卫星奥利稍微更广泛的比MSI传感器光谱波段,也表示在表 1对其光谱带宽和位置。

可见的光谱和空间采样,近红外、短波红外成像乐队在陆地卫星奥利和Sentinel-2A。

Landsat-8奥利 Sentinel-2A MSI
乐队#和光谱范围 光谱分辨率(nm) 带宽(nm) 空间分辨率(m) 乐队#和光谱范围 光谱分辨率(nm) 带宽(nm) 空间分辨率(m)
B1-coastal气溶胶 435 - 451 16 30. B1-coastal气溶胶 433 - 453 21 60
B2-blue 452 - 512 60 30. B2-blue 458 - 523 66年 10
B3-green 533 - 590 57 30. B3-green 543 - 578 36 10
B4-red 636 - 673 37 30. B4-red 650 - 680 31日 10
B5-NIR 851 - 879 28 30. B8-NIR 785 - 900 106年 10
B9-NIR狭窄 855 - 875 21 20.
B6-SWIR-1 1566 - 1651 85年 30. B11-SWIR-1 1566 - 1655 91年 20.
B7-SWIR-2 2107 - 2294 187年 30. B12-SWIR-2 2100 - 2280 175年 20.

Sentinel-2A MSI的比较,只有类似的光谱波段陆地卫星奥利分析如表所示 1。

 2.2.2。Landsat-8 /奥利传感器

Landsat-8任务进行操作陆地成像仪(奥利)和热红外传感器(行动)。奥利收集九短波波段图像数据与空间采样或分辨率为30米(带1 - 7)和全色波段像素大小的15米(带8)。行动收集数据为两个长波热乐队在100米(带9)每16天,重新取样30米奥利多光谱波段相匹配。奥利传感器兼容早期的陆地卫星传感器和提出了改进的测量功能。相比美国landsat / ETM +, Landsat-8 /奥利改善辐射分辨率和减少图像噪声和光谱异质性。这是观察到的特别重大在精确的水面水质提取和检索 23]。

本研究利用陆地卫星奥利数据获得了2019年1月22日和Sentinel-2A卫星图像获得2019年1月25日。田野调查是在旱季,恰逢传感器并购从2019年1月23日至24日。Sentinel-2A,一级c是大气纠正错误使用哨兵的快速算法,导致二级产品的Sentinel-2 Sen2Cor处理器,其中包括场景分类和大气校正。

 3所示。方法

的一级数据Landsat-8奥利传感器包括了数字量化和校准值数量。相当于一级数据从Sentinel-2 MSI (TOA)反射率由顶部的气氛。在这项研究中,水质参数的检索研究地区的卫星传感器包括以下四个步骤:(i)派生的绝对TOA反射从陆地卫星奥利DN值扩展和扩展TOA Sentinel-2 MSI反射,分别为同系物乐队在表 1;(2)TOA转换反射表面反射,这是实际的反射来自水面;(3)表面反射率转换成相应的遥感反射率( R rs 这些乐队);及(iv)的水质参数的检索 R rs 利用提出的多元回归模型实证(EMRM)。

3.1。奥利Sentinel-2A预处理和陆地卫星数据集 3.1.1。TOA反射率推导和信噪比分析

推导和比较的TOA光学传感器,Landsat-8 1级,数字数字从每个乐队( B l 8 )转换为使用Landsat-8 TOA反射率元数据缩放因子和除以太阳天顶角的余弦值(见处理步骤( 3])。此外,陆地卫星使用Landsat-8逐像素计算太阳能和视角角度创建工具由美国地质调查局提供( https://landsat.usgs.gov/solar-illumination-and-sensor-viewing-anglecoefficient-file)和角系数与每个集合1 L1TP文件文件可用。Sentinel-2 MSI, TOA反射率和太阳能视图几何存储在元数据每5公里。

 3.1.2。表面反射来自前哨MSI和陆地卫星奥利

TOA反射推导,来自传感器的数据集转化为等效表面反射使用相同的算法以最小化任何偏见导致水质参数的推导反射系数的推导过程。LaSRC(地表反射代码)算法为陆地卫星开发和基于6 s辐射传输代码使用和采用Sentinel-2A TOA-to-surface反射率转换( 24- - - - - - 26]。为验证( 27),LaSRC的精度高于原来的陆地生态系统扰动自适应处理系统(LEDAPS)算法应用于Landsat-8奥利数据( 24, 26]。

从多传感器带宽比较表 1,观察MSI和奥利变量空间和光谱采样分辨率光谱敏感,这可能导致可变性反应相同的水面。确定光谱响应的意义,比较均匀修正传感器乐队的信噪比(信噪比)和大气的顶部(TOA)在空间上统一和明确的水体反射率区域。

 3.1.3。朗伯的BRDF-Adjusted反射

因为大部分土地表面没有传感器的双向反射分布函数(LBRDF),反射可能只是由于不同因素如太阳辐射的变化和视角几何学。由于双向影响,陆地卫星和Sentinel-2A片红色和近红外波段相对于红光可以随0.02 - -0.06和0.06 - -0.08,分别( 28]。这些差异和变化会导致重大的噪音影响可比性和大于传感器校准错误( 29日]。LBRDF反射调整,semiphysical方法为陆地卫星开发应用程序和演示也为Sentinel-2A工作( 28)是用于调整每个类似的表面反射率乐队0°最低点视图和观察到的太阳天顶角 23]。

 3.1.4。多传感器交叉频带的调整

陆地卫星的兼容性和可比性奥利和Sentinel-2A乐队,同系物乐队(表中观察到的差异 1)crossadjusted讨论( 30., 31日]。需要带调整以减少带宽的影响差异表中所描绘的一样 1。从表 2六个乐队(SWIR-1,蓝色,绿色,红色,近红外光谱和SWIR-2)使用crosssensor转换系数(表进行调整 2)来自结果的 31日]。大约同一crosssensor调整系数得到[ 32在陆地卫星奥利的协调和Sentinel-2A MSI传感器数据。

Crosssensor频带变换系数Landsat-8 [ 31日]。

乐队 Landsat-8奥利传感器 多传感器调整方程
拦截 坡
蓝色的 -0.0107 1.0946 B 年代 2 一个 = 坡 ∗ B l 8 + 拦截 , 在哪里 B 年代 2 一个 Sentinel-2A乐队和吗 B l 8 陆地卫星奥利乐队吗
绿色 + 0.0026 1.0043
红色的 -0.0015 1.0524
近红外光谱 + 0.0033 0.8954
SWIR-1 + 0.0065 1.0049
SWIR-2 + 0.0046 1.0002
3.2。经验回归模型检索的水质参数

