“哨兵-2”卫星影像及C2RCC算法在太湖冬春季水色分析中的应用

利用太湖2019—2022年冬春季“哨兵-2”卫星10 m分辨率的MSI影像和SNAP软件C2RCC (Case 2 RegionalCoastColour)模块,以适合浑浊、富营养程度较高、光学复杂的“二类水体”的C2X-nets为模式,开展太湖叶绿素a、总悬浮物浓度、透明度等水色参数反演。结果表明:冬春季太湖各湖区叶绿素a浓度处于较低水平,但4月中旬起有明显抬升;太湖西部沿岸区、南部沿岸区和湖心区总悬浮物浓度较高,表明这些湖区易受风浪影响,造成沉积物再悬浮;太湖东部沿岸区、北部湖湾及东太湖遥感反演的水体清澈度较高,可能与这些湖区冬春季沉水植物菹草的分布有关,菹草生长对水质有较好的净化效果。总体来看,基于C2X-nets模式的C2RCC反演算法从较高分辨率卫星遥感影像中提取的水色信息,能有效反映太湖冬春季水色指标的空间分布特征,可为湖体生态状况及动态变化的长期监测评估提供有价值的参考。     

基于哨兵-2 MSI数据的高邮湖水体叶绿素a浓度和总悬浮物浓度遥感反演

哨兵-2号卫星多光谱成像仪（MSI）数据的空间分辨率高,重访周期短,适用于高邮湖这类中小型湖泊的水质反演。利用实测水体光谱数据模拟出哨兵-2 MSI数据,并建立了适用于该数据在高邮湖反演叶绿素a（Chl.a）浓度和总悬浮物（TSM）浓度的模型。经过验证,Chl.a 的反演均方根误差（RMSE）为8.02 μg/L,平均相对误差（MRE）为18.4%,TSM的反演RMSE为16.2 mg/L,MRE为23.3%,表明该模型具备理想的反演精度。利用哨兵-2 MSI数据和建立的反演模型,可以获得高邮湖Chl.a 和TSM时空分布情况。初步分析发现,高邮湖这2项水质参数的分布与湖内的围网养殖和入湖径流之间存在一定关系。     

基于Sentinel-2与随机森林算法的太湖水生植被分布监测

基于2018—2021年太湖地区哨兵2号（Sentinel-2）卫星遥感影像和随机森林算法,结合植被敏感指数,开展太湖水生植被分布监测,综合分析了水生植被的时空变化特征,初步揭示了太湖水生植被的动态变化。结果表明,太湖水生植被分布面积有逐年上升的趋势,且年间变化具有明显的单峰型特征,表现为春季沉寂,夏季快速增长,秋季达到暴发期,冬季面积开始减退;太湖水生植被主要分布于东太湖、东部沿岸和贡湖,类型以沉水植被为主,其中浮叶植被主要分布于东太湖,挺水植被主要分布于东太湖沿岸的浅水区域;沉水植被主要分布于东部沿岸和贡湖;水生植被主要分布的东太湖水域,其水质总体优于太湖其他水域。     

基于Sentinel-2数据的苏州消夏湾生态安全缓冲区植被生长状况遥感监测评估

利用2021-2022年Sentinel-2卫星搭载的多光谱成像仪(MSI)遥感数据,通过SNAP遥感软件提供的植被生物物理参数处理模块(Biophysical Processor),反演了苏州消夏湾生态安全缓冲区的5种植被生物物理参数,包括植被吸收光合有效辐射比例(FAPAR)、植被覆盖度(FVC)、叶面积指数(LAI)、冠层叶绿素含量(CCC)和冠层含水量(CWC),开展植被生态环境监测评估研究.结果表明,该生态安全缓冲区2021年建成并投入运行后,植被覆盖度和生物量有所增加,区域植被冠层结构有所改善,植被生物物理参数从一定的角度反映了消夏湾生态安全缓冲区发挥了生态涵养成效.该研究方法能在大尺度上快捷、高效地反演植被生物物理参数,可为通过植被遥感动态监测评估生态安全缓冲区的生态功能提供有益的借鉴.     

