环境一号卫星CCD数据在太湖蓝藻水华遥感监测中的应用

利用环境一号卫星(HJ-1)CCD数据,对太湖水华进行遥感监测,并比对同时相的EOS/MODIS卫星遥感数据。结果表明,HJ-1星CCD数据具有优于EOS/MODIS数据的蓝藻水华识别能力,并有良好抗云层干扰能力,适合用于太湖蓝藻水华应急监测。     

江苏开展秸秆焚烧卫星遥感监测工作

为监控秸秆焚烧状况，江苏省环境监测中心于2008年着手开展利用遥感手段进行秸秆焚烧火点监测的技术研究，目前已形成基于EOS／MODIS卫星数据的遥感监测火点业务能力。自2009年5月13日起正式开展全省秸秆焚烧卫星遥感监测工作，每日编发《江苏省秸秆焚烧火点卫星遥感监测报告》，并将监测结果及时报送至省环保厅、省环境监察局，此举对加强江苏各地秸秆禁烧工作起到积极推动作用。     

环境监测卫星Suomi NPP业务特性及生态环境监测应用

介绍了美国2011年10月发射的环境监测卫星Suomi NPP的业务特性，利用该卫星获取的可见光/红外成像辐射仪VIIRS 遥感影像资料，开展了其在江苏省生态环境监测工作中应用效果研究。结果表明，NPP 卫星 VIIRS 载荷可有效地对江苏省太湖蓝藻水华、秸秆焚烧火点等进行遥感监测和分析，且观测性能较 MODIS 有所优化，还提供了夜间灯光强度、气溶胶、大气颗粒物等遥感产品，是生态环境监测的新型遥感信息源，可提升宏观生态环境问题的遥感监测能力。     

基于静止和极轨气象卫星融合算法的沙尘暴监测研究——以甘肃省为例

为了更好地对沙尘信息进行判别,文章综合应用极轨卫星和静止卫星沙尘监测的结果,对静止卫星红外差值沙尘指数产品与极轨气象卫星沙尘强度指数沙尘监测产品进行融合处理,同时结合国家沙尘天气影响环境空气质量监测网点中甘肃省9个监测网点数据和国家自动空气监测站点数据,对观测结果进行对比分析,将静止气象卫星与极轨气象卫星遥感沙尘监测结果进行较好地融合,更加准确地识别沙尘暴发生区域,有助于对沙尘暴的发生过程以及预警进行评估和分析。     

江苏省霾污染遥感监测业务化运行研究

从霾污染遥感监测业务化流程出发,选取EOS/MODIS为主要数据源,MODIS气溶胶产品及气象数据为辅,在数据预处理的基础上,利用LM-BP人工神经网络模型算法反演区域大气颗粒物浓度,分析了可获取的遥感监测指标及气象指标对霾污染的贡献率,筛选出可业务化的霾污染遥感评价指标。对2013年1月江苏省2次典型的霾污染进行了星地同步分析,从分析结果来看,霾污染遥感监测结果与地面实测结果基本一致,霾污染遥感监测可以作为地面监测的有效补充,宏观反映区域霾污染空间分布,为大气污染防治提供有力的技术支撑。     

湖南省生态环境遥感监测平台建设思考

简述了国内外遥感监测平台的发展现状,基于湖南省生态环境遥感监测现状进行了分析,指出遥感监测平台存在遥感监测与评估技术缺乏、监测能力薄弱以及监测网络建设不完善等问题。从平台建设架构出发,构建了数据平台,对卫星遥感数据、地面调查/监测资料、无人机航测数据进行管理、存储、分析等;业务平台,主要围绕水、气、土壤等整个生态环境监测体系开展相应的监测和管理,还可针对重点区域,环境督察等业务进行拓展;展示平台,主要是通过各种终端设备和硬件对各类业务进行可视化。提出发射独立高分遥感卫星、深化遥感监测应用研究、加强各部门协同合作等建议,以期为湖南省生态环境遥感监测平台建设与发展提供参考。     