在介绍和文献综述部分,本研究提出了使用EMRM,此前也从早期的方法提出了( 3]。使用EMRM,模拟建立多变量之间的相关性进行传感器频带相对于红光和测量 原位水质变量。表 3介绍了遥感反射率乐队组合(s)考虑EMRM Sentinel-2A和奥利陆地卫星数据的分析估计的水质参数。在表 3, 我 , j , k 指从陆地卫星传感器乐队奥利和Sentinel-2A数据集( B l 8 和 B 年代 2 一个 转换前),遥感反射率 R λ rs 和多波段调整使用crosssensor带转换。

Sentinel-2A MSI和Landsat-8奥利乐队组合(s)使用该EMRM水质参数检索。

乐队组合(s) Sentinel-2A乐队 陆地卫星奥利乐队
单一的乐队 B 年代 2 一个 1 = B 年代 2 一个 我 B l 81年 = B l 8 我
线性的乐队组合 B 年代 2 一个 2 = B 年代 2 一个 我 + B 年代 2 一个 j B l 82年 = B l 8 我 + B l 8 j
乐队的比率 B 2 一个 3 = B 年代 2 一个 我 / B 年代 2 一个 j B l 83年 = B l 8 我 / B l 8 j
混合的乐队组合 B 年代 2 一个 = B 年代 2 一个 我 / B 年代 2 一个 j + B 年代 2 一个 k B l 84年 = B l 8 我 / B l 8 j + B l 8 k

B l 8 和 B 年代 2 一个 分别是陆地卫星奥利和Sentinel-2A乐队,然后呢 B l 81年 量 4 和 B 年代 2 一个 1 量 4 是四个乐队组合模型1 - 4。

多元回归模型估算水库的水质参数是由确定定量测量之间的关系 原位水质参数和卫星的遥感反射率光谱数据。用于回归的实证模型 原位测量传感器组成的乐队组合是以下模型方程( 3), R λ rs 是相应的遥感反射率 B l 8 和 B 年代 2 一个 乐队和 一个 , b , c 是回归模型常数。

(一)线性。 一个 ∗ R rs λ + b 。

(b)多项式。 一个 ∗ R rs λ 2 + b ∗ R rs λ + c 。

(c)对数。 一个 ∗ 日志 10 R rs λ + b 。

(d)的权力。 一个 ∗ R rs b λ 。

(e)指数。 一个 ∗ e b ∗ R rs λ 。

EMRM发展十(10)中使用的采样点数据回归模型在模型校准和五(5)剩余的数据点(T7 T2, T5, T8, T13)被用于模型的验证。地表水样品从T1 T15采样在2019年1月在旱季和那些从t16.1 T18采样后5月的雨季。确定最佳模型,相关的决心 R 2 预测模型和laboratory-measured水质参数之间的排名,和模型适合入口显著性水平的测试 p = 0.05 和删除显著性水平为0.10。的 t 在95%的置信水平以及用于接受确定回归模型。基于采样点检索WQPs也空间映射到确定的浓度的空间分布WQP用普通克里格( 3]。

 3.3。WQP检索性能分析指标

确定和比较基于传感器之间的性能在水质参数的检索经验模型,回归结果相比 原位实验室测量使用以下错误矩阵:皮尔森相关系数 R ,确定系数 R 2 平均绝对误差(MAE),均方根误差(RMSE)和平均绝对百分比误差(日军%)表 4。在表 4, x 我 和 y 我 分别是,laboratory-measured(观察)和回归模型预测水质参数浓度在每个样本点吗 我 和 n 样本。

水质评估性能分析指标。

误差的估计量 误差方程
皮尔森相关系数和系数的决心 R = ∑ 我 = 1 n y 我 − y ¯ ⋅ x 我 − x ¯ / ∑ 我 = 1 n y 我 − y ¯ 2 ⋅ ∑ 我 = 1 n x 我 − x ¯ 2 , R 2
平均绝对误差 美 = 1 / n ∑ 我 = 1 n x 我 − y 我
均方根误差 RMSE = 1 / n ∑ 我 = 1 n x 我 − y 我 2
归一化平均绝对百分比误差 NMAE % = 1 / n ∑ 我 = 1 n x 我 − y 我 / x 我 ∗ One hundred.

图 2总结了方法论的方法检索的水质参数。

示意图工作流的方法检索从陆地卫星奥利和Sentinel-2A MSI水质参数。WQPs水质参数,EMRM实证多元回归建模算法,信噪比,信噪比和TOA大气顶部的反射。

 4所示。结果和讨论 4.1。信噪比(信噪比)清晰的水体

提出在节 3.1。2相比,传感器的响应在特定光谱带宽信噪比指标。从空间上统一和明确的水体,Sentinel-2A和陆地卫星奥利信噪比辐射性能测定使用L1C可见光和近红外波段的图像。值得注意的是,对土地的目标, 33典型的光辉]提供了信噪比的要求。图 3显示了来自当地的平均信噪比计算窗口面积比率的平均值,标准偏差( 信噪比 = μ / σ )。信噪比是决定使用 3 × 3 像素意味着TOA内核。所选的水体区域图中概述 4(空间区域A和B)。

信噪比在清除水体中的可见光和近红外光谱波段Sentinel-2A MSI和Landsat-8奥利。

TOA反射相关性散点图从陆地卫星奥利和Sentinel-2A红色和近红外波段的反射率清水表面(A和B)。

乐队的三个可见蓝色(490海里),绿色(560海里),红(665海里),陆地卫星奥利乐队表现出2 - 3倍信噪比的值对应的MSI乐队。在沿海气溶胶乐队(443海里),MSI比奥利在信噪比约高30%。因此,理论上它可以推断,由于信噪比的平方根成正比像素的面积( 34),然后聚合20 m-30米空间分辨率的MSI乐队应该能够提供类似或更好的在可见光波段辐射测量的质量比清水的奥利乐队的地区。相同的参数可用于聚合60米奥利沿海气溶胶乐队30%更高的信噪比在相应的MSI乐队。带调整和扩展,整个放射的MSI和奥利产品质量可以推导出可比对水生系统( 35]。进一步提出了多传感器带调整和扩展方法部分。

 4.2。Sentinel-2 MSI和Landsat-8奥利TOA反射比较

当比较两个传感器的TOA和表面反射率,空间子集(A和B)为选定的水体在图所示 4。的带间的光谱响应为选定的水体区域,陆地卫星奥利和Sentinel-2A光谱波段之间的散点图显示出高的相关性 R 2 > 0.876 表中的所有七个同系物的乐队 1。回归阴谋在图 4现在样品结果从红色和近红外光谱波段之间的相关性两个水体的空间子集场景A和b .红色和近红外光谱波段代表可见光和近红外波段的反射率,常用的水质模型( 3, 36- - - - - - 38]。回归结果表明,两个传感器包含几乎相似的光谱辐射信息,尽管边际差异在信噪比(图 3)。

