基于TM的太湖叶绿素a和悬浮物估测模型

叶绿素a和悬浮物是衡量湖泊水质状况好坏的重要指标。该文利用太湖Landsat TM遥感影像和准同步的65个实测样点数据,分别分析了Landsat TM中对太湖水体叶绿素a及悬浮物浓度的相关性。采用波段组合的方式,通过回归方程建立起叶绿素a和悬浮物的估测模型。结果表明(TM1+TM3)/TM1/TM3与叶绿素a相关性达到0.842,TM2+TM3与悬浮物相关性达到0.934。估测模型显示叶绿素a和悬浮物均有较好的估测结果。     

基于TM数据北京城区水体叶绿素a浓度反演方法研究

叶绿素是城市水体富营养化的重要表征参数.以北京城区重点水体为研究对象,利用2011年6月8日TM遥感影像及同步获取的实测数据,在对TM数据进行几何校正和大气校正等预处理的基础上,选取相关性最大的TM2/(TM1 +TM4)波段组合进行叶绿素a浓度反演;利用2008 ～ 2010年的历史TM影像及人工水质站点准同步的实测数据,对模型的精度及适用性进行分析得出:回归模型适用于30 m以上的北京城区水体叶绿素a浓度监测,相对误差为17.04％.     

太湖水域叶绿素a浓度的遥感反演研究

利用太湖水域MODIS遥感数据的各波段反射率组合计算值,与实测的叶绿素a浓度进行相关性分析,找到相关性最好的反射率组合,建立反演太湖叶绿素a浓度的遥感模型.结果表明,利用MODIS数据可以较好地实现对太湖水域叶绿素a浓度的定量反演计算,并以MODIS数据第3、第17波段的反射率组合作为遥感指数建立了反演叶绿素a浓度的模型.第3、第17波段的波长范围分别为459nm～479nm、890nm～920nm,这一波段选择与以往使用TM数据得到的结论有所不同.     

香港近海海域叶绿素a定量反演及时空变化分析

以2009~2019年HJ-1A/B卫星多光谱数据和对应日期的实测数据为数据源,通过预处理提取出各波段组合反射率并与实测叶绿素a浓度数据进行统计相关性分析,选取相关性最高的波段组合作为特征变量与2/3的实测叶绿素a浓度数据进行建模,并用剩下的1/3实测叶绿素a浓度数据进行精度验证以确定最佳遥感反演模型,最后根据最佳反演模型对2009-2019年的香港近海海域叶绿素a浓度进行反演,明晰该海域近10年的叶绿素a浓度时空变化特征.结果表明：利用HJ-1A/B卫星多光谱数据反演香港近海海域叶绿素a浓度的最佳波段组合为第3波段和第2波段比值（B3/B2）,相关系数（r）为0.893;最佳反演模型为利用B3/B2构建的e指数回归模型（Chl=0.004e^6.693(B3/B2)）,决定系数（R²）为0.934,均方根误差（RMSE）为0.255μg/L,平均相对误差（RPD）为25%;近10年香港近海海域的叶绿素a浓度时空变化特征：空间上整体呈现“东高西低,由东向西逐渐减小”的分布特征,西部海域比东部海域平均浓度低5μg/L左右;2017年内呈“春低秋高,夏升冬降”的随季节变化特点,其中秋季最高,夏春两季次之,冬季最低.     

基于Sentinel-2的平寨水库叶绿素a浓度反演

为实现对平寨水库叶绿素a的遥感监测,选取平寨水库2017年11月17—18日的实测叶绿素a浓度数据和准同步的Sentinel-2数据,通过选取最佳波段组合建立BP神经网络模型,对平寨水库叶绿素a进行反演,并分析其空间分布特征。结果表明:Sentinel-2红边波段对叶绿素a的敏感性优于可见光波段,在叶绿素a浓度反演方面具有较大潜力。相关系数最大的波段组合方式是:B5/B4、[1/B4-1/B5]*B6、[1/B4-1/B5]*B7和[1/B4-1/B5]*B8;BP神经网络模型可决系数R2为0.9160,平均相对误差为29.87%,反演精度优于三波段模型;平寨水库叶绿素a浓度空间分布差异明显,水面开阔的中心库区浓度较高,各支流上游河段浓度较低。Sentinel-2数据可较好地应用于喀斯特高原湖泊叶绿素a浓度反演,BP神经网络模型估测结果合理、可靠;研究结果可为平寨水库水环境治理提供科学依据。     

基于环境一号卫星数据的太湖叶绿素a浓度反演

环境一号卫星在大型水体水环境监测与评价中具有独特的优势。为探求遥感影像在水体叶绿素a浓度反演中的应用,基于环境一号卫星CCD数据和同步实测叶绿素a浓度值,通过影像辐射定标、大气校正和几何精校正等预处理获取水体反射率,分别将单波段和不同特征波段组合的反射率与实测叶绿素a值进行皮尔逊相关分析,选取R20.8的波段组合进行建模,通过对3种波段组合反演结果对比和精度验证,发现基于CCD数据第4波段与第3波段反射率比值的二次模型具有良好的反演效果,模型预测值与实测值的最小相对误差为0.76%,平均相对误差10.99%,均方根误差为0.007 6 mg/L,明显低于实测叶绿素a浓度的平均值;最后基于该模型实现了太湖叶绿素a浓度反演,并对叶绿素a的时空分布进行了初步分析。     

