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.     

基于GF1_WFV的千岛湖水体叶绿素a浓度时空变化

基于高分一号（GF-1）遥感影像以及水体实测样点数据,运用波段对数组合,以千岛湖为研究对象,构建和择优了叶绿素a浓度反演模型,对2013~2019年千岛湖区域水体叶绿素a浓度值进行了估算,并利用变异系数、Mann-Kendall显著性检验模型、Theil-Sen趋势分析模型对其时空变化特征进行了分析.研究表明,基于波段对数组合的反演模型可用于千岛湖清洁水体叶绿素a浓度值的反演（R²=0.8976）;年际变化分析发现,在研究期限内,千岛湖水体叶绿素a浓度平均值维持在较低水平,近94%的水体像元叶绿素a浓度小于3.65μg/L,水质较佳;时空动态分析进一步发现,千岛湖水体叶绿素a浓度值大都经历了较为微小的波动变化,其中,有超过67%的水体像元浓度值呈现出微小的增长趋势,在分布上也呈现出一定的空间格局形态.     

基于GF1_WFV的千岛湖水体叶绿素a浓度时空变化

基于高分一号（GF-1）遥感影像以及水体实测样点数据,运用波段对数组合,以千岛湖为研究对象,构建和择优了叶绿素a浓度反演模型,对2013~2019年千岛湖区域水体叶绿素a浓度值进行了估算,并利用变异系数、Mann-Kendall显著性检验模型、Theil-Sen趋势分析模型对其时空变化特征进行了分析.研究表明,基于波段对数组合的反演模型可用于千岛湖清洁水体叶绿素a浓度值的反演（R²=0.8976）;年际变化分析发现,在研究期限内,千岛湖水体叶绿素a浓度平均值维持在较低水平,近94%的水体像元叶绿素a浓度小于3.65μg/L,水质较佳;时空动态分析进一步发现,千岛湖水体叶绿素a浓度值大都经历了较为微小的波动变化,其中,有超过67%的水体像元浓度值呈现出微小的增长趋势,在分布上也呈现出一定的空间格局形态.     

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。     

北京市城区地表水体叶绿素a与藻密度相关性研究

实验主要研究在实验室培养条件下,对北京市城区地表水体进行分析,发现在叶绿素a浓度>40μg/L时,叶绿素a与藻密度有较好的相关性,R2值均>0.8705。同时,通过对实验数据及现象的分析,得到了水华阈值在叶绿素a浓度40μg/L,以及结合藻类生长曲线和藻密度、叶绿素a的日增长率的变化量得出各个河湖"水华"暴发的暴发点。     

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GAM模型的洞庭湖叶绿素a浓度与环境因子相关性分析

为了解洞庭湖流域水体叶绿素a的时空分布及其与环境因子的关系,于2019年1～12月对洞庭湖进行采样调查分析,运用广义可加模型(GAM)分析了叶绿素a浓度与各环境因子间的关系.结果显示,洞庭湖水体叶绿素a浓度存在较为显著的时空分布差异,其年均值为5.77μg/L,变化范围为1.00～67.33μg/L.叶绿素a浓度变化的...     

利用Hyperion高光谱数据的三波段法反演太湖叶绿素a浓度

以2004-08-19太湖野外试验所获取的水质数据(叶绿素a浓度7.8~154.3μg.L-1,总悬浮物浓度65.0~190.2 mg.L-1,N=38)和同步的Hyperion星载高光谱数据为研究对象,利用三波段算法反演太湖水体的叶绿素a浓度.通过分析太湖固有光学量的特点,提出适用于太湖的3个特征波段的选择依据,并对波段进行优化计算,在此基础上建立了三波段统计模型,最后对模型的反演精度进行分析与评价.结果表明,Hyperion的B34(691.37 nm)、B37(721.90 nm)和B50(854.18 nm)组成三波段模型变量与叶绿素a浓度具有最高的相关系数(r=0.934),模型的决定系数(R2)和均方根误差(RMSE)分别为0.872和13.93μg.L-1,其反演精度优于传统经验统计模型,如比值模型(R2=0.844,RMSE=15.41μg.L-1)和一阶微分模型(R2=0.831,RMSE=16.00μg.L-1).研究结果证实了三波段法适用于内陆富营养化浑浊水体和Hyperion高光谱数据,为今后更精确地反演内陆水体的叶绿素a浓度提供了参考依据.     

