首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到17条相似文献,搜索用时 88 毫秒
1.
叶绿素a浓度是反映湖泊富营养化状态的一个重要参数。以MODIS L1B数据为基础,结合叶绿素a浓度实测数据,基于经验分析法实现了西藏典型湖泊叶绿素a浓度反演研究,并探索了西藏典型湖泊2019年春、夏、秋季叶绿素a浓度的时空变化特征。首先,利用叶绿素a浓度实测数据和MODIS L1B影像不同波段的反射率值进行组合试验,选择最佳波段组合建立模型;其次,分别选用2015年、2017年叶绿素a浓度实测值和反演值对模型进行对比验证;最后,利用叶绿素a浓度反演模型对西藏典型湖泊2019年春、夏、秋季叶绿素a浓度的时空变化特征进行分析。结果表明:在空间尺度上,西藏典型湖泊叶绿素a浓度整体上呈现出周围高、中部低的分布特征,且湖岸水体叶绿素a浓度变化较大;在季节尺度上,不同湖泊叶绿素a浓度的季节变化存在较大差异,格仁错和色林错的季节变化幅度较大,纳木错、塔若错和羊卓雍错的季节变化幅度较小。  相似文献   

2.
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。  相似文献   

3.
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。  相似文献   

4.
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。  相似文献   

5.
利用实测光谱数据及水体叶绿素浓度数据建立了基于MODIS数据的叶绿素反演模型,并利用MODIS L1B数据对研究区的叶绿素浓度进行了反演。通过分析烟台近海水体叶绿素浓度分布得出,烟台近海水体叶绿素浓度由沿岸向海延伸,叶绿素的浓度逐渐增加;通过不同月份的叶绿素浓度分布状况发现,夏季水体叶绿素浓度含量最高,冬季最低。  相似文献   

6.
基于Landsat-5 TM数据和地面同步水质监测数据发现,近红外波段与红色波段比值与叶绿素a实测浓度存在较高相关性,并以此建立了提取水体表层叶绿素a浓度的遥感信息模型。经验证,该模型用于叶绿素a浓度反演的精度良好,平均相对误差为14.5%。将该模型应用于Landsat卫星系列数据,提取了东平湖1985-2015年每年度丰水期叶绿素a浓度信息,得到共31幅东平湖叶绿素a浓度分布图,并对其进行了时空分析。结果表明:1985-2015年,东平湖叶绿素a平均浓度范围为32.4~81.4 μg/L,空间分布上一般表现为湖周边浅水区高于湖中心深水区,且空间差异变化明显;时间序列上,东平湖叶绿素a浓度表现出一定的波动性,在1987、1988、1992年出现较高值,总体看来,在95%置信水平上秩相关系数为-0.592,浓度呈下降趋势。  相似文献   

7.
基于环境一号卫星CCD数据的巢湖叶绿素a的动态监测   总被引:3,自引:1,他引:2  
环境一号卫星CCD数据具有获取周期短、空间分辨率高等特点,能够及时准确地监测叶绿素a的浓度变化和分布,其在内陆湖泊水质遥感监测方面具有良好的应用前景。文章通过星地同步地面实验,建立起巢湖水体的叶绿素a浓度遥感反演模型,利用2009年4月至2010年3月的环境一号卫星CCD数据,分季节对巢湖叶绿素a行动态监测和分析。结果表明,巢湖叶绿素a具有明显的时空分布特征,夏季叶绿素a浓度最高,冬季最低,秋季高于春季;西半湖湖区叶绿素a浓度一般高于东半湖湖区,西北部和中部湖区空间变化比较大,东部湖区变化较小。  相似文献   

8.
利用"哨兵-3"卫星OLCI影像数据,基于其619,665,681,709,753和885 nm中心波长对应的6个波段构建的最大特征峰高度(MPH)算法,采用SNAP 7. 0遥感专业软件,计算了典型日期太湖MPH算法得到的叶绿素a浓度、浮藻区、藻水混悬区、水草区的分布。结果表明:(1) MPH算法能够精确地识别太湖水草和蓝藻;(2) MPH算法能够提取稠密铺集水表层的"浮藻区",并区分出藻密度较小、水华现象轻微~轻度、蓝藻主要浸没在水面以下的"藻水混悬区"。与MODIS、VIIRS等常用的蓝藻水华遥感传感器相比,OLCI展现了更出色、更精细化的水生态遥感监测能力,可提高蓝藻水华预警预报水平。  相似文献   

