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。     

太湖叶绿素a浓度时空分异及其定量反演

利用2005年实测叶绿素a浓度数据分析了太湖叶绿素a浓度的时空分布特征,并利用同步光谱数据,分季节对太湖叶绿素a浓度的反演模型进行研究,从而分析叶绿素a的时空变化对反演模型的影响.首先分析1a内叶绿素a浓度随时间的变化规律,然后利用反距离加权插值法绘制叶绿素a浓度不同季节空间分布图,分析叶绿素a浓度在不同季节的空间分布规律,在此基础上分春、夏、秋3个季节和中营养化、轻度富营养化、中度富营养化、重度富营养化4个营养状态进行叶绿素a浓度定量反演模型研究.结果表明,太湖叶绿素a浓度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,平均浓度分别为56.29μg/L、13.61 μg/L.秋季由于受到夏季高浓度的影响,叶绿素a浓度高于春季,平均值分别为26.43μg/L、34.78μg/L;夏季叶绿素a浓度空间变化最大,冬季全湖叶绿素a浓度含量较为均一,空间变化不明显,秋季空间差异要大于春季;全年北部湖区的空间差异较大,而南部湖区相对较小.不同季节叶绿素a反演算法模型不同,春、秋季波段比值法反演效果较好;而夏季微分法反演效果明显好于其它反演算法,不同营养状态条件下反演算法差异相对较小.     

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.     

广州流溪河水库叶绿素a遥感反演研究

叶绿素a是衡量水体初级生产力和富营养化程度的一项重要指标。本研究在讨论分析反演水体叶绿素a浓度的半分析生物光学模型理论基础上,利用Landsat TM数据及中巴资源卫星02星CCD相机高分辨率数据,结合实测数据建立广州流溪河水库叶绿素a浓度的波段比值型反演模型。该模型对两个不同监测日期的叶绿素a浓度反演效果较好,拟合系数(R2)分别达到0.860和0.715,均方根误差分别为0.102μg/L和0.198μg/L。反演结果表明,流溪河水库叶绿素a浓度整体较低,均在2.0μg/L以下,空间分布在湖库区较均匀,入库支流玉溪河水域叶绿素a浓度略高于湖库区。     

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.     

基于GF-1 WFV影像和BP神经网络的太湖叶绿素a反演

叶绿素a浓度是可直接遥感反演的重要水质参数之一,常用来评价湖泊水体的富营养化程度.太湖是典型的二类水体,光学性质复杂,应用一类水体线性反演模式拟合较为片面且难以找到最佳拟合模型.BP神经网络模型具有模拟复杂非线性问题的功能.为研究高分一号卫星16m多光谱相机WFV4结合BP神经网络进行太湖叶绿素a浓度监测的可行性,实验利用GF-1 WFV4影像和实时的地面采样数据,建立了BP神经网络模型,同时采用波段比值经验模型进行对比.经精度检验,BP神经网络模型预测值与实测值之间的可决系数R2高达0.9680,而波段比值模型的R2为0.9541,且均方根误差RMSE由波段比值模型的18.7915降低为BP神经网络模型的7.6068,平均相对误差e也由波段比值模型的19.16%降低为BP神经网络模型的6.75%.结果证明,GF-1 WFV4影像应用BP神经网络模型反演太湖叶绿素a浓度较波段比值模型精度有所提高.将经过水体掩膜的GF-1 WFV4影像用于训练好的BP神经网络反演太湖叶绿素a浓度分布,结果显示,叶绿素a高浓度区集中分布在湖心区北部、竺山湾、梅梁湾区域,与之前的研究一致.本文研究结果验证了采用BP神经网络模型对GF-1 WFV4影像进行太湖叶绿素a浓度反演的可行性.     

