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.     

基于稀疏表达的水体遥感反射率高光谱重构及其应用

高光谱重构技术可以有效的突破多光谱卫星传感器波段设置的限制,获得更多更有效的地物光谱信息。本研究基于稀疏表达方法提出了一种针对水体遥感反射率的高光谱重构算法,以太湖、杭州湾的原位水体光谱数据为数据源,在5种常用水色传感器(Sentinel-2A MSI、MERIS、MODIS Aqua、GOCI以及VIIRS)上进行了高光谱重构实验,最后将该算法应用于GOCI数据,进行了算法适用性验证。结果表明:(1)基于稀疏表达的高光谱重构算法可以在不利用实测光谱数据的情况下实现高光谱重构,光谱重构精度高于多元回归光谱重构算法;(2)基于稀疏表达的高光谱重构算法在5种水色传感器上都取得了较好的效果,平均相对误差均在10%以下,均方根误差均在0.005sr-1以下;(3)相比于原始GOCI多光谱数据,经稀疏表达高光谱重构后的GOCI数据在叶绿素a浓度和总悬浮物浓度估算精度上有不同程度提升。其中对叶绿素a浓度估算而言,平均相对误差从80.6%减少至51.5%,均方根误差从12.175μg·L-1减少至7.125μg·L-1;对悬浮物浓度估算而言,平均相对误差从19.1%减少至18.8%,均方根误差从29.048 mg·L-1减少至28.596 mg·L-1。     

基于稀疏表达的水体遥感反射率高光谱重构及其应用

高光谱重构技术可以有效地突破多光谱卫星传感器波段设置的限制,获得更多更有效的地物光谱信息.本研究基于稀疏表达方法提出了一种针对水体遥感反射率的高光谱重构算法,以太湖、杭州湾的原位水体光谱数据为数据源,在5种常用水色传感器(Sentinel-2A MSI、MERIS、MODIS Aqua、GOCI以及ⅦRS)上进行了高光谱重构实验,最后将该算法应用于GOCI数据,进行了算法适用性验证.结果表明:(1)基于稀疏表达的高光谱重构算法可以在不利用实测光谱数据的情况下实现高光谱重构,光谱重构精度高于多元回归光谱重构算法;(2)基于稀疏表达的高光谱重构算法在5种水色传感器上都取得了较好的效果,平均相对误差均在10%以下,均方根误差均在0.005 sr-1以下;(3)相比于原始GOCI多光谱数据,经稀疏表达高光谱重构后的GOCI数据在叶绿素a浓度和总悬浮物浓度估算精度上有不同程度提升.其中对叶绿素a浓度估算而言,平均相对误差从80.6%减少至51.5%,均方根误差从12.175μg·L~(-1)减少至7.125μg·L~(-1);对悬浮物浓度估算而言,平均相对误差从19.1%减少至18.8%,均方根误差从29.048 mg·L~(-1)减少至28.596 mg·L~(-1).     

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.     

基于水面反射率光谱分类的太湖藻蓝蛋白浓度反演

藻蓝蛋白是蓝藻的标志性色素,利用遥感反演藻蓝蛋白浓度的时空分布对于蓝藻水华监测和预警具有重要意义.太湖水体光学特性时空差异较大,传统的藻蓝蛋白遥感反演方法在太湖各湖区各季节的适用性有限.因此,本文采用先分类再反演的策略,基于水面反射率光谱分类进行太湖藻蓝蛋白浓度反演建模.首先采用逐步迭代的K均值聚类方法实现光谱分类;然后分别利用每一类的训练样本光谱数据建立最适用于该类的藻蓝蛋白反演模型;最后利用每一类的检验样本光谱数据进行反演模型精度评价.为了对比,同时采用不分类的传统方法进行反演建模和精度评价.检验结果表明:基于不分类的传统建模方法得到的均方根误差RMSE=14.14μg·L-1,平均相对误差σ=59.1%,反演结果和实测数据可决系数为0.46;基于光谱分类的建模方法得到RMSE=8.47μg·L-1,σ=31.3%,反演结果和实测数据可决系数为0.87.因此,基于光谱分类的藻类蛋白反演方法有效地提高了反演精度,可以为其它水体的藻蓝蛋白浓度反演提供借鉴.     

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.     