图 4显示同样的场景水体,传感器有着密切的互相关的红色和近红外波段,也观察到的TOA反射图 5与陆地卫星的TOA奥利波长从Sentinel-2A略高于乐队。在图 5,TOA反射率值10000倍和10米Sentinel-2A乐队重新取样到30米空间分辨率与陆地卫星奥利。适度提高TOA反射在陆地卫星奥利证实了较高的信噪比。结果在图 5表明,陆地卫星奥利乐队现在比Sentinel-2A乐队TOA略高反射率。

对比TOA反射从Landsat-8奥利和Sentinel-2A MSI清水表面。

 4.3。比较传感器遥感反射率< inline-formula > < mml:数学xmlns: mml = " http://www.w3.org/1998/Math/MathML " id = " M65 " > < mml: mi > R < / mml: mi > < mml: mmultiscripts > < mml: mrow > < mml: mfenced开放= "("关闭= ")" > < mml: mrow > < mml: mi >λ< / mml: mi > < / mml: mrow > < / mml: mfenced > < / mml: mrow > < mml: mprescripts / > < mml: mrow > < mml:多行文字> rs < / mml:多行文字> < / mml: mrow > < mml:没有/ > < / mml: mmultiscripts > < / mml:数学> < / inline-formula >

比较的遥感反射率从Sentinal-2A 15个采样点和陆地卫星奥利呈现在图 6传感器带调整后,这表明,反射传感器的波段范围从0.003到0.009 Sr1。两个传感器,可见光和近红外波段显示典型的高反射率与短波红外成像相比乐队在水库。抽样站T2, T6、T9和T11描绘典型反射率高于其他采样点。这些采样点分别代表地区内大坝哪里有流入,边缘的大坝,大坝的最深最浅的部分。一般来说,坝内的反射模式遵循相同的模式从T1 T15尤其是Sentinel-2A数据,最深处有0.25 Sr的最高反射率1在陆地卫星奥利和0.087 Sentinel-2A MSI NIR和蓝色乐队,分别。在图 6,奥利显示了可见光波段反射率最高(B2-B4)和近红外光谱(B5)乐队,而Sentinel-2A显示较高TOA反射所有的老乐队在0.003以上1。这种观察类似于图观察到的信噪比的结果 3,近似统一反射的两个传感器可以归因于乐队调整使用LaSRC算法( 27]。

遥感反射率的变化在采样点。

 4.4。水质估计从Sentinel-2A和陆地卫星奥利 4.1.1。检索叶绿素——<斜体> < /斜体>

的 原位测试结果确定叶绿素的含量 一个在储层之间的值相差很大6.23 μg / L和113 μ29.91 g / L和平均 μg / L。由于储层保护从公共使用,观察到的背影 一个浓度是归因于流入水库的肥料渗滤液从周围的农场。渗滤液过程携带营养物质鼓励在水库藻类的生长。这可能会导致严重的富营养化如果不是持续监控。

从实证回归建模,数据 7和 8分别呈现的最佳回归模型估计的背影- - -的浓度 一个从Sentinel-2A和陆地卫星奥利。对于Senstinel-2A(图 7),一个二阶多项式适合被发现适合的背影——检索 一个使用 R λ rs 从绿色的区别(B3)和SWIR-1 (B11)乐队 R 2 = 0.7015 。这是大约15%的低精度比线性模型的预测的背影 一个从陆地卫星奥利 R 2 = 0.8581 从绿带(B3)(图 8)。而绿色的乐队是观察到的背影——的检测有重要的影响 一个从两个传感器,利用陆地卫星奥利可能是因为其更广泛的光谱带宽的绿带,即。,大约57比35 nm Sentinal-2A(表 2),因此,绿色带的位置和地球资源卫星信噪比奥利的背影——适合 一个检索。

原位提取叶绿素, 一个和Sentinel-2A波段反射率。

陆地卫星波段反射率和 原位的背影, 一个回归。

的背影,估计 一个从Sentine-2 Landsat-8相比都有较低的权值的意思 原位测量的背影, 一个(29.91 μg / L)。这证实了发达的适当性的背影——回归模型估算 一个在给定的收购案例研究大坝。

的总结表中给出了两个传感器的性能 5和 6最好的五个适合EMRM结果。结果表明,陆地卫星奥利能够检测的背影——的存在 一个与 R 2 高达0.86,Sentinel-2A相比 R 2 高达0.70。同样,从美统计趋势,NMAE %, RMSE是相同的 p 值= 0.055,在陆地卫星奥利MAE和RMSE较低,但相对NMAE %的背影——错误大小相同 一个检索从两个传感器。推理的结果是这两个传感器的背影——适合检索 一个,特别是使用绿色和蓝色乐队,因此,相对于的结果( 39],红色和近红外光谱波段信息检索的内陆水域的水质在这个案例研究中。绿色和蓝色波长适合检测藻华的高反射率绿色藻类物质,这是蓝颜色的水域。

回归模型的检索叶绿素- 一个从Sentinel-2A乐队。

的背影,Sentinel-2A回归模型方程 一个估计 乐队组合派生 R rs = x R 2 美 NMAE % RMSE
y = 466683年 x 2 − 39497年 x + 835.87 B 3 + B 12 量 B 11 0.6915 0.1613 8.7155 3.0357
y = 378524.04 x 2 − 30345.60 x + 616.37 B3 0.6300 3.4864 73.1354 27.3437
y = 395763年 x 2 − 44991年 x + 1288.2 B2-B11 0.7015 2.8672 44.7386 12.8408
y = 246622年 x 2 − 38346年 x + 1497.6 B 2 + B 12 / 2 0.6291 6.0437 67.4678 23.2026
y = 1748431.97 x 2 − 126132.79 x + 2289.87 B 2 量 B 11 / 2 0.6500 10.2352 73.3885 18.6211

回归模型的估计叶绿素- 一个从陆地卫星奥利。

Landsat-8奥利的背影——回归模型方程 一个估计 乐队组合派生 R rs = x R 2 美 NMSE % RMSE
y = 3188.9 x − 349.09 B 2 + B 3 0.8505 1.4128 59.5924 8.2940
y = 4050.2 x − 170.43 B3 0.8581 2.5596 54.0317 5.9591
y = 2749.1 x − 539.88 B 2 + B 3 + B 5 0.8568 0.4808 60.9354 9.9056
y = 402.73 ln x + 888.88 B 2 + B 3 0.8522 1.9835 60.1054 7.7013
y = 593.38 ln x + 964.48 B 2 + B 3 + B 4 0.8507 0.8458 61.4433 9.4775