利用高光谱反演模型评估太湖水体叶绿素a浓度分布

叶绿素a浓度是评价水体富营养化和初级生产力的一个重要参数,高光谱遥感是获取叶绿素a浓度的有效手段.为建立太湖水域叶绿素a的最佳高光谱估算模型,选取2015年5—7月共计60组同步实测高光谱数据和叶绿素a浓度数据,在地面光谱反射率和叶绿素a浓度相关性分析的基础上,使用2∶1的数据样本进行太湖水域叶绿素a的最佳高光谱估算模型的建立和验证,筛选模型分别为波段比值、三波段、荧光峰位置、峰谷距离、一阶微分、NDCI(Normalized Difference Chlorophyll Index)、峰面积、荧光峰高度、WCI(Water Chlorophyll-a Index)和四波段模型.结果表明,建模得到的四波段模型决定系数最高,峰面积模型的决定系数相对最低;四波段模型的反演精度最高,均方根误差(RMSE)为0.00376 mg·L~(-1),平均绝对误差(MAPE)为27.86%,而WCI模型的反演精度相对最低,RMSE为0.01231 mg·L~(-1),MAPE为45.11%.将反演精度最高的四波段模型应用于2015年8月3日的两景HSI(Hyperspectral Imaging Radiometer)高光谱影像数据,也得到较高精度,利用同步实测叶绿素a浓度验证的决定系数为0.7643,RMSE为0.00433 mg·L~(-1),MAPE为45.62%.在春、夏季叶绿素对水体光学特性占主导作用且叶绿素分布均匀的情景下,本研究可为太湖水域叶绿素a的高光谱反演和水环境监测提供有价值的参考,其它季节水体光谱特点的研究尚待进一步开展.     

基于GOCI影像和水体光学分类的内陆湖泊叶绿素a浓度遥感估算

叶绿素a作为水质参数之一,常用来作为衡量水体富营养化程度的指示标准.利用从太湖及洞庭湖获取的326个实测数据,基于实测遥感反射率对水体光谱进行光学分类,结果表明所采集的样点可分为3种水体类型.结合GOCI的波段设置,建立了不同类型水体的叶绿素a浓度反演模型.水体类型一可以利用490 nm(3波段)和555 nm(4波段)来反演,水体类型二可利用660 nm(5波段)和443 nm(2波段),水体类型三利用745 nm(7波段)和680 nm(6波段).精度分析表明,分类后的平均相对误差明显下降,类型一为38.91%、类型二为24.19%、类型三为22.90%;类型一均方根误差为4.87μg·L-1、类型二为8.13μg·L-1、类型三为11.66μg·L-1;分类前后的总体平均相对误差由49.78%降低到29.59%,总体均方根误差由14.10μg·L-1降低到9.29μg·L-1,分类后反演精度得到了显著提高.利用2013年5月13日8景GOCI影像反演了太湖的叶绿素a浓度,结果表明,2013年5月13日太湖叶绿素a浓度日变化显著,高值区主要集中在竺山湾、梅梁湾、贡湖湾,低值区主要集中在湖心区以及南部区域,10:00以后太湖西南部沿岸的叶绿素a浓度显著降低.这种先分类后反演的方法对于二类水体的模型反演精度的提高具有重要作用.     

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。     

基于模糊识别和遗传神经网络的渤海湾叶绿素a预测研究

由于海洋生态系统的高度复杂性和非线性,利用新兴的水信息学技术,包括模糊模式识别、遗传算法、人工神经网络等构建渤海湾叶绿素a预测模型.以渤海湾实测水质数据为依据,利用遗传算法的全局搜索能力优化BP神经网络的初始权值和阈值,从而避免陷入局部最优解,构建GANN叶绿素a预测模型.模型预测的均方根误差为3.81 μg/L,仿真...     