基于环境一号卫星的太湖叶绿素a浓度提取

综合环境一号小卫星的CCD数据和同步地面水质监测数据,发现可见光红波段与近红外波段的波段组合与叶绿素a实测浓度存在较高相关性,并以此为基础建立了3个提取水体表层叶绿素a浓度的遥感信息模型.经验证分析,基于近红外波段与红波段比值的模型用于叶绿素a浓度反演提取的精度良好,RMSE达到了6.04mg/m3.将该模型应用于环境一号卫星CCD数据,生成了2009年5~12月共8幅太湖水体叶绿素a浓度分布图,并对其进行了时空分析,结果符合实际,并与以往的研究结果相一致.但模型不适用于水生植被覆盖较多区域叶绿素a浓度估算.     

草型湖泊叶绿素a浓度时空分布特征及其与氮磷浓度关系

采用2006—2010年5—10月份乌梁素海监测数据,对叶绿素a浓度的时空分布特征及其与总氮、总磷浓度相关关系进行了分析。结果表明:乌梁素海叶绿素a浓度具有明显的时空分布差异性:在时间上,呈现出明显的季节性变化,5、6、9、10月份叶绿素a浓度较高,7、8月份叶绿素a浓度偏低,秋季≈春季>夏季,最高值出现在2007年9月,均值为9.01 mg/m3,最低值出现在2010年7月,均值为1.80 mg/m3;在空间上,南北部叶绿素a浓度以7.78 mg/m3为界,呈现北部区>南部区的趋势。通过叶绿素a与总氮、总磷浓度相关性分析得出,2006年5月叶绿素a与总氮、总磷(r=0.7450、0.7596)、2008年5月叶绿素a与总磷(r=0.5421)、2010年5月叶绿素a与总氮(r=0.5089)存在较好的相关性。     

基于TM/ETM+影响分析巢湖叶绿素a浓度变化趋势

对1995~2007年6景巢湖地区TM/ETM+数据利用多暗像元法进行大气校正并利用修正归一化水体指数(MNDWI)进行水体信息提取,在此基础上,使用(TM2+TM4-TM3)/ln[TM3]模型提取了巢湖水体叶绿素a相对浓度信息.结果表明:高浓度区域主要分布在巢湖西半湖;南淝河水质情况对巢湖蓝藻暴发的贡献较大;1995~2006年间高浓度区域扩大了1.82倍,并有向巢湖东部扩展的趋势,富营养化程度仍在加剧.     

一种基于GOCI数据的叶绿素a浓度三波段估算模型

以标准三波段算法为基础,构建了适用于GOCI影像数据的叶绿素a浓度三波段估算模型.并以三峡水库、巢湖、洞庭湖和太湖水体的289组实测叶绿素a浓度以及光谱数据作为基础,模拟了GOCI影像和MERIS影像波段,率定了模型参数,并与MERIS三波段算法和目前常用的GOCI波段比值算法进行了对比分析,最终用GOCI影像数据进行了独立数据验证.结果表明:1对目前的数据集,680 nm处和660 nm处的色素颗粒物吸收系数具有相对固定的比例关系,比值为1.351;2 GOCI三波段模型在模型率定中,得到与MERIS三波段模型近似的效果,线性拟合的决定系数为0.809,略低于MERIS三波段模型的0.820,但明显优于GOCI比值模型(0.450),有效避免了GOCI波段比值模型中在叶绿素a浓度低值区出现的"扩散"现象,体现出较好的普适性;3通过验证数据集中平均相对误差和均方根误差两个误差指标的对比,发现GOCI三波段模型误差表现与建模数据一致,与MERIS数据接近,明显优于GOCI波段比值模型;4通过GOCI影像的同步验证,发现GOCI波段比值算法会对太湖叶绿素a浓度产生明显的低估,且难以体现叶绿素a浓度空间变异.GOCI三波段算法效果相对较好.相比于目前常用的波段比值算法,GOCI三波段算法具有更高的稳定性和精度,有较强的应用潜力.     