基于“哨兵3号”卫星OLCI影像和C2RCC算法的南黄海叶绿素a及总悬浮物反演效果分析

利用遥感数据处理软件SNAP中基于神经网络技术的C2RCC算法,对2019年5月9日南黄海“哨兵3号”卫星OLCI影像数据进行了叶绿素a及总悬浮物浓度反演,将其与5月间江苏省海洋环境监测预报中心的海水表层叶绿素a和悬浮物实测数据进行了比较分析。结果表明,叶绿素a的遥感反演尚未能达到业务化应用,总悬浮物遥感反演结果的空间分布与实测值的一致性相对较好。但在星地同日或相差一天监测的南通海域,遥感反演叶绿素a浓度的空间分布趋势以及总悬浮物遥感反演结果与海面实测结果的一致性较好,可达到一定的业务化应用效果。     

基于欧洲航天局“哨兵-2A”卫星的太湖蓝藻遥感监测

欧洲航天局(ESA)2015年6月23日成功发射\"哨兵-2A\"卫星,该卫星搭载的多光谱成像仪(MSI)在可见光(VIS)至短波红外(SWIR)波长区间配置了多种光谱波段/地面分辨率组合,可以获取大范围、较短重访周期、较高空间分辨率(10 m)的遥感影像。以太湖2016年6月13日MSI数据为例,在完成大气校正的基础上,分析了太湖典型地物类型光谱特征,采用归一化植被指数(NDVI)结合叶绿素反射峰强度(ρchl)构建的综合阈值法对贡湖湾的蓝藻水华信息进行了提取实验。结果表明:\"哨兵-2A\"卫星MSI影像质量清晰,可精细地反映植被、蓝藻、水体等典型地物类型的光谱特征;ρchl指数对中-高蓝藻聚集区与水生植被、轻度蓝藻聚集区与混合水体具有较好的分离能力;利用综合阈值法提取贡湖湾中-高蓝藻聚集区面积为60.37 km2,主要分布在贡湖北部沿岸、湖心和南部沿岸。\"藻-水\"混悬体面积为79.49 km2,贡湖湾东部蓝藻水华相对较轻。     

基于哨兵-3A卫星OLCI数据的最大叶绿素指数在太湖蓝藻水华监测中的应用

欧洲航天局于2016年2月16日成功发射哨兵-3A卫星,搭载的水色遥感仪器(OLCI)提供了很好的海洋和内陆水体生态指标观测反演能力。基于OLCI获取的太湖L1b级遥感数据产品,利用OLCI Oa10、Oa11、Oa12波段计算了重要的水色/水生态遥感指标,即最大叶绿素指数(MCI),在此基础上初步分析了MCI在太湖蓝藻水华监测预警中应用效果。研究表明:(1)哨兵-3A卫星OLCI影像质量清晰,构建的MCI能够反映太湖水体叶绿素信号强度;(2)与常用的归一化植被指数相比,在蓝藻没有明显积聚的藻-水混悬水域,MCI与叶绿素浓度有很好的关联,可更灵敏地反映叶绿素浓度的空间分布特征。MCI将在蓝藻监测上具有更好的适用性,可有效提高富营养湖泊蓝藻水华的预警预报精度。     

建立基于CBERS数据的环境卫星遥感信息系统

介绍了应用于生态环境、环境质量监测、环境污染事故应急监控等环境保护领域的环境卫星遥感信息系统,提出应以国家、省、市三级行政区为单元,建立卫星影像动态数据库和查询系统,以满足生态环境观测信息处理需求.并以辽宁省为例,构建了省级CBERS环境卫星遥感信息系统.     

基于卫星数据的灰霾污染遥感监测方法及系统设计

以中分辨率成像光谱仪为例,建立了卫星遥感参数和空气污染指标之间的联系,提出了基于卫星遥感的气溶胶光学厚度数据获得灰霾指数和灰霾污染时空气质量指数(AQI)等级的方法和相关的监测系统设计。结合在华北地区的监测结果,可以看出卫星遥感可以较好地反映灰霾污染程度的变化,有助于发现可能的传输通道,获得宏观的灰霾空间分布状况。在研究时段内,与地面空气质量监测站相比,88%的卫星遥感监测结果误差不大于1个AQI等级,平均的AQI等级偏差为0.7级,并分析了卫星遥感与地面监测之间差异的原因。     

基于Sentinel-3 OLCI影像的渤海FUI水色指数遥感提取及应用

水色是水体水文学特征的基本要素之一。水色测定主要是采用福莱尔比色表(Forel-Ule Scale)将自然水体按颜色从深蓝到红棕共分为21个级别,用以观测、记录海洋和内陆水体的颜色。基于2020—2021年大辽河口、黄河口西南及秦皇岛近岸海域的现场实测数据和同步Sentinel-3 OLCI影像,验证了FUI水色指数遥感提取结果的准确性,发现当现场测量时间与卫星过境时间接近时,FUI水色指数遥感提取结果与实测结果基本一致。利用2021年1—12月Sentinel-3 OLCI影像,提取了渤海月均FUI水色指数遥感产品,发现渤海FUI水色指数的主要变化区间为5~17,整体呈现辽东湾、渤海湾及莱州湾沿岸海域高,秦皇岛海域及其他离岸海域低的空间分布特征,且存在秋冬季高、春夏季低的时间变化规律。此外,FUI水色指数对诸多海洋生态环境问题具有显著的指示功能。尝试将其应用于海洋水色异常和海水水质类别观测,均取得了较好的应用效果。由此可见,FUI水色指数遥感提取将在今后的海洋生态环境监测与评价方面发挥重要作用。     