大鹏湾近岸海域叶绿素a的时空分布特征

根据2015年度大鹏湾近岸海域5个海洋环境浮标的在线监测数据,分析大鹏湾海域海水中叶绿素a（Chl a）的时空分布特征及其与主要水质参数的相关关系。结果表明大鹏湾Chl a含量在春、夏、秋季较高,而冬季较低,实测最大值为82.23 μg/L;受水动力环境及陆源排放影响,终年沙头角附近海域的Chl a含量明显高于其他区域。Pearson相关分析结果表明,大鹏湾海域Chl a含量与水温呈现正相关关系,但与盐度不存在显著意义的相关关系。总体来看,Chl a含量的时空分布受陆地径流、外源输入和养殖环境状况等的共同影响。     

纳污水体中铬的迁移规律及各形态分配系数

制革厂高浓度含铬废水的排放对环境造成的影响越来越受到关注. 通过测定某制革厂纳污水体中铬的质量浓度和形态,研究纳污水体中铬的质量浓度变化规律,确定铬在水相和悬浮相中的分配系数(k),并探讨水质参数对分配系数的影响. 结果表明,在制革厂排污口处纳污水体中ρ(Cr_T)平均值为298.64 μg/L,而距离排污口1 km处,水体中ρ(Cr_T)平均值为17.81 μg/L,较排污口处下降了94%,在距离排污口1～7 km范围内,水体中ρ(Cr_T)无明显变化. 在水相和悬浮相中铬的分配系数(k)为0.041～0.059,并且随污染源距离的增大呈下降趋势;k值的变化与水体的ρ(COD_Mn)和ρ(SS)有关.      

乐清湾海水养殖环境水质质量时空变化及富营养化状况评价

本文分析了2016－2018年乐清湾养殖区水体中pH、温度、盐度、溶解氧（dissolved oxygen,DO）、叶绿素（chlorophyl A,Chl a）、氨氮（ammonia nitrogen,NH₄-N）、亚硝酸盐氮（nitrite nitrogen,NO₂-N）、硝酸盐氮（nitrate nitrogen,NO₃-N）、可溶性磷酸盐（soluble active phosphors,DIP）等海水水质质量指标,并研究了其水质质量状况。通过单因子污染指数法的评价结果表明,乐清湾养殖区的pH、温度、盐度、DO等指标均符合国家二类水质标准。与其他海域养殖区比较,DO浓度处于偏低状态;而DIN和DIP的浓度较高。利用水质质量富营养化指标分析法（the analysis of water quality eutrophication index,TRIX）,本研究发现乐清湾养殖区的水质富营养指标值较大,处于较高的富营养化状态。通过主成分分析（principal component analysis,PCA）可知,第一主成分相关指标主要是NO₂-N、NH₄-N、DIP、温度以及NO₃-N,且NH₄-N、NO₃-N、DIN与TRIX之间存在良好的正相关关系。     

Restoration processes of pollution zones in Hanjiang River

ＲｅｓｔｏｒａｔｉｏｎｐｒｏｃｅｓｓｅｓｏｆｐｏｌｌｕｔｉｏｎｚｏｎｅｓｉｎＨａｎｊｉａｎｇＲｉｖｅｒ￥ＳｈｅｎＹｕｎｆｅｎ；ＴａｎＹｕｙｕｎ；ＦｅｎｇＷｅｉｓｏｎｇ；ＧｕＭａｎｒｕ（ＩｎｓｔｉｔｕｔｅｏｆＨｙｄｒｏｂｉｏｌｏｇｙ，ＣｈｉｎｅｓｅＡｃ...     

莱州湾沿岸河流对邻近海域表层水体中Chl a浓度的影响

根据2012年9月底对莱州湾沿岸河流和邻近海域表层水体中Chl a和相关环境参数的调查,分析了Chl a在该区域的分布、影响因素、富营养化状况以及变化趋势。莱州湾沿岸河流Chl a浓度平均值为51.9 g/L,邻近海域为3.9 g/L。在沿岸河流,与Chl a呈显著正相关的仅有悬浮颗粒物(SPM),而在邻近海域,与Chl a呈显著正相关的有SPM、PO4-P、NH4-N、NO3-N。氮和磷都是莱州湾近岸海域Chl a的限制因子,其中氮的限制作用较大。莱州湾沿岸河流水体的富营养化程度主要表现为过度和高度富营养化,近岸海域水体的富营养化程度则主要表现为低度富营养化。沿岸河流高浓度的氮磷汇入,将会促进莱州湾近岸海域浮游植物生长,进而导致莱州湾近岸海域Chl a浓度增加并有可能使该区域的富营养化程度增加。     