相比之前的背影——估计的研究结果 一个,( 38]相比Landsat-8 L1T和Sentinel-2A L1C 原位测量叶绿素- 一个预测在阿根廷Cassaffousth水库。陆地卫星的模型与蓝色的组合乐队和蓝色/近红外光谱和绿色/近红外波段比值产生最好的结果 R 2 > 0.89 。最好的哨兵MSI模型是一个两变量模型使用蓝色乐队和(绿色/近红外波段比值 R 2 = 0.880 。( 13)还估计叶绿素- 一个Peipsi湖和湖Vortsjarv使用哨兵MSI R 2 = 0.83 ,使用蓝色和绿色。在试图估算叶绿素- 一个,( 40)表明,陆地卫星奥利产生平均叶绿素——但更好的结果 一个估计的案例研究湖Trichonis在希腊,比其前辈在地球资源卫星系列中,使用可见光和近红外波段。( 41]研究推导叶绿素——的潜力 一个和浊度使用塞齐盘深度在六(6)自然和五(5)个人工湖在希腊,使用Landsat-8的蓝色,红色,和SWIR-2乐队。回归验证表明成功的相关性 R 2 0.75叶绿素- 一个估计。( 11, 39)叶绿素-派生而来 一个利用陆地卫星奥利Barra Bonita热带水库。结果表明,NIR-red、NIR-green NIR-blue乐队比率产生最好的结果 R 2 大于0.70的背影——估计 一个浓度。

总之,与先前的研究相比,目前的研究进一步证实了可见光和近红外波段的适用性的预测叶绿素- 一个在内陆水体。叶绿素浓度的检测 一个使用开发经验方程可以为监测指标在内陆水体藻类的丰度,因为它提出了活跃的可见光和近红外波段的光学特性。

 10/24/11。TSS浓度估计

从实验室测量悬浮颗粒物的浓度较低,在可接受范围介于39毫克/ L和711 mg / L,储层平均为187 mg / L。最高浓度的背影,至于在同一个地区 一个,归因于流入的水从河流深度导致低的地区的风潮从水库底部的沉积物。由于储层深,沉积物往往更快解决导致颗粒物浓度普遍偏低。然而,高的颗粒物在给定的时间和地区传播的浓度藻华,因此观察到的背影,高浓度的 一个在同一储层区域。

使用EMRM算法的方法,最好的结果从Sentinel-2A TSS浓度估计是使用一个二阶多项式函数获得有关红乐队(B4)和近红外波段(B8) R 2 0.6113(图 9),相比 R 2 = 0.9249 从陆地卫星奥利带绿带(B3)之间的比例和蓝色乐队(B2)使用线性回归模型(图 10)。虽然TSS的原位测量的平均浓度是187 mg / L, RMSE和偏见是平均不到10 mg / L。这证实了发达的有效性模型估算TSS在水库。

对Sentinel-2A反射率测量TSS绘制。

陆地卫星遥感反射率和 原位测量TSS浓度。

卫星传感器的总体性能的检索TSS水库是总结在表内 7和 8最好的五个结果。在检索的背影 一个,可见光和近红外波段的最佳乐队TSS的估计。估计的准确性的TSS陆地卫星奥利(表 8)明显高于Sentinel-2A至少30%来衡量的 R 2 。美,NMAE %, RMSE也观察到遵循 R 2 从Sentinel-2A高值的趋势预测的预测相比陆地卫星奥利。表中的结果 7和 8显示可见光波段的位置在陆地卫星TSS估计具有重要的意义。

回归模型的估计从Sentinel-2A MSI TSS。

Sentinel-2A TSS估计回归模型方程 乐队组合派生 R rs = x R 2 美 NMAE % RMSE
y = 93011年 x 2 − 82773年 x + 18442年 B 4 + B 8 / B 4 / 2 0.6133 5.4969 4.3039 8.3845
y = 89013年 x 2 − 78936年 x + 17526年 B 8 一个 + B 8 / B 4 / 2 0.5940 9.5691 6.8105 13.4793
y = 83708年 x 2 − 73811年 x + 16299年 B 8 + B 8 / B 4 / 2 0.5998 6.6792 7.5058 12.9244
y = 19420年 x 2 − 26272年 x + 8945.4 B 4 / B 3 0.4846 23.7299 15.7569 24.8370
y = 46042年 x 2 − 32585年 x + 5822.6 B 3 + B 4 / B 3 / 2 0.4722 13.9118 12.9250 21.7248

回归模型的估计从Landsat-8 TSS奥利。

陆地卫星奥利TSS估计回归模型方程 乐队组合派生 R rs = x R 2 美 NMAE % RMSE
y = 2781.9 x − 1393.5 B 2 0.9240 4.7391 12.3842 3.3185
y = 27176年 x − 1184.6 B 3 0.9245 6.8510 29.896 12.8425
y = 2454.1 x − 1584.4 B 3 / B 2 0.9249 0.5473 0.7000 0.0349
y = 1714.7 ln x + 1171年 B 3 / B 4 0.9161 2.3885 9.3736 2.1329
y = 1905.3 ln x + 821.01 B 3 / B 2 0.9159 3.7496 12.1181 4.5714

奥利带3和乐队的意义2 TSS估计指出,归因于这样一个事实,水越深,越蓝光反映,因此蓝色和绿色波段的反射率越高。它也知道粒子沉降更高深静水。因此,通过关系,蓝光发现越高,粒子在水中的浓度越低。在绿带的情况下,大多数的悬浮物在水中藻类的形式。因此,更高的光量反映在绿色波长,藻类浓度越高,因此悬浮物的含量就越高。

相比以往的研究对TSS估计使用卫星数据,( 36)利用陆地卫星奥利检索的悬浮泥沙浓度在委内瑞拉奥里诺科河。最佳性能的TSS估计是红色和近红外波段,这类似于Sentinel-2 MSI在这项研究的结果。( 21)还发现,对鄱阳湖悬浮颗粒物预测在中国使用经验模型,Sentinel-2A MSI乐队7适合充满沉积物水域而Sentinel-2A MSI四级是适合清晰的水域。在普拉亚Colorada湾,墨西哥, 42)生成的实证模型对TSS和浊度估计利用陆地卫星图像。陆地卫星反射和之间的相关结果 原位测量结果表明,两种水质参数可以估计 R 2 在0.637和0.955之间的可比性与当前结果利用陆地卫星奥利。( 37)还估计TSS和乌拉尔湖湖在克什米尔地区的浊度。参数与单一陆地卫星奥利乐队和生产 R 2 大于0.5,( 43]估计TSS和 R 2 0.709使用可见光波段Poteran岛水域在东爪哇,印度尼西亚。

从目前的研究结果显示绿色的意义,红色,和近红外波长的TSS估计内陆水库水体,特别精度高使用Landsat-8奥利波长。Sentinel-2 MSI的TSS检索,然而,边际性能可以归因于光学电磁辐射与大气的相互作用导致低水面反射到传感器(闪烁)。因此,哨兵MSI的进一步修正 R rs 信号提出了改善造型TSS使用Sentinel-2数据的准确性( 13, 38]。