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。     

滇中地区水库水环境特征分析——以楚雄州境内28座水库为例

通过野外监测和室内分析,获取了楚雄州境内28座水库水体的水温、pH值、溶解氧、浊度、电导率、叶绿素a浓度、藻蓝蛋白浓度、氢氧稳定同位素(δD、δ18O)等参数。梳理了水环境特征及变化,利用相关分析探讨了各参数之间的相互关系。结果表明:浅水湖库的水温与太阳辐射同步变化,水体的pH值为7～9.3,呈弱碱性至碱性,水体溶解氧浓度为5.5～10.5 mg/L,三个水质参数随深度增加而递减。受风力扰动的影响,水体浊度较高且随深度呈递增趋势。电导率与溶解性固体总量相对较低,两者在垂向上的变化趋势具有一致性。大部分水库水中叶绿素a浓度在10μg/L以内,藻蓝蛋白浓度在5000cells/m L以内,垂向变化特征一致,表征了蓝藻为水体中的优势藻群。稳定同位素指示了区域性的降水为水库水源补给的主要形式。部分水库的水温与叶绿素a、pH,以及藻蓝蛋白与溶解氧、pH之间呈显著的正相关关系。     

ELCOM模型在流溪河水库水温模拟中的应用

水温是湖泊水库生态系统的重要驱动因子,其结构特征对水生态系统中的物理、化学和生物过程起着重要作用。流溪河水库是位于北回归线上的大型山谷型深水水库,一座典型的热带亚热带过渡区水库。本文运用西澳大利亚大学水研究中心开发的三维ELCOM水动力学模型模拟了流溪河水库2008年7月23日到8月24日共32d的水温变化状况,并通过水温实测值进行了验证,模拟值与实测值的相关性R2值达到了0．8342,模拟值与实测值较为接近,ELCON模型较好地模拟了水温的日变化。最后对水温变化的原因和趋势进行了分析。     

基于集合均方根滤波的太湖叶绿素a浓度估算与预测

叶绿素a浓度作为表征水质状况的重要参数之一,反映了水体富营养化程度和藻类含量,是决定水体的反射光谱特征的重要因素,也是水质遥感领域研究较多的一项水质参数.研究叶绿素a浓度的遥感定量反演可以为湖泊水质监测与评价提供新的思路和方法.本研究发展了一个基于集合均方根滤波和风生流的污染物扩散模型的数据同化方案,并结合2010年5月20日的太湖3个浮标观测站点的观测数据进行了同化实验.首先对太湖叶绿素a浓度进行同化估算,然后利用优化后的估算结果对太湖叶绿素a浓度进行了为期6 h的预报.在同化阶段,均方根误差分别从1.58、1.025、2.76降低到了0.465、0.276、1.01,平均相对误差也从0.2降低到了0.05、0.046、0.069.在预报阶段,均方根误差从1.486、1.143、2.38降低到了0.017、0.147、0.23,平均相对误差也从0.2降低到了0.002、0.025、0.019.结果表明,利用集合均方根滤波的数据同化方法可以有效地提高太湖叶绿素a浓度的估算与预报精度.     

石河子市PM_(2.5)浓度的遥感反演研究

大气悬浮细颗粒物PM_(2.5)已成为中国各大城市的首要空气污染问题,快速了解其浓度及空间分布状况,对于控制PM_(2.5)质量浓度、提高空气质量具有重要意义。以石河子市为研究区,利用HJ-1 CCD影像,通过暗像元法、6S模型反演气溶胶光学厚度,结合DTF-6太阳光度计数据进行验证,然后根据AOD与PM_(2.5)之间的统计关系建立符合研究区实际特点的PM_(2.5)反演参数和算法,建立遥感反演模型获取PM_(2.5)的空间分布。结果表明:PM_(2.5)浓度反演结果的平均绝对误差为0.93 ug/m3,反演精度较高,石河子市PM_(2.5)的空间分布呈现北低南高,西低东高的特点。     

基于Sentinel-3 OLCI影像的秦皇岛海域悬浮物浓度遥感反演

基于2013~2021年期间秦皇岛海域遥感反射率、悬浮物浓度及叶绿素a浓度等实测数据,开展了该海域Sentinel-3 OLCI影像的悬浮物浓度遥感反演模型研究.结果表明,文献中常用的典型经验模型形式均不适用于秦皇岛海域,以490、620及708.75nm为悬浮物反演的敏感波段,以560nm为参比波段,将各敏感波段与参比波段的比值作为自变量,最终建立了适用于秦皇岛海域的Sentinel-3 OLCI四波段悬浮物浓度遥感反演模型（R²=0.69,MAPE=24.79%,RMSE=2.82mg/L）;并采用2021年7月24日Sentinel-3 OLCI影像进行悬浮物浓度遥感反演产品的真实性检验,得到反演值与实测值的平均相对误差为13.24%.将上述四波段模型用于2021年1~12月秦皇岛海域的Sentinel-3 OLCI影像,反演得到月均悬浮物浓度,发现秦皇岛海域悬浮物浓度整体呈现沿岸海域高、离岸海域低,秋冬季高、春夏季低的时空变化特征;且2018~2021年秦皇岛海域悬浮物浓度的年均值逐年递减,水体越来越澄清.     