基于数据同化的太湖叶绿素多模型协同反演

在国内外众多学者的不懈努力下,开发了大量的水质参数遥感估算反演模型,但不同的模型都具有其"局限性",只能从某个层面反映"真值".基于上述考虑,本研究发展了基于数据同化方法的太湖叶绿素a浓度多模型协同反演算法.利用2006~2009年太湖野外实测水体高光谱遥感反射率数据,构建了7个叶绿素a浓度反演模型;通过模型精度对比,最终遴选出6个适宜的叶绿素a浓度反演模型.进而使用不同模型组合,进行多模型协同反演.结果表明:1多模型协同反演算法的反演精度要高于单模型反演的反演精度,最优MAPE仅为22.4%;2随着参与多模型协同反演的模型个数的增加,其反演精度也逐渐提高,MAPE均值从25.6%降低到23.4%,RMSE均值从15.082μg·L-1降低到14.575μg·L-1,相关系数R均值从0.91提升到0.92;3通过对多模型协同反演产品的置信区间进行计算,可以有效地估算产品精度和误差,同时使得获取全湖反演叶绿素a浓度的误差空间分布情况成为可能.     

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。     

基于不同光谱主导因子的内陆湖泊水体叶绿素浓度三波段反演模型研究

利用分层聚类法,对实测的遥感反射率进行分类,结合固有光学特征和实测的水色要素,确定每种类别遥感反射率光谱变化的主导影响因子.根据太湖、滇池、三峡库区及巢湖的地面遥感实验,将其遥感反射率分为3类,类型一的光学特性由总悬浮物和浮游藻类共同主导,类型二的光学特性由浮游藻类主导,类型三的光学特性由悬浮物主导.根据每类水体光学特征的差异,分别建立叶绿素浓度的三波段反演模型,反演的平均相对误差为23.8%,均方根误差为8.5 mg/m3,其反演精度要高于未经分类而直接建立的三波段模型.     

土壤整体质量的生态毒性评价

土壤样品采自沈阳西部污灌区 .进行了污染物 (重金属和矿物油 )含量分析和生态毒性试验 .重金属采用原子吸收分光光度仪测定 ,矿物油采用紫外分光光度计测定 .生态毒性试验分别参照国际标准组织 (ISO)和OECD指南 ,进行了植物毒性试验、蚯蚓毒性试验和蚕豆根尖微核试验 .植物试验以小麦种子发芽根伸长抑制率为试验终点 ,试验周期50h ,蚯蚓毒性试验以蚯蚓死亡率、体重增长抑制率为试验终点 ,试验周期28d .土壤中矿物油含量在145mg/kg～1121mg/kg ,重金属Cd为0.34mg/kg～1.81mg/kg .土壤对植物和蚯蚓显示不同程度的毒性效应 ,土壤的蚕豆根尖微核率明显高于对照 .种子发芽根伸长抑制率为2.0%至-35.1% ,蚯蚓死亡率为0%～40%.体重增长抑制率由14d的-2.3%～-19.4%在28d增加到-2.1%～10.7% ,蚕豆根尖微核率最高达6.62/100.研究表明 ,土壤中的污染物积累较低 ,但具有明显的生态毒性 .     

国际化学危险品分类体系简介

介绍了当前国际化学危险品的各种分类体系,对比了GHS与TDG、EU_CLP、DOT、WHMIS等对化学危险品的具体分类。有助于GHS的理解与掌握,全面推进GHS在我国的实施。     

多目标规划在预测区域总产值-排污-水质协调解中的应用研究

以某区域水环境－经济系统为研究实例，寻求值－排污－水质综合协调解方法，寻求净收益最大时的总体规划方案。建立目标参数规划模型，寻求不同生产规模条件下的产值－排污－水质协调解，又探讨了水环境标准约束下的某化工区废水治理费用的计算方法，提出了以供决策者选择的方案。     

滇池富营养化特性评价

介绍了滇池水质状况,对滇池富营养化特性进行了分析和评价,并提出了对策.     