 4.4.3。浊度估计浓度在水库水域

与 原位浊度变化从1.36到7.42(南大南大和平均2.83南大,浑浊的水水库的特点是低。低浊度可以归因于低流入水库,特别是期间的水样本收集。最低充满沉积物流入雨水排放和河水的速度缓慢,沉积物的浓度会导致储层浊度很低。进一步,最大深度约150米,水库深度使解决底部的沉积物再悬浮的储层以最小的潜力被水流和波浪。因此,更高程度的沉降的沉积物导致储层低浊度。

经验的多元回归模型比较卫星反射数据和laboratory-measured水质因素,研究结果表明,浊度估计的两个传感器具有相同的精度 R 2 > 0.7 (数据 11和 12)。对传感器、可见光波段(蓝、绿、红)观察到主要的检索水库内的浊度。在图 11使用Sentinel-2A,浊度的最佳估计是 R 2 = 0.8004 ,这是与浊度估计用陆地卫星奥利 R 2 = 0.8134 。模型准确地预测浓度的浊度传感器作为RMSE和偏移误差措施小于最小值和平均值 原位浊度。

Laboratory-measured浊度和Sentinel-2A波段反射率。

陆地卫星波段反射率和 原位浊度测量。

表 9和 10给一个总结的最佳回归模型检索的浊度,显示出重大贡献从可见光波段传感器。误差度量美、NMAE %和RMSE,分别在同一传感器的大小范围。喜欢的背影——估计的 一个TSS、线性多项式回归模型是最好的WQP的检索。浊度的评估结果尤其重要,因为浊度被认为是最重要的水质参数之一( 44]。

回归模型的估计Sentinel-2A MSI的浊度传感器。

Sentinel-2A浊度估计回归模型方程 乐队组合派生 R rs = x R 2 美 NMAE % RMSE
y = 367.82 x 2 − 976.42 x + 649.13 B 2 / B 3 0.8004 0.0691 10.7144 0.3272
y = 971.47 x 2 − 1468年 x + 555.84 B 3 / B 2 0.7990 0.0746 10.4636 0.3290
y = 725.32 x 2 − 858.52 x + 255.91 B 4 / B 3 0.7353 0.7609 47.9432 1.5866
y = 118.8 x 2 − 401.92 x + 341.62 B 2 / B 4 0.7372 0.7656 45.71415 1.5877
y = 387.41 x 2 − 1103年 x + 786.37 B 1 + B 1 / B 2 0.7592 0.0035 6.9895 0.2192

回归模型的估计的浊度Landsat-8奥利传感器。

Sentinel-2A浊度估计回归模型方程 乐队组合派生 R rs = x R 2 美 NMAE % RMSE
y = 20.981 x − 8.901 B 3 / B 2 0.8134 0.1475 14.7203 0.4024
y = 102.56 x − 5.5003 B 3 + B 4 0.8125 0.1066 9.4289 0.7341
y = 90.319 x − 10.775 B 2 + B 3 + B 4 0.8123 0.1175 9.9483 0.7836
y = 20.254 ln x + 46.009 B 2 + B 3 0.7978 0.0489 14.5470 0.6069
y = 14.735 ln x + 30.802 B 2 + B 3 + B 4 0.7954 0.0865 10.5043 0.7350

浊度估计,可见和近红外光谱波段观测产生最好的结果。相对,浊度估计的准确性是几乎相等的两个光学传感器表明悬浮微粒是更高的反射波长越低,无论乐队或带宽。

评估的浊度作为重要的水质参数的提取直接关系到水下光渗透影响生产率,( 44显示从几个乐队组合,陆地卫星奥利四级(红色)最好的相关性 原位测量浊度系数的决心 R 2 0.84、分散指数的0.22和0.28南大的RMSE。( 45)最近还演示了使用多元回归模型和基因表达式编程(GEP)水库浊度可以提取 R 2 大于90%,使用可见光和近红外波段的组合。而高精度一直在观察浊度估计,在所有的研究中,大气校正被发现的一个因素WQP造型的准确性( 13, 22, 38]。

 4.5。验证的水质预测原位<斜体> < /斜体>测量

验证了回归模型的部分 4.4进行了使用五(5)取样站(T7 T2, T5, T8, T13)。验证结果展示在表 11车站,包括统计数据用于模型校准。TSS最高浓度的变化,观察到的背影——紧随其后 一个和浊度(至少)。从SD、简历和SE指标、陆地卫星奥利倾向于低估水质参数的浓度,而Sentinel-2A-based模型倾向于高估WQP相同,因此预测参数变异系数更高。

laboratory-measured描述性统计和预测水质参数(SD =标准差;简历=变异系数;SE =标准错误)。

水质参数估计和数据源 样品( n ) 最小值 马克斯 中位数 平均 SD 简历(%) SE
的背影, 一个( μg / L) 原位WQP测量 15 6.24 113.73 15.16 29.91 31.65 105.82 8.17
Landsat-8奥利 15 13.29 110.26 15.44 30.77 28.42 92.39 7.34
Sentinel-2A MSI 15 11.38 221.80 23.04 40.82 56.19 137.65 14.51
浊度(南大) 原位WQP测量 15 1.36 7.42 1.97 2.83 1.69 59.64 0.42
Landsat-8奥利 15 1.94 6.92 2.05 2.88 1.46 50.77 0.38
Sentinel-2A MSI 15 1.23 26.25 2.48 4.99 6.51 130.52 1.68
TSS(毫克/升) 原位WQP测量 15 39.00 711.00 95.00 187.00 197.88 102.23 49.36
Landsat-8奥利 15 38.12 702.60 60.23 169.68 195.70 115.34 50.53
Sentinel-2A MSI 15 35.51 573.74 127.78 177.06 157.98 89.22 40.79

在图的图形评估验证结果 13的背影, 一个、浊度和TSS表明五(5)验证取样站,检索的背影 一个和浊度匹配观察到测量Sentinel-2A和陆地卫星奥利,除了监测站T2, Sentinel-2A严重高估了的背影 一个和浊度浓度约4倍。TSS估算表 9和图 13显示较低的测量和验证结果与标准之间的符合传感器的误差在40%以上。

预测和验证的背影——采样点的变化 一个在水库、浊度和TSS。

略微降低Sentinel-2A的性能预测的选择WQP可能归因于两个因素,即:(i)传感器的光谱分辨率低的带宽和(2)较低的信噪比(信噪比)相比陆地卫星奥利可见光和近红外波段。然而,在四通道和近红外光谱波段可见,这项研究的结果表明,有足够的辐射修正或带调整,奥利和MSI都能够监测光学活性的水质指标。多传感器集成的协同作用与地球资源观测卫星8号Sentinel-2A MSI和Landsat-8将导致颞重温2 - 3天的时间,从而能够准确地捕捉连续内陆水体的动态特征评估。