珠江三角洲城市群及高海拔地区表层土中有机氯农药的空间分布特征

利用GC-ECD方法测定了珠江三角洲城市群及高海拔地区表层土壤中的有机氯农药。有机氯农药变幅为2.4~78.7 ng/g,平均15.9 ng/g。最高值出现在江门。总HCHs变幅为ND~19.2 ng/g,平均2.91 ng/g, 最高值出现在佛山。总DDTs变幅为ND~74.6 ng/g,平均值为9.91 ng/g。最高值出现在东莞。六氯苯在佛山较高。灭蚁灵在深圳的污染较其它地区严重。总体来说,HCHs污染程度较低,但部分地区有林丹的使用;有些采样点DDTs的污染程度超过了国家土壤环境质量标准的一级自然背景值,且有些区域可能有非三氯杀螨醇的DDTs外源输入。     

Temporal and spatial change detecting (1998–2003) and predicting of land use and land cover in Core corridor of Pearl River Delta (China) by using TM and ETM+ images

Land use/land cover (LULC) has a profound impact on economy, society and environment, especially in rapid developing areas. Rapid and prompt monitoring and predicting of LULC’s change are crucial and significant. Currently, integration of Geographical Information System (GIS) and Remote Sensing (RS) methods is one of the most important methods for detecting LULC’s change, which includes image processing (such as geometrical-rectifying, supervised-classification, etc.), change detection (post-classification), GIS-based spatial analysis, Markov chain and a Cellular Automata (CA) models, etc. The core corridor of Pearl River Delta was selected for studying LULC’s change in this paper by using the above methods for the reason that the area contributed 78.31% (1998)–81.4% (2003) of Gross Domestic Product (GDP) to the whole Pearl River Delta (PRD). The temporal and spatial LULC’s changes from 1998 to 2003 were detected by RS data. At the same time, urban expansion levels in the next 5 and 10 years were predicted temporally and spatially by using Markov chain and a simple Cellular Automata model respectively. Finally, urban expansion and farmland loss were discussed against the background of China’s urban expansion and cropland loss during 1990–2000. The result showed: (1) the rate of urban expansion was up to 8.91% during 1998–2003 from 169,078.32 to 184,146.48 ha; (2) the rate of farmland loss was 5.94% from 312,069.06 to 293,539.95 ha; (3) a lot of farmland converted to urban or development area, and more forest and grass field converted to farmland accordingly; (4) the spatial predicting result of urban expansion showed that urban area was enlarged ulteriorly compared with the previous results, and the directions of expansion is along the existing urban area and transportation lines.     

基于特征选择和机器学习的阳澄湖叶绿素a遥感反演研究

利用2016-2020年Sentinel-2多光谱遥感影像和同步实测叶绿素a浓度数据,提出了一种基于特征选择和机器学习的叶绿素a遥感反演方法,并应用于阳澄湖.结果表明,特征选择方法在反演模型的自变量选取上具有较好的应用效果,基于此建立的随机森林模型在阳澄湖叶绿素a反演上具有较优的验证精度;2016-2020年阳澄湖叶绿...     

珠三角地区区域空气质量实况发布体系建设

在分析国内外空气质量发布情况的基础上,确定了区域空气质量实况发布的内容与形式,并以此为指导优化了区域空气质量监测网络,创立了网络化质量保证与质量控制体系,建立了发布数据的自动化审核方法与工作流程,开发了区域空气质量空间分析优化算法与集成展示技术,设计、研制了区域空气质量实况发布平台,并创新了实况发布体系运行管理机制,顺利实现了珠三角区域空气质量实况发布。同时对我国空气质量信息发布进行了展望。     