滇池水体中叶绿素A含量的遥感定量模型

本研究利用滇池1999年4月14日陆地卫星TM数据与准稿步全湖面监测资料，对滇池全湖水体叶绿素A含量与不同波段遥感值的关系进行了关联度分析，并据此建立了TM图像感叶绿素A水质模型，该模型被成功地应用于滇池水体叶绿素A的遥感动态监测。     

乌梁素海Chl-a时空分布及相关水质因子研究

根据2010年1月-2015年11月乌梁素海水质因子监测数据,分析其Chl-a的时空分布及其与主要水质因子的相互关系.结果表明:河套灌区农田退水对乌梁素海Chl-a浓度变化产生较大影响,入口区高于湖心区与出口区.从空间分布上来看,Chl-a浓度分布呈现出入口区>湖心区>出口区的趋势;从时间分布上来看,呈现5月份>7月份>3月份>11月份>9月份>1月份,枯水期>丰水期>平水期.在采样时间段内,Chl-a与NO3-N与NO3-含量比成正比.     

滇池水体中总悬浮物含量的遥感定量模型

利用滇池 1999年 4月 14日陆地卫星 TM数据与准同步全湖面监测资料 ,对滇池全湖水体总悬浮物含量与不同波段遥感值的关系进行了关联度分析 ,并据此建立了 TM图像遥感总悬浮物水质模型 ,该模型被成功地应用于滇池水体总悬浮物的遥感动态监测。     

基于EOS/MODIS资料的太湖藻类动态模拟

建立了太湖藻类生长的动态模型,并将其与水动力模型和水质模型相耦合,利用2001年7～8月太湖的实测资料对模型进行了率定。借助该模型,对2004年8月太湖水体中TN、TP的变化以及藻类生长过程进行了模拟。利用中分辨率成像光谱仪EOS/MODIS的数据对太湖叶绿素a浓度进行遥感定量,将遥感监测数据和模型计算结果进行了比较。结果表明:该模型可进行风生湖流、TN、TP的模拟,以叶绿素a浓度描述的藻类浓度的模拟值能较好地拟合遥感监测值,且遥感监测图和模型模拟图所反映的全太湖叶绿素浓度分布基本一致。最后根据遥感和模拟对太湖全区的藻类分布作了具体的分析。     

内蒙古乌梁素海富营养化与环境因子的相关分析

文章利用2008年6～10月对乌梁素海水体的测定结果,以最能表现水体富营养化状态进程的叶绿素a为基准因子,分析了叶绿素a的时空分布特征。运用分层聚类分析法将乌梁素海现有的20个测点分成四类,然后应用修正的卡尔森营养状态指数对四类测点的水质进行评价,找出各类测点及总测点中与叶绿素a显著相关的环境因子,最后建立了多元逐步回归方程。2008年乌梁素海各测点叶绿素a的平均值为6.314mg/m3,变幅1.54～26.87mg/m3;在8、9月出现高峰,7、10月居中,6月最低,整个区域呈现较明显的东北高西南低的分布趋势。依据修正的卡尔森营养状态指数公式,计算得出乌梁素海TSIM平均值为65.1(53),全湖处于富营养化状态。应用SPSS统计分析软件进行相关分析的结果表明叶绿素a与BOD5、悬浮物、浊度、总磷都呈极显著正相关,与透明度呈极显著负相关,与pH值和溶氧呈显著负相关。综合逐步回归方程表明,影响乌梁素海叶绿素a的环境理化因子因不同类型的测点各有所不同,但主要的影响因子有浊度、悬浮物、总磷、总氮、硝酸盐氮和亚硝酸盐氮。     

基于GIS的乌梁素海水体富营养化状况的模糊模式识别

利用基于MATLAB 7.0实现的模糊模式识别交叉迭代模型对2006年5—10月分布于乌梁素海各水体功能区的21个水质监测点的富营养化等级进行了模糊模式识别,并在GIS技术支持下,用Arcview的空间分析功能绘制富营养化等级识别结果、对富营养化状态影响权重最大的评价指标总氮(TN)含量和富营养化状态控制元素总磷(TP)含量对应的富营养化等级水体和地表水质等级水体的空间分布月变化Grid专题图.将富营养化状态变化及其分布区域与乌梁素海同期水质监测指标浓度变化及其分布区域进行对比分析及验证.结果表明,富营养化等级识别结果的时空分布与实际情况相符,能够比较准确地反映富营养化等级定量的时空变化趋势.      

太原市迎泽湖富营养化控制的模型研究

针对湖泊富营养化问题,对太原市迎泽湖进行资料收集和长期水体监测,综合水动力模型、水质模型,融合参与湖泊富营养化的各种生命活动过程,建立湖泊富营养化耦合模型,用实测水质数据进行参数率定与验证,选取总氮、总磷、叶绿素a及透明度4项因子进行模拟,得出迎泽湖营养物质输移扩散及时空分布规律.结合迎泽湖实际情况,从补水方式、补水频率以及改变湖泊柔性结构三方面,提出改变水动力条件的方案并进行数值模拟,研究了各方案水动力、物质输移扩散的改进效果,结果表明,作为富营养化程度表征的叶绿素a在空间和时间分布上均存在一定的规律性,其浓度变化范围在0.035~0.105mg/L之间;藻类等浮游植物迅速增殖导致水质恶化水华暴发,而采取加大湖水水力循环和改善入口水质的控制方案,可有效改善湖水水质.