总之,叶绿素的预测——的结果 一个、TSS和浊度证明成本效益的潜力,大规模,高频率使用的光学卫星遥感反射率数据监测光学活性的水元素。然而,发现水质测定元素的有效性和准确性依赖于卫星传感器使用,方法,以及水的性质进行了研究。

 4.6。光学活性的水质参数的空间分布 4.6.1。叶绿素——<斜体> < /斜体>分布

用普通克里格的建议( 3)的空间插值的背影- - -的浓度 一个观察和估计Sentinel-2A和陆地卫星奥利数据集呈现在图 14。它是观察到的叶绿素分布趋势 原位测量和陆地卫星奥利(数据 (14日)和 14 (b)分别)密切相关,是一个很好的高和低叶绿素——之间的巧合 一个集中的地区。最深的地区周围的最高浓度观测大坝的T9,与Landsat-8奥利略微低估了叶绿素- 一个浓度(99.43 - -110.20 μg / L),而laboratory-measured浓度从102.00到114.00不等 μg / L。相反,高的背影 一个集中地区,Sentinel-2A检索不配合使用陆地卫星测量和估计奥利明显,如图 14 (c)过高的总值和空间位置的变化。这种差异提供了令人满意的证据,如表所示 11和图 13,T2和T12-T14估计错误的背影 一个从Sentinel-2A略高。

空间分布的背影 一个从(a)浓度 原位测量和陆地卫星奥利(b)和(c) Sentinel-2A。

主要绿色波段的背影 一个算法推导出在这个研究中被认为是适合的背影——内陆水体系统, 一个是占主导地位的吸收器。等光复杂水域污染河流和湖泊,其他水组件的组合可能会导致虚假的背影 一个派生。这可以在陆地水体的影响的话,CDOM和nonalgal粒子能够吸收更短的波长在可见光谱,从而改变绿色反射率值可能导致过高的背影 一个( 46]。建立水体系统之间的差异,发展的不确定性和绝对精度算法的背影——应考虑 一个、TSS和浊度。

 4.6.2。TSS浓度分布

结果在图 15表明,大坝TSS的分布非常相似 原位实验室测量和估计的陆地卫星奥利和Sentinel-2A传感器。对于TSS和作为的背影——观察 一个,Sentinel-2A略有高估TSS浓度;然而,高、低浓度的峰值位置之间的TSS在公平的巧合卫星模型估计和测量值。

TSS浓度的空间分布(a) 原位测量和陆地卫星奥利(b)和(c) Sentinel-2A。

而部分的统计分析结果 4.5进行验证,发现空间插值结果描述TSS浓度分布比离散分析表 9和图 13。因此,尽管迹象的统计精度低,两个传感器可靠预测的TSS的一般分布在内陆水体。

 4.6.3。浊度浓度分布

浊度的分布在图 16观察到在巧合的背影——的趋势 一个(图 14),Sentinel-2A(图 16 (c)高估了浊度的浓度,而陆地卫星奥利估计(图 16 (b))与空间位置和地域分布密切相关的laboratory-measured浊度(图 (16日))。值得注意的是,尽管统计分析表明,两个传感器检测到的浊度与精度超过70%,然而展览空间分布地图不相同的精度高,特别是因为Sentinel-2A往往严重高估浊度(图 16 (c))。

从(a)浓度空间分布的浊度 原位测量和陆地卫星奥利(b)和(c) Sentinel-2A。

算法模型在当前的研究中可以应用到地图的背影 一个、TSS和浊度的Chebara大坝系统(数据 14- - - - - - 16)或其他水库在同一个地理位置。然而,具体算法的系数方程应修改匹配的biooptical特征WQPs出现在目标水库水域。对于复制,算法应该调整以适应不同的气候条件和季节为特定的水库和独特的水文特征。我们未来的重点是提高模型和收集 原位水库的数据在更大程度上在多个季节时空映射WQPs和为应用程序开发模型传递函数模型在大坝在同一地区。

 5。结论

本研究相比Landsat-8奥利和Sentinel-2A MSI卫星传感器获取的叶绿素- 一个、TSS和浊度在内陆的一个水库。清水表面,Landsat-8表现出更高的信噪比(信噪比)在可见光波段和略微高出水面反射的可见光和近红外光谱波段比相应的Sentinel-2A乐队。使用可见光和近红外波段和多元回归模型,实证的背影——的存在 一个从Sentinel-2A检索了62 - 70%的准确性,这是15 - 25%不到的背影 一个从Landsat-8估计。使用相同的多光谱波段,从Sentinel-2A TSS估计的准确性47 - 62%相比Landsat-8超过90%的准确性。浊度估计,两个传感器的性能与精度超过75%几乎相等。结果显示使用这两种传感器的潜力在水库水质检索,Landsat-8执行更好的估计测试参数。改善水质的准确性估计内陆水体,研究建议辐射校准和协同使用Landsat-8/9 Sentinel-2A / 2 b频繁水质评估。

 数据可用性

地球资源卫星数据来自美国地质调查局通过EarthExplorer ( https://earthexplorer.usgs.gov/),Sentinel-2从ESA前哨网上下载( https://sentinel.esa.int/web/sentinel/sentinel-data-access)。其余的数据用于支持本研究的结果包括在本文中。