2002-2021年渤海叶绿素a浓度变化及环境响应分析

基于2013-2021年渤海遥感反射率和叶绿素a浓度等实测数据,开展了该海域MODIS影像的叶绿素a浓度遥感反演模型研究。选择OC3经典模型形式,采用渤海的实测数据进行拟合分析,获取了适用于渤海的模型局地化参数,通过真实性检验得到叶绿素a浓度的遥感反演结果与实测值的决定系数为0.84,平均相对误差为24.77%,均方根误差为5.56 μg/L,反演精度较佳。利用该算法反演获取了渤海2002-2021年叶绿素a的月度、季度和年度平均浓度,分析了其时空变化特征,同时结合2001-2021年渤海非优良水质比例开展了环境响应分析。分析结果显示:2001-2021年,渤海非优良水质比例与同时期叶绿素a浓度变化趋势基本一致,呈现先变差后变好的倒V形趋势;5年平均的非优良水质比例与叶绿素a浓度变化趋势更直观地反映了2001-2021年渤海整体的水环境变化趋势,与非优良水质比例相比,叶绿素a浓度对渤海水环境的改善响应更快。     

核电站温排水卫星遥感监测应用研究

选取我国 HJ－1 B卫星红外相机为遥感数据源，在介绍了温排水卫星遥感监测的技术流程和基本原理之后，重点论述了海表温度反演的算法和基准温度提取的基本原则。以2013年1月17日大亚湾核电站和2013年5月22日田湾核电站2景 HJ－1 B红外相机数据为应用实例，说明了卫星遥感监测可作为开展核电站温排水影响监测与热污染评价的首选技术方向和主要监测手段，阐述了其在核电站温排水影响后评估中的作用和意义。     

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Landsat TM/ETM+/OLI遥感大数据分析南京市1984—2015年大气能见度变化趋势

对南京市1984—2015年Landsat 4／5／7／8卫星TM／ETM＋／OLI传感器获取的遥感数据，利用ENVI遥感软件的FLAASH大气校正模块，进行了区域大气能见度（ VIS）遥感反演。结果表明，时间跨度达30余年的Landsat卫星遥感数据影像序列反演的VIS呈明显的下降趋势，20世纪80年代数值较高，“差”能见度（＜10 km）的观测率不到6％，21世纪以来VIS下降明显，“差”能见度的观测率为20％～25％。与2010—2015年南京市PM10、PM2．5监测数据进行了对比，在城市空气清洁及污染较轻时，星地监测结果有较好的一致性，但中到重污染天气时FLAASH算法反演VIS偏高，侧重于代表离主城区距离远的偏远乡野山林地区的能见度状况。     

Development of MODIS data-based algorithm for retrieving sea surface temperature in coastal waters

A new algorithm was developed for retrieving sea surface temperature (SST) in coastal waters using satellite remote sensing data from Moderate Resolution Imaging Spectroradiometer (MODIS) aboard Aqua platform. The new SST algorithm was trained using the Artificial Neural Network (ANN) method and tested using 8 years of remote sensing data from MODIS Aqua sensor and in situ sensing data from the US coastal waters in Louisiana, Texas, Florida, California, and New Jersey. The ANN algorithm could be utilized to map SST in both deep offshore and particularly shallow nearshore waters at the high spatial resolution of 1 km, greatly expanding the coverage of remote sensing-based SST data from offshore waters to nearshore waters. Applications of the ANN algorithm require only the remotely sensed reflectance values from the two MODIS Aqua thermal bands 31 and 32 as input data. Application results indicated that the ANN algorithm was able to explaining 82–90% variations in observed SST in US coastal waters. While the algorithm is generally applicable to the retrieval of SST, it works best for nearshore waters where important coastal resources are located and existing algorithms are either not applicable or do not work well, making the new ANN-based SST algorithm unique and particularly useful to coastal resource management.     

On applications of remote sensing for environmental monitoring

Modern airborne and satellite remote sensing techniques offer attractive opportunities to coastal monitoring systems. Improvements of the evaluation of larger scales phenomena and processes due to the synopticity of the remote sensing data are of particular interest. However, some uncertainties and limitations about remote sensing must be considered. Microwave, infrared and visible radiation methods and their applications are briefly discussed and some applications are demonstrated. Special attention is paid to the remote sensing of various pollutants in the sea, in particular with respect to oil pollution.Promising developments of the remote sensing methods for coastal monitoring are to be expected from the European remote sensing satellite missions ERS 1 and ERS 2.Combination of these observations with simultaneous in situ measurements from ships (sea truth) appears to be most advantageous for the interpretation of the collected data.     