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.     

广东南水水库富营养化与浮游植物群落动态

南水水库是广东省第三大水库,属饮用水源一级保护区。于2011年1~12月对该水库的水文、水质和浮游植物进行了每月一次、为期一年的调查,采用营养状态指数(TSI)进行了水质综合评价,分析了浮游植物群落的动态变化规律,选择冗余分析(RDA)研究了影响浮游植物群落结构的环境因素。结果表明:南水水库现为贫营养型,全年浮游植物的种类变化不大,共鉴定出浮游植物6门50属(种),优势种以适应贫营养的种类为主,且浮游植物的丰度、生物量及叶绿素a浓度都较低,其均值分别为8.72×104～2.51×105cells/L、0.031～0.423 mg/L和0.83～2.80 mg/L。浮游植物群落主要以硅藻、甲藻和绿藻种群为主,硅藻种群全年占优势,甲藻和绿藻在不同季节优势度有变化,体现出从硅藻型到硅藻-甲藻型,到硅藻-绿藻型,再到硅藻-甲藻型的变化过程。温度、氮磷比和水体稳定性的季节变化是影响上述浮游植物群落动态的主要因子。     

草型清水态维持与长效运行的营养盐响应机制——以滇池大型围隔试验为例

为探究湖泊水体生态修复工程中草型清水态维持与长效运行的营养盐响应机制,利用滇池草海建立的大型原位试验围隔,采用非参数突变点分析法（nCPA）及临界指示物种分析法（TITAN）,探究了叶绿素a、浊度、透明度和浮游植物的营养盐阈值.结果表明,草型清水态维持与长效运行较为成功的围隔,其藻类的叶绿素a含量虽然明显较低,但在夏季时蓝藻门仍占绝对优势.原位生态围隔叶绿素a响应TN的阈值为1.423mg/L,响应TP的阈值为0.103mg/L.水体透明度响应TN的阈值为1.684mg/L,响应TP的阈值为0.103mg/L.各围隔总磷含量的平均值均大于或等于0.226mg/L,B1、B3、B8围隔后期处于清水态,其TN平均值都低于或等于1.42mg/L,B5、A1、A2、A3、A4围隔后期处于浊水态,其TN平均值都高于或等于1.78mg/L.这表明在滇池水华重灾区实施水体生态修复工程时,应首要考虑TN的影响,在TP含量严重超出阈值的情况下,如果TN处于一个较低水平,也能维持湖泊水体草型清水态的长效运行,并实现湖泊水体由藻型浊水态向草型清水态的转换.     

顶空气相色谱法测定饮水中氰化物

采用顶空气相色谱法，测定饮水中氰化物。对水样保存特殊性的影响，色谱柱的选择及实验条件进行研究。结果表明，CN^-浓度在1-18ug/l呈线性关系，最低检出限为0．35ug/l，高、中、低三浓度测定相对标准偏差分别为2．68％、6．69％、6．98％，回收率范围83．4-119．2％，满足卫生检验要求。是一种简便快速、实用性强的分析方法。     

基于HJ-1影像和环境变量的叶绿素a浓度反演——以深圳海域为例

叶绿素a的浓度能够表征海域富营养化状况,是反映海洋环境状态的一个重要指标。本研究以深圳海域为研究区,基于环境一号卫星遥感影像和实测叶绿素a浓度数据,将陆源入海排污口的核密度、距港口航道的距离和距海水增养殖区的距离作为环境变量,在Matlab平台中分别构建了基于环境一号卫星四个波段反射率为输入参数的误差逆向传播神经网络模型,及在此基础上引入了环境变量的误差逆向传播神经网络模型,以检验环境变量的引入能否提高叶绿素a浓度的反演精度,并对其输入参数进行敏感性分析。结果表明:（1）环境变量的引入能较大地提高误差逆向传播神经网络模型的反演精度,且引入环境变量的误差逆向传播神经网络模型的训练均方误差和验证均方误差分别为4.71 μg/L和3.50 μg/L,均优于原始误差逆向传播模型的10.98 μg/L和12.61 μg/L;（2）引入环境变量的误差逆向传播模型的框架如下:输入层为7个变量,分别为蓝光波段反射率、绿光波段反射率、红光波段反射率和近红外波段反射率、陆源入海排污口的核密度、距港口航道的距离和距海水增养殖区的距离;隐含层节点数为5个;输出层为叶绿素a的浓度;（3）叶绿素a的浓度对陆源入海排污口的核密度的变化最敏感,其次分别是近红外波段反射率、红光波段反射率、距港口航道距离、蓝光波段反射率、绿光波段反射率和距海水增养殖区的距离。