9.
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年阳澄湖叶绿素a浓度总体呈上升趋势,2018年浓度有所降低;阳澄东湖叶绿素a浓度相对较低,叶绿素a浓度高值区集中分布于阳澄西湖中部和北部,入湖河道带来的营养盐可能是引起该区域叶绿素a浓度升高的主要原因。  相似文献   

10.
水质监测对水环境评价及污染预防至关重要,但地面监测成本高、监测面积有限等,难以满足实时、大范围监测的要求。为了更好地解决该问题,基于遥感影像的空中监测技术越来越得到研究人员的青睐。以木兰溪为研究区,利用和地面监测数据同步的Landsat-8卫星遥感影像数据,对木兰溪的典型水质参数总磷、总氮、溶解氧、高锰酸盐指数的反演问题进行研究。首先,根据Landsat-8的水体敏感波段,分别选取总磷、总氮、溶解氧、高锰酸盐指数的反演特征波段组合为(b1-b2)/(b2+b3),(b1-b2)/(b3-b4),b2/(b1+b4),b1/b2;其次,利用反演特征波段组合分别构建总磷、总氮、溶解氧、高锰酸盐指数浓度的SVR(Support Vector Regression)反演模型,通过IPSO算法对SVR模型的参数进行优选;然后,将IPSO-SVR反演模型和统计回归反演模型、广义回归神经网络(GRNN)反演模型在验证集上进行评估,以平均绝对误差和均方根误差作为评价指标进行对比分析,结果表明IPSO-SVR反演模型的平均绝对误差和均方根误差最小,说明IPSO-SVR反演模型具有较高的精度和较好的实用性...  相似文献   

11.
2013年6月至2014年5月逐月对洞庭湖水体叶绿素a质量浓度和主要环境因子进行测定,分析洞庭湖水体叶绿素a质量浓度的时空分布特征,探讨洞庭湖水体叶绿素a质量浓度与环境因子的相关性。结果表明,洞庭湖水体叶绿素a质量浓度为0.11~8.62 mg/m~3,年均值为(1.89±1.23)mg/m~3,属贫营养;叶绿素a质量浓度随季节变化明显,总体呈现夏、秋季明显大于冬、春季的规律;在空间上,总体表现为西洞庭湖和东洞庭湖明显大于南洞庭湖。全湖叶绿素a质量浓度与水温、电导率、COD和TP呈极显著正相关,与DO、NH3-N、TN和TN/TP呈极显著负相关,与NO-3-N呈显著负相关,与p H和透明度无显著相关性。全湖TN/TP的年均值为28.5,磷可能是洞庭湖水体浮游植物生长的限制性营养盐。  相似文献   

12.
山仔水库叶绿素a与环境因子的相关分析及富营养化评价   总被引:22,自引:0,他引:22  
依据2003年3~11月对山仔水库的逐月调查和监测数据,分析叶绿素a含量的时空分布情况,探讨叶绿素a与相关环境因子的关系,并应用修正的卡尔森营养状态指数对山仔水库水质进行分析评价。结果表明,山仔水库除了3、10、11月份处于中营养状态,其余月份都处于富营养化状态。叶绿素a具有明显的时空分布特征。日溪进口和山仔水库坝前的叶绿素a含量较高;初夏和秋末出现高峰,叶绿素a含量分别高达211 mg/m^3和93mg/m^3。多元统计分析表明,与山仔水库叶绿素a含量显著相关的因子是水温和溶解氧。生物因子评价表明,山仔水库浮游藻类的种类和数量都达到了富营养化水平。  相似文献   

13.
A fuzzy logic model is developed to estimate pseudo steady state chlorophyll-a concentrations in a very large and deep dam reservoir, namely Keban Dam Reservoir, which is also highly spatial and temporal variable. The estimation power of the developed fuzzy logic model was tested by comparing its performance with that from the classical multiple regression model. The data include chlorophyll-a concentrations in Keban lake as a response variable, as well as several water quality variables such as PO4 phosphorus, NO3 nitrogen, alkalinity, suspended solids concentration, pH, water temperature, electrical conductivity, dissolved oxygen concentration and Secchi depth as independent environmental variables. Because of the complex nature of the studied water body, as well as non-significant functional relationships among the water quality variables to the chlorophyll-a concentration, an initial analysis is conducted to select the most important variables that can be used in estimating the chlorophyll-a concentrations within the studied water body. Following the outcomes from this initial analysis, the fuzzy logic model is developed to estimate the chlorophyll-a concentrations and the advantages of this new model is demonstrated in model fitting over the traditional multiple regression method.  相似文献   