 信息披露

作者进行了研究,土木及结构工程学系Moi大学肯尼亚。

 的利益冲突

作者宣称没有利益冲突。

 Khatri N。 Tyagi 年代。 自然和人为的影响因素对地表和地下水水质在农村和城市地区 生命科学前沿 2014年 8 1 23 39 10.1080 / 21553769.2014.933716 2 - s2.0 - 85027931197 Kulshreshtha s . N。 2025年全球水资源前景 水资源管理 1998年 12 3 167年 184年 10.1023 /:1007957229865 2 - s2.0 - 0032093117 欧 y . O。 Waga J。 Okech M。 Lavisa O。 Mbuthia D。 水库Bio-Optical水质参数估计使用智能手机的传感器应用和陆地卫星ETM +:审查和比较实验结果 杂志上的传感器 2018年 2018年 32 3490757 10.1155 / 2018/3490757 2 - s2.0 - 85059163270 布歇 J。 天气 k . C。 Norouzi H。 斯蒂尔 B。 地球资源观测卫星8并且检索算法的有效性评估地区淡水监控 生态应用程序 2018年 28 4 1044年 1054年 10.1002 / eap.1708 2 - s2.0 - 85047857635 29847690 马丁斯 诉。 巴博萨 c . c F。 德·卡瓦略 洛杉矶。 豪尔赫 d·s·F。 洛沃 f . L。 新生 e·M·l·M。 评估Sentinel-2 MSI图像的大气校正方法应用于亚马逊泛滥平原湖泊 遥感 2017年 9 4 322年 10.3390 / rs9040322 2 - s2.0 - 85017649527 Kutser T。 Paavel B。 Verpoorter C。 、细节 M。 Soomets T。 汤姆 K。 有格的 G。 遥感的黑色湖泊和使用810纳米反射峰获取光复杂水域的水质参数 遥感 2016年 8 6 497年 10.3390 / rs8060497 2 - s2.0 - 84974782909 欧 y . O。 中等和高分辨率对地观测的发展陆地表面成像:演进、未来趋势和对可持续发展的贡献 太空研究的进步 2016年 57 1 110年 126年 10.1016 / j.asr.2015.10.038 2 - s2.0 - 84988699192 Gholizadeh M。 Melesse 一个。 Reddi l 一个全面的综述水质参数估计使用遥感技术 传感器 2016年 16 8 1298年 1306年 10.3390 / s16081298 2 - s2.0 - 84982202437 27537896 欧 y . O。 Okuku c . O。 Njau e . N。 利用人工神经网络和多元线性回归模型预测河流溶解氧:案例研究水文流域河流Nyando,肯尼亚 复杂性 2020年 2020年 23 9570789 10.1155 / 2020/9570789 朱 W。 余 Q。 田 y Q。 贝克尔 b . L。 郑 T。 卡里克 h·J。 评估有色溶解有机物的遥感算法复杂的淡水环境 环境遥感 2014年 140年 766年 778年 10.1016 / j.rse.2013.10.015 2 - s2.0 - 84887391580 渡边 F。 阿尔坎塔拉 E。 罗德里格斯 T。 Imai N。 巴博萨 C。 机械的 l 叶绿素a浓度和估计Barra Bonita水电站水库的营养状态使用奥利/ Landsat-8图像 国际环境研究和公共卫生杂志》上 2015年 12 9 10391年 10417年 10.3390 / ijerph120910391 2 - s2.0 - 84940503900 26322489 锅 M。 罗德里格斯 G。 Penha a . M。 Novais m . H。 科斯塔 m·J。 萨尔加多 R。 莫莱斯 M . M。 使用的水质监测哨点2 - MSI Alqueva水库,葡萄牙 国际水文科学协会学报》(IAHS) 2018年 380年 73年 79年 10.5194 / piahs - 380 - 73 - 2018 2 - s2.0 - 85060922701 汤姆 K。 Kutser T。 Laas 一个。 然而 M。 Paavel B。 木钉 T。 第一个经验映射湖水质参数与Sentinel-2 MSI图像 遥感 2016年 8 8 640年 10.3390 / rs8080640 2 - s2.0 - 84983783905 他 W。 陈 年代。 刘 X。 陈 J。 在轻微污染内陆水体水质监测通过遥感——在北京官厅水库的案例研究,中国 在中国环境科学与工程前沿 2008年 2 2 163年 171年 10.1007 / s11783 - 008 - 0027 - 7 2 - s2.0 - 44749092787 锅 M。 科斯塔 m·J。 达席尔瓦 j . c . B。 席尔瓦 a . M。 莫莱斯 M。 水质参数遥感在Alqueva水库南部的葡萄牙 国际遥感杂志》上 2011年 32 12 3373年 3388年 10.1080 / 01431161003747513 2 - s2.0 - 79960067549 锅 M。 科斯塔 m·J。 萨尔加多 R。 卫星遥感Alqueva水库水浊度的影响湖造型 水文和地球系统科学 2012年 16 6 1623年 1633年 10.5194 /赫斯- 16 - 1623 - 2012 2 - s2.0 - 84861956214 IOCCG Sathyendrath 年代。 遥感海洋色彩在沿海,和其他optically-complex水域 2000年 达特茅斯大学,加拿大 国际海洋颜色协调小组的报告,3号,IOCCG 李 J。 罗伊 D。 全球分析Sentinel-2A Sentinel-2B和Landsat-8数据重新间隔和对地面监测的影响 遥感 2017年 9 9 902年 10.3390 / rs9090902 2 - s2.0 - 85029388912 泰勒 a . N。 猎人 p D。 Spyrakos E。 新郎 年代。 Constantinescu a . M。 厨房 J。 发展地球观测评估和监测的内陆,过渡,沿海和陆架海的水域 科学的环境 2016年 572年 1307年 1321年 10.1016 / j.scitotenv.2016.01.020 2 - s2.0 - 84956858229 26805447 Gernez P。 Doxaran D。 Barille l 贝类养殖从太空:潜在的Sentinel2监控tide-driven浊度的变化,叶绿素浓度和牡蛎生理反应在牡蛎养殖场的规模 海洋科学前沿 2017年 4 10.3389 / fmars.2017.00137 2 - s2.0 - 85020063837 刘 H。 李 Q。 史 T。 胡 年代。 吴 G。 周 Q。 应用前哨2 MSI图像检索在鄱阳湖悬浮颗粒物浓度 遥感 2017年 9 7 761年 10.3390 / rs9070761 Dornhofer K。 Goritz 一个。 解夏 P。 Pflug B。 Oppelt N。 水组分和水深度检索Sentinel-2A -第一次评估在一个贫营养湖 遥感 2016年 8 11 941年 10.3390 / rs8110941 2 - s2.0 - 85017614405 阮 联合国T。 范教授 l·t·H。 见鬼 t D。 一个自动水检测方法使用地球资源观测卫星8奥利和谷歌地球引擎云计算在新西兰地图湖泊和水库 环境监测和评估 2019年 191年 4 10.1007 / s10661 - 019 - 7355 - x 2 - s2.0 - 85063322743 Vermote e . F。 正义 C。 Claverie M。 法语 B。 初步分析地球资源观测卫星8的性能/奥利地表反射率产品 环境遥感 2016年 185年 国际空间站的2 46 56 10.1016 / j.rse.2016.04.008 2 - s2.0 - 84964645155 32020955 张 h·K。 罗伊 d . P。 严 l 李 Z。 黄 H。 Vermote E。 Skakun 年代。 罗杰 J.-C。 表征Sentinel-2A和Landsat-8大气,表面,最低点双向调整反射和归一化植被指数的差异 环境遥感 2018年 215年 482年 494年 10.1016 / j.rse.2018.04.031 2 - s2.0 - 85046147215 Vermote e . F。 