2009-2018年天津近岸海域水质状况及变化趋势分析

本文基于天津近岸海域2009－2018年的调查资料,系统分析了海水水质污染状况、变化趋势以及不同环境监测项目水质类别的情况。结果表明,天津近岸海域海水水质总体上呈现逐渐好转的趋势,但趋势并不明显,尚未形成根本改善的态势;主要污染物为氮和磷,化学需氧量（COD）和石油类的污染不明显,重金属浓度基本处于优良水质的范围;陆源输入是该海域主要污染物的主要来源,但大气沉降和海水养殖的输入也不可忽视;围填海工程对纳潮量和局地水动力的改变会导致沿岸区域物质的输运受阻,导致污染物集聚而影响局部海域的水质。建议在严控氮、磷污染物陆源排海的同时,加强对大气输入和水产养殖业的监管,优化产业结构,制定精准减排方案,确保陆海统筹下渤海湾环境保护与经济社会发展的和谐统一。     

海口市海岸线入海排放口污染源调查与分析

沿海工农业的发展和海洋开发事业的兴起,给海洋造成了污染。而陆域排污是海洋近海污染的重要原因。为了在实现海洋产业经济可持续发展,对海口市海岸线入海口水质进行调查。本实验采用定点采样的方法,根据排污口的口径大小、年排污水的总量、以及对周边海域的污染程度采集水样。结果表明,海岸线入海口排污废水中的COD、总氮、磷酸盐、氨氮等...     

流域?河口?渤海近岸海域污染防治机制研究

渤海是半封闭型内海,陆源污染是渤海海洋环境污染的主要原因。以海洋本身为空间范围进行污染防治仍是末端控制的方法。以陆海统筹和基于生态系统的海洋综合管理理论为基础,将渤海污染防治的空间范围延展到入海河流,构建流域?河口?近岸海域污染防治机制,实行海陆一体化的污染防治战略,有利于解决渤海的环境问题。流域?河口?渤海近岸海域污染防治机制可以从污染防治协调管理、总量控制、科学规划和生态补偿等方面进行制度设计。     

渭河咸阳段水环境有机污染负荷与环境容量分析

以COD为有机污染负荷指标,分析了渭河流域咸阳段有机污染负荷现状;同时根据该河段功能区划对应的地表水环境标准,核算了流域咸阳段现有排污口稀释混合区河长,以及该河段的水环境容量,最后讨论并制订了渭河流域咸阳段各排污口有机污染负荷削减方案:流域南岸1号和2号排污口在执行地表水IV、V类标准时,需要削减的COD污染负荷分别是147.095t/a和94.54t/a、130.05t/a和83.22t/a;北岸3号和4+号两个排污口需要关闭。     

黄海桑沟湾养殖区海水中喹诺酮类抗生素的残留状况

渔业养殖水环境中抗生素污染造成的水产品质量安全和环境微生物耐药性问题已经引起广泛关注。本文采用固相萃取-液相色谱/串联质谱法（LC-MS/MS）对桑沟湾养殖区海水及养殖水产品中17种喹诺酮类抗生素药物残留进行研究。结果显示,养殖区海水中喹诺酮类抗生素的检出率高达52.94%,含量水平介于ND~32.48 ng/L。不同的鱼类养殖区域海水中喹诺酮类药物含量差别较大,且浓度大小依次为为牙鲆（Paralichthys olivaceus）养殖区>黑鲪（Sebastes schlegelii）养殖区>红鳍东方鲀（Takifugu rubripes）养殖区。科普示范养殖区海水中喹诺酮类最高浓度范围与牙鲆养殖区相近,而近岸码头非养殖区海水中喹诺酮类检出率和残留浓度最低,表明桑沟湾海水中抗生素残留可能受水产养殖的影响。分析结果显示桑沟湾养殖区鱼肉中喹诺酮残留量远小于国家安全限量。