14.
江苏省高宝湖区湖泊群富营养化特征分析   总被引:2,自引:0,他引:2       下载免费PDF全文
对江苏省高宝湖区高邮湖、宝应湖、邵伯湖和白马湖湖泊富营养化共性与差异性特征进行了分析。结果表明,2009—2014年,4个湖泊总体处于中营养—轻度富营养之间,综合富营养状态指数值在年内均呈波动变化,丰水期明显大于枯水期;主要营养因子水平在4个湖泊之间均存在较明显的差异,尤其是TN和SD 2项指标阶梯状差异较为明显,Chl-a也呈现不同程度的年内分布水平差异,并在春、夏季存在藻类暴发风险;各湖泊Chl-a与环境因子相关性差异较大,宝应湖、白马湖以及总体分析的高宝湖群Chl-a均与水温、TP相关性显著,TP应是高宝湖群藻类生长限制的主导营养因子;各湖泊富营养化特征存在差异性,总体上宝应湖与白马湖富营养化特征较为类似,与高邮湖差异较大,邵伯湖富营养化特征与高邮湖接近,又兼有与宝应湖、白马湖相似性特征。  相似文献   

15.
自然水体叶绿素a浓度的遥感反演中,泥沙的存在影响着反演精度.如何消除这种影响是提高叶绿素a遥感反演精度的关键,而了解泥沙对藻类光谱特征的影响是消除影响的前提.文章在人工控制条件下获取了不同泥沙浓度下藻类光谱曲线,通过分析光谱曲线特征位置的漂移和数值变化,总结泥沙对藻类光谱的影响并提出了消除影响的可能性.  相似文献   

16.
Nineteen years of monitoring data from the eutrophic Skive Fjord, Denmark were examined for linkages to external pressures and drivers, including nutrient inputs, meteorology and stocks of blue mussels. Linkages were examined by: 1) time-series analysis to document effects of nutrient reduction programs, 2) Pearson Rank correlations, 3) multivariate statistical analysis (PLS) to identify water quality variables with high predictability and their linkages to pressures, and 4) regression analysis to quantify relationships between pressures and water quality. Freshwater input, nitrogen load and phosphorus load showed decreasing trends through the period 1984–2002. The load reductions were only partially translated into trends in water quality: phosphorus decreased in most seasons, while total nitrogen decreased during winter and spring only. Phosphorus concentration had the highest predictability (explained by seasonal temperature variation) followed by transparency, silicate, tot-N, chlorophyll-a, primary productivity, phytoplankton diversity and phytoplankton turnover. The variation in pressures other than nutrient input confounded the relations between loads and water quality. High biomass of mussels led to reduced chlorophyll-a and increased transparency, while short-term variability in water column mixing led to changes in chlorophyll-a due to nutrient entrainment and coupling to benthic mussels.  相似文献   

17.
This study aims to study the distribution of contaminants in rivers that flow into the Caribbean Sea using chlorophyll-a (Chl-a) and suspended sediment (SS) as markers and ALOS AVNIR-2 satellite sensor data. The Haina River (HN) and Ozama and Isabela Rivers (OZ-IS) that flow through the city of Santo Domingo, the capital of the Dominican Republic, were chosen. First, in situ spectral reflectance/Chl-a and SS datasets obtained from these rivers were acquired in March 2011 (case A: with no rain influence) and June 2011 (case B: with rain influence), and the estimation algorithm of Chl-a and SS using AVNIR-2 data was developed from the datasets. Moreover, the developed algorithm was applied to AVNIR-2 data in November 2010 for case A and August 2010 for case B. Results revealed that for Chl-a and SS estimations under cases A and B conditions, the reflectance ratio of AVNIR-2 band 4 and band 3 (AV4/AV3) and the reflectance of AVNIR-2 band 4 (AV4) were effective. The Chl-a and SS mapping results obtained using AVNIR-2 data corresponded with the field survey results. Finally, an outline of the distribution of contaminants at the mouth of the river that flows into the Caribbean Sea was obtained for both rivers in cases A and B.  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号