Tanre D。 Deuze j·L。 赫尔曼 M。 Morcette J·J。 第二次模拟太阳光谱的卫星信号,6 s:概述 IEEE地球科学和遥感信 1997年 35 3 675年 686年 10.1109/36.581987 2 - s2.0 - 0031139633 Masek j·G。 Vermote e . F。 Saleous n E。 乌尔夫 R。 大厅 f·G。 Huemmrich k . F。 高 F。 Kutler J。 Lim t·K。 为北美陆地卫星表面反射率数据,1990 - 2000 IEEE地球科学和遥感信 2006年 3 1 68年 72年 10.1109 / LGRS.2005.857030 2 - s2.0 - 31144469238 罗伊 d . P。 李 J。 张 h·K。 严 l 黄 H。 李 Z。 检查Sentinel-2A多光谱仪器(MSI)反射各向异性和普遍的适用性方法规范化MSI反射率最低点双向反射调整 环境遥感 2017年 199年 25 38 10.1016 / j.rse.2017.06.019 2 - s2.0 - 85023617940 吹牛的人 F。 Bouzinac C。 Thepaut O。 荣格 M。 弗兰切斯科尼 B。 路易 J。 Lonjou V。 Lafrance B。 Massera 年代。 Gaudel-Vacaresse 一个。 Languille F。 Alhammoud B。 Viallefont F。 Pflug B。 Bieniarz J。 Clerc 年代。 Pessiot l Tremas T。 Cadau E。 德·博尼斯 R。 伊索拉 C。 Martimort P。 费尔南德斯 V。 哥白尼Sentinel-2A校准和产品验证状态 遥感 2017年 9 6 584年 10.3390 / rs9060584 2 - s2.0 - 85021146089 Barsi j . A。 Alhammoud B。 Czapla-Myers J。 吹牛的人 F。 Haque m . O。 Kaewmanee M。 利 l 马卡姆 b . L。 Sentinel-2A MSI和Landsat-8奥利放射交叉比较在沙漠的网站 欧洲遥感杂志》上 2018年 51 1 822年 837年 10.1080 / 22797254.2018.1507613 2 - s2.0 - 85052810231 查斯坦茵饰 R。 所 我。 戈尔茨坦 J。 Finco M。 Tenneson K。 实证交叉传感器比较Sentinel-2A和2 b MSI Landsat-8奥利,和美国landsat ETM +的大气光谱特性在美国相接的 环境遥感 2019年 221年 274年 285年 10.1016 / j.rse.2018.11.012 2 - s2.0 - 85057001016 商 R。 朱 Z。 协调地球资源观测卫星8和Sentinel-2:收集基于时间的反射调整方法 环境遥感 2019年 235年 111439年 10.1016 / j.rse.2019.111439 Drusch M。 德尔贝罗 U。 卡莉 年代。 科林 O。 费尔南德斯 V。 吹牛的人 F。 Hoersch B。 伊索拉 C。 Laberinti P。 Martimort P。 Meygret 一个。 Spoto F。 Sy O。 Marchese F。 Bargellini P。 Sentinel-2: ESA的光学分辨率通过运营服务的使命 环境遥感 2012年 120年 25 36 10.1016 / j.rse.2011.11.026 2 - s2.0 - 84859427372 Schott j . R。 遥感图像链的方法 2007年 第二版。 纽约 牛津大学出版社 弗朗茨 b。 贝利 s W。 吴市 N。 Werdell p . J。 海洋颜色测量与操作陆地成像仪Landsat-8: SeaDAS实现和评价 应用遥感技术杂志》上 2015年 9 1,第096070条 10.1117/1. jrs.9.096070 2 - s2.0 - 84925846565 Yepez 年代。 克 一个。 马丁内斯 j . M。 德山 J。 卡雷拉 j . M。 卡斯特罗 B。 年度最佳 M。 洛佩兹 j·L。 检索悬浮泥沙浓度使用Landsat-8奥利卫星图像在奥里诺科河(委内瑞拉) 政府建筑渲染的地球科学 2018年 350年 1 - 2 20. 30. 10.1016 / j.crte.2017.08.004 2 - s2.0 - 85038925835 Mushtaq F。 娘家姓的拉拉 m·G。 远程喜马拉雅湖的水质参数估计(克什米尔)使用地球资源观测卫星8奥利图像 Geocarto国际 2016年 32 3 274年 285年 10.1080 / 10106049.2016.1140818 2 - s2.0 - 84958059765 Bonansea M。 莱德斯马 M。 罗德里格斯 C。 Pinotti l 使用新的评估水质遥感卫星在一个水库 水文科学杂志 2019年 64年 1 34 44 10.1080 / 02626667.2018.1552001 2 - s2.0 - 85058146514 渡边 F。 阿尔坎塔拉 E。 罗德里格斯 T。 机械的 l 贝尔纳多 N。 Imai N。 并且基于遥感奥利/ Landsat-8和MSI / sentinel-2A (Barra Bonita水库、巴西) 巴西科学院学院上 2018年 90年 2 5 1 1987年 2000年 10.1590 / 0001 - 3765201720170125 2 - s2.0 - 85054513811 28876398 Markogianni V。 Kalivas D。 Petropoulos G。 Dimitriou E。 陆地卫星的可行性分析8图像在地中海贫营养湖水质参数评估 国际地质与环境工程杂志》上 2017年 11 9 906年 914年 Kontopoulou E。 Kolokoussis P。 Karantzalos K。 在希腊湖泊水质评估地球资源观测卫星8多光谱卫星数据 欧洲水 2017年 58 191年 196年 Gonzalez-Marquez l . C。 Torres-Bejarano f·M。 Rodriguez-Cuevas C。 Torregroza-Espinosa a . C。 Sandoval-Romero j . A。 水质参数估计使用地球资源观测卫星8图片:应用于盐湖Colorada湾,墨西哥锡那罗亚 应用测绘学 2018年 10 2 147年 158年 10.1007 / s12518 - 018 - 0211 - 9 2 - s2.0 - 85046761963 Lailia N。 Arafaha F。 Jaelania l Subehie l Pamungkasb 一个。 Koenhardonoc E。 Sulisetyonod 一个。 开发水质参数的检索算法估算总悬浮物和叶绿素使用Poteran地球资源观测卫星8号岛水域 ISPRS年报的摄影测量、遥感与空间信息科学、II-2 / W2卷,2015年联合国际地质信息会议2015年 2015年10月 吉隆坡,马来西亚 28 30. 广 n . H。 佐佐木 J。 Higa H。 黄ydF4y2Ba n . H。 浊度的时空变化,基于地球资源观测卫星8奥利在金兰湾和Thuy Trieu泻湖,越南 水 2017年 9 8 570年 10.3390 / w9080570 2 - s2.0 - 85027559680 刘 L.-W。 王 Y.-M。 造型水库浊度使用地球资源观测卫星8基因表达式编程的卫星图像 水 2019年 11 7 1479年 10.3390 / w11071479 2 - s2.0 - 85073889634 罗斯勒 C。 Uitz J。 Claustre H。 老板 E。 兴 X。 Organelli E。 布里格斯 N。 Bricaud 一个。 Schmechtig C。 Poteau 一个。 D 'Ortenzio F。 拉 J。 Drapeau 年代。 Haentjens N。 Barbieux M。 建议从原位获得无偏估计叶绿素叶绿素荧光计:全球分析湿实验室生态传感器 湖沼学和海洋学:方法 2017年 15 6 572年 585年 10.1002 / lom3.10185 2 - s2.0 - 85018757217