珠三角滨海地区地下水水质自动监测技术的适用条件和方法初探

针对珠三角滨海地区地下水含有高氯化物、高铁离子等的水质特征,通过开展多次自动仪器与实验室手工比对监测,验证了氨氮、耗氧量（COD_Mn法）、锰、氯化物等水质参数自动监测分析方法在地下水中的适用性。结果表明,使用蒸馏预处理+水杨酸分光光度法自动仪器监测该区域地下水中的氨氮,其监测结果与实验室手工监测结果有较好的一致性,潜水井相对误差为2.15%～22.7%,承压水井相对误差为2.82%～9.45%;使用高锰酸钾氧化-光度滴定法自动仪器监测该区域地下水潜水中的耗氧量,其监测结果与实验室手工监测结果一致性较好,相对误差为9.17%～12.9%;使用高碘酸盐法自动仪器监测该区域地下水中的锰,其监测结果与实验室手工监测结果有较好的一致性,潜水井相对误差为5.78%～23.2%,承压水井相对误差为8.94%～35.1%;使用离子选择性电极法自动仪器监测该区域地下水中的氯离子,其监测结果与实验室手工监测结果均有较好的一致性,潜水井相对误差为3.01%～29.4%,承压水井相对误差为0.61%～9.95%。该研究可为建立统一、规范的地下水水质自动监测技术体系提供经验和参考。     

珠三角区域空气质量预报方法及预报效果评估

介绍了珠三角区域空气质量预报的\"六步法\"流程,并对2015年空气质量等级和首要污染物预报准确率进行评估研究。结果表明,2015年珠三角区域空气质量以优良为主,24 h等级预报准确率1月最高2月最低,平均准确率为87.6%;出现的首要污染物种类包括PM2.5,PM10,O3-8 h和NO2,预报准确率9月最高3月最低,平均准确率为72.7%。     

考虑周期性的深度学习臭氧预测模型研究

构建了一种长短时记忆神经网络(LSTM)和全连接神经网络(FC)结合的臭氧(O 3)预测模型(LSTM-FC),并考虑O 3质量浓度的周期性变化规律,以珠三角为例,实现了对其进行高精度预测的目标。结果表明:(1)考虑周期性的LSTM-FC模型24 h预测结果的均方根误差(RMSE)为16.08μg/m^(3),决定系数(R^(2))可达0.82,相比未考虑周期性的模型,精度提升了32.28%。(2)考虑周期性的LSTM-FC模型对O 3质量浓度低值部分能够取得更精确的预测结果,对高值部分低估的现象改善效果显著。考虑周期性后,大于《环境空气质量标准》(GB 3095—2012)中O 31 h平均质量浓度一、二级限值的预测结果均得到了一定改善,RMSE分别下降了18.71%和34.90%,R 2分别提升了40.42%和134.04%。研究结果表明,考虑周期性的LSTM-FC模型在O 3预测方面具有良好的拓展性和应用潜力。     

西太平洋台风“苏迪罗”对我国珠三角地区臭氧污染影响研究

通过资料分析和数值模拟开展了2015年8月1日—10日台风“苏迪罗”对珠三角地区臭氧（O₃）污染影响的机理研究。结果表明,2015年8月5—8日,在台风接近登陆点的过程中,台风外围天气导致了高温、高辐射和静小风等气象条件,促进了光化学反应的进行和污染物的局地积累。同时,高温、高辐射等气象条件加剧了植被源区生物源挥发性有机物（BVOCs）的排放。采用化学传输模式模拟发现,植被BVOCs对O₃污染的贡献最高可达24×10^-9。结合拉格朗日粒子扩散模式（LPDM）探索了影响珠三角地区的主导气团,发现珠三角城市地区和高BVOCs源区存在交互传输的现象。污染期间,高BVOCs源区的一次排放产物（BVOCs）和二次产物(O₃)经区域输送加剧了珠三角地区O₃的污染。此外,研究发现台风外围条件下珠三角内陆盛行的偏北风与海陆热力差异引起的海风在沿海地区辐合,造成污染物局地积累,加剧并延长了O₃污染。研究有利于加强对O₃污染机理的认识,进而更好地采取针对性措施,有助于减小O₃污染带来的危害。     

博斯腾湖矿化度遥感反演及空间分布特征研究

以我国最大的内陆淡水湖——博斯腾湖为研究对象,利用Terra/MODIS L1B空间分辨率为250 m和500 m的遥感反射率数据及湖水矿化度实测数据建立线性回归模型,分析湖表面矿化度的空间分布特征。结果表明:空间分辨率为500 m的1~7个波段组合建立的多元线性回归模型相关性最高(R~2=0.70),模型验证结果显示,实测值和反演值的相关系数(R~2)为0.82,均方根误差(RMSE)为0.12。利用最优模型对博斯腾湖湖面矿化度进行反演,其分布存在明显的空间梯度,西北、东北和东南湖区矿化度较高,而西南湖区和湖区南部矿化度较低。