基于国产“风云三号”卫星MERSI的太湖蓝藻水华监测业务化应用

使用无锡市环境监测中心站环境遥感综合处理系统,对2017年7—11月FY-3/MERSI影像数据进行蓝藻水华提取分析,并通过当日与国外MODIS、VIIRS影像数据的蓝藻水华提取结果进行协同比对,验证FY-3/MERSI影像在蓝藻水华预警监测业务化应用的前景。结果表明,3种数据源均能实现蓝藻水华空间分布的业务化运行;由于卫星过境时间的不同,可综合利用这3种数据源观测太湖蓝藻水华在一天中的动态变化,分析蓝藻水华的发生规律。     

Assessment of chlorophyll-a variations in high- and low-flow seasons in Apalachicola Bay by MODIS 250-m remote sensing

Chlorophyll-a (chl-a) is considered as a primary indicator for water quality and foods for oyster growth in Apalachicola estuarine ecosystem. Assessment of chl-a concentration variation in response to river inflow is important for estuarine environmental research and management. In this study, remote sensing analysis has been conducted to evaluate the effects of river inflow on chlorophyll concentrations in Apalachicola Bay of Florida in the northeast Gulf of Mexico. A remote sensing model for chl-a was improved and applied to map spatial distributions of chl-a by using Moderate Resolution Imaging Spectroradiometer (MODIS) 250-m resolution imageries in high-flow and low-flow seasons in 2001 and 2008. Chl-a values approximately ranged from the minimum 6 μg/l to the maximum 29 μg/l in the study period. Maximum chl-a concentration in high-flow season was almost twice above that in low-flow season. The averaged mean and minimum chl-a level in the high-flow season were approximately 42 and 28 % higher than those in low-flow season, respectively. The remote sensing mapping of chl-a was able to show spatial variations of chl-a in the entire bay under different flow conditions, which indicated its advantage over the traditional field data sampling for monitoring water quality over a large area of estuary. The MODIS 250-m remote sensing regression model presented from this study can be used to support monitoring and assessment of the spatial chl-a distribution in the bay for environmental research and management in Apalachicola Bay.     

基于环境卫星CCD数据的黄海浒苔遥感监测

2007年以来,黄海海域每年夏季都发生大面积浒苔绿藻潮,影响沿岸人民的生活、生产。考虑到其分布范围动则几千、上万平方公里,水面监测很难实施,尝试利用遥感技术对其分布和发展变化情况进行监测。基于中国自主产权的环境卫星(HJ1)数据,采用经典植被指数算法和人工辅助判读方法,对2013年黄海浒苔暴发全过程进行了连续遥感监测,分析了此次浒苔过程的分布和漂移路线。监测结果表明,浒苔绿藻潮首发于江苏盐城东部海域,由南向北逐渐漂移,面积逐渐扩大,结束于青岛东北部海域;该期间,浒苔最大覆盖面积达663.54平方公里。     

巢湖蓝藻水华遥感监测初探

以巢湖为研究区,从2008年4月到11月,对巢湖水体的24个点位进行了连续的水体光谱测量,通过对蓝藻水华爆发程度与其光谱反射率之间关系的研究,确定遥感识别水华爆发级别的阈值,对四类不同爆发程度蓝藻水华光谱特征进行遥感识别,绘制巢湖蓝藻水华特征等级图。     

遥感技术在湖泊叶绿素ａ 监测中的应用研究———以太湖为例

水质遥感技术在湖泊水质监测领域内的应用具有十分积极的意义。在总结现有水质遥感反演方法的基础上，选取了遥感指数法和神经网络法两种理论完全不同的反演方法，构建太湖叶绿素a与MODIS影像波段间的函数关系，并从反演能力和反演精度两个角度对上述方法进行了比较研究。结果表明，神经网络模型的非线性特征能够敏感地把握住叶绿素a浓度变化在反射波谱信息上的微小响应，较为成功地反演出叶绿素a与反射光谱信息间的非线性关系。神经网络模型的反演能力和反演精度均优于遥感指数方法，具有较好的应用前景。