生态保护地协同管控成效评估

分区分类管理是我国生态保护的重要管控制度,生态保护地是事关国家生态安全的关键区域,开展生态保护地保护成效评估及不同类型生态保护地之间的协同管控成效评估具有重要意义。以吉林省自然保护地和重点生态功能区等生态保护地（即禁止开发区和限制开发区）为研究对象,以重要生态空间、植被生态、水源涵养功能为主要内容,基于“禁止开发区—限制开发区—省域”的管控梯度差异,评估分析了生态保护地的协同管控成效。结果表明：（1）从重要生态空间协同管控成效来看,自然保护地的重要生态空间面积比例最高、人类活动干扰指数最低,这与生态保护管控严格程度呈现很好地正相关。但是1980—2015年间重要生态空间面积比例均有所减少,减少幅度与管控严格程度没有表现出正相关。（2）从植被生态协同管控成效来看,植被覆盖总体呈现出自东向西逐步降低的特点,与东部分布有重点生态功能区和森林类自然保护区、西部分布较多的湿地类自然保护地的空间特征一致。但是,由于湿地及水域类型自然保护地面积占比较高,且分布在吉林西部草原和平原区的面积比例较高,自然保护地的年际变化较大、且植被覆盖稳定度低于重点生态功能区。（3）从水源涵养功能协同管控成效来看,水源涵养能力呈现出东部和西部高、中部低的特点,与这两个区域主要分布有森林、草地和湿地等重要生态空间密切相关,也与分布着大面积的重点生态功能区和各类自然保护地密切相关。自然保护区的水源涵养能力最高,且年际变化最小、稳定性最高。     

氯苯类化合物的生物降解

经过2个月的驯化,从某染料厂和某毛纺厂活性污泥中分离出能够生长于1,4-二氯苯、1,2,4-三氯苯和六氯苯的4种微生物.通过测定该混合菌降解氯苯类化合物过程中的累积好氧量、微生物生长曲线及降解产物Cl^-的释放,证明在好氧条件下该混合菌能够以1,4二氯苯和1,2,4-三氯苯为唯一碳源和能源,降解产物Cl^-浓度的变化与微生物生长周期有关.通过好氧振荡瓶培养法测得3种氯苯的生物降解顺序为:1,4-二氯苯[356.7μg/(L·d)]>1,2,4-三氯苯[110.4μg/(L·d)]>六氯苯[～6μg/(L·d)],说明氯取代数越多,氯苯类化合物越难被好氧降解.     

哈尔滨松北区城市湿地的生态安全分析

以哈尔滨松北区城市湿地为研究对象,选择10个指标,采用因子分析法和聚类分析法,研究了松花江发生污染事故前后城市湿地的生态安全状况.结果表明:发生污染前哈尔滨松北区城市湿地东区的生态安全程度最高,发生污染后中区的生态安全程度最低;西区的抗干扰能力较差.各主因子中以水因子的下降幅度最大,说明水污染直接影响了哈尔滨松北区城市湿地的生态安全.最后有针对性地提出了哈尔滨松北区城市湿地的生态安全对策.      

燃煤电厂脱硫副产物资源化利用可行性分析——上海案例研究

未来5年(2006～2010年)上海进行脱硫的机组将达957.2万kW,文章对上海市未来5年中脱硫副产物的资源化利用,进行了技术、经济分析,预计每年可节省SO2排污费用约1.02、1.28亿元,如以原煤计,则为1.51亿元/a和1.89亿元/a,到2010年将达1.67～2.09亿元/a,折成原煤则为2.34～2.93亿元/a,如排污费提高,效益还将扩大;电厂脱硫石膏销售将获得约2160～2880万元/a,折算成原煤应为3024万元/a和4032万元/a,如加工成球或利用余热烘干成粉,利润还会增加;到2010年脱硫石膏销售收入还将进一步放大。上海石膏板或水泥企业利用54～72万t的脱硫石膏,可使企业的原料购买成本节约3250～3650万元/a,如将FGD石膏40%SO3含量与天然石膏34%相比算入成本,使用FGD石膏的水泥生产企业原料购置费节约将更显著。     

学生食堂优化管理的数学模型

从学生食堂的设备及场所、物资的储存与购入、工作人员的管理及就餐者对食堂的要求这4个方面描述了各自对学生食堂管理的影响,得出了评估学生食堂优劣的一般公式Y=n∑i=1ωixi,并着重解决了学生就餐排队等待时间太长的问题,分析了该等待问题在排队论中所属的模型,解决了该课题要研究的问题的一般情况和个别案例,确定了各参数之间的关系.通过分析,得出了最优排队模型、费用模型及服务台数,并证明了最优模型的一般性.     

工业锅炉烟尘浓度测量的不确定度评定

如何对测量结果的不确定度进行合理评定,一直是困扰检测实验室的一个难题。根据环境检测的特点,通过实例,阐述了烟尘排放浓度测量的不确定度评定的方法,对监测领域测量不确定度评定具有现实意义。