水质参数的遥感反演和遥感监测

遥感技术由于具有快速、宏观、低成本和周期性的优点,便于探测水质的时空变化,已成为水质参数监测的重要手段。目前能够直接进行遥感反演的水质参数主要是悬浮物浓度、叶绿素a浓度、可溶解性有机物等光学活性物质,并已经建立了许多反演模型。但是这些模型直接用于水质的遥感监测仍存在一些问题。今后,利用3S技术将地面观测和遥感观测结合起来,可望推动水色遥感的实际应用。     

巢湖水体散射和后向散射特性研究

湖泊水体散射特性的研究对湖泊水色要素遥感反演模型的发展具有重要的意义.本研究利用AC-S和ECO-BB9实测了巢湖水体的散射系数和后向散射系数,在分析光谱变化特性的基础上,构建了悬浮颗粒物散射系数和后向散射系数的幂函数光谱模型,获得的光谱指数分别为0.86和3.24.研究发现悬浮颗粒物散射系数与TSM和ISM都存在较好的线性函数关系,进而提出水体中总悬浮颗粒物的比散射系数为0.6364(10-3m2·mg-1),无机悬浮颗粒物的比散射系数为0.9108(10-3m2·mg-1).同时,分析了悬浮颗粒物后向散射率和折射指数的变化,其变化范围分别为0.003～0.026和1.02～1.06.     

基于Landsat8影像估算新安江水库光合有效辐射漫射衰减系数

光合有效辐射(photosynthetically active radiation,PAR)是指可以被植物利用并进行光合作用的那部分太阳辐射,其进入湖水后受光学组分(悬浮颗粒、有色可溶性有机物和浮游植物)的吸收和散射作用发生衰减,对湖泊生物的密度和分布具有重要影响.本研究构建了基于Landsat 8影像数据的较为清洁的新安江水库PAR漫衰减系数的遥感估算模型,进而分析其时空分布特征及主要影响因素.结果表明,利用Landsat 8的第二、三和第八波段构建的多元回归模型能够得到较为准确的估算结果,模型决定系数为0.87.利用独立样本对构建的模型验证,预测值和实测值相对误差绝对值均值为9.16%,均方根误差为0.06 m~(-1),由此可见利用Landsat 8数据的3个波段,采用多元回归模型能够较好地估算较清洁水体的PAR漫射衰减系数.基于14景Landsat 8影像发现,新安江水库PAR漫射衰减系数季节差异性明显,秋季(9~11月)和夏季(6~8月)PAR漫射衰减系数较高,分别为(0.82±0.60)m~(-1)和(0.77±0.41)m~(-1),而冬季(12~次年2月)和春季(3~5月)PAR漫射衰减系数相对较低,分别为(0.56±0.50)m~(-1)和(0.40±0.45)m~(-1).新安江水库PAR漫射衰减系数空间差异性显著,全湖PAR漫射衰减系数变化范围为(0.002~13.86)m~(-1),均值为(0.64±0.49)m~(-1).漫射衰减系数的季节变化主要是由季节性降雨和浮游植物季节性生长引起,空间差异性主要由外源河流输入和部分水域采砂过程导致悬浮物浓度变化引起.     

结合激光雷达分析2014年春季南京地区一次大气污染过程

利用环境监测数据、气象数据以及数值模拟结果,结合激光雷达数据反演的气溶胶消光系数,分析了2014年5月26日至6月1日南京地区一次典型的大气污染过程.本次污染过程受到外源性沙尘和烟尘输入以及本地污染排放叠加影响.气象因素对污染物的生消起到了重要作用,低压、逆温等因素阻碍污染物扩散,最终强降雨的出现使本次污染过程终结.整个污染过程中大气边界层高度偏低且变化不大,大气形势稳定,污染物扩散困难.激光雷达可以有效探测气溶胶的垂直分层结构,能直观准确地反映出污染物的分布聚集情况以及时空变化,对大气污染监测具有重要意义.     

川西甘孜藏族自治州1961—2015年日照时数变化特征分析

甘孜藏族自治州(简称甘孜州)位于青藏高原东南缘,是一个气候敏感区和环境脆弱区.利用多年气象数据探讨该区气候变化趋势对研究区环境保护、灾害防治和发展规划有重要意义.本文基于1961—?2015年甘孜州11个气象站点的日照时数、气温、降水、相对湿度和风速数据,通过一元线性回归、5 a滑动平均、累计距平、Mann-Kendall(M-K)突变检验和样条函数插值分析方法,研究该地区年际、季度的日照时数时空变化特征以及与其他气候因子之间的关系.研究结果表明:(1)平均日照时数在年际和季度尺度上呈减少趋势,减少速率分别为25 h·(10a)?1(年际)、6.4 h·(10a)?1(春季)、6.8 h·(10a)?1(夏季)、6.9 h·(10a)?1(秋季)、6.3 h·(10a)?1(冬季).(2)空间分布上,德格的西部地区日照时数减少最快,而乡城县等极少数地区出现日照时数增加的趋势.(3)年际日照时数在1989年发生突变,在季节尺度上春季、夏季、冬季发生突变的年份分别为1989年、1991年和1994年,秋季突变不明显.(4)日照时数与气温、降水量、相对湿度均呈负相关关系,相关系数分别为??0.2、??0.6、??0.5;日照时数与风速呈显著正相关关系,相关系数为0.6.本研究可为甘孜州地区1961—?2015年的气候变化提供数据支持.     

区域贸易隐含碳排放和SO_2排放的投入产出分析——以江苏为例

区域碳排放责任划分和污染治理必须考虑空间转移问题,才能制定公平可行的减排和治理方案。中国区域产业结构和消费模式不同,区域间贸易往来密切,需要对贸易品中隐含的碳排放和污染排放进行估算。论文采用多区域投入产出模型,计算了江苏基于生产者角度和消费者角度的碳排放和SO_2排放,对各部门贸易中隐含的碳排放和SO_2排放进行了估算,并对隐含碳排放和SO_2排放流入最高的4个部门和最终需求中碳排放和SO_2排放的流入来源进行了分析,结果发现江苏属于碳排放和SO_2排放净流入区域,净流入碳排放17.87 Mt C,净流入SO_2排放9.05×104t。金属冶炼及压延加工业、化学工业、电力和热力的生产和供应业以及建筑业输入贸易中隐含的碳排放和SO_2排放都较大,未来江苏产业结构调整面临较大压力。     

基于MERIS影像的洪泽湖叶绿素a浓度时空变化规律分析

叶绿素a(Chl-a)浓度是衡量藻类生物量及评价水体营养状态的重要指标.基于洪泽湖2016年7月、2016年12月共49个实测水质参数与同步光谱数据,验证了5种可应用于MERIS/OLCI数据的Chl-a遥感估算模型(包括波段比值模型、三波段模型、FLH模型、MCI模型以及UMOC模型)在洪泽湖水域的适用性.结果表明,UMOC模型是最适用于洪泽湖水域的Chl-a浓度估算模型,其平均相对误差为32.30%,低于波段比值模型的75.17%,三波段模型的62.44%,FLH模型的45.87%和MCI模型的56.95%.进而利用UMOC模型,结合MERIS数据,获取了洪泽湖2002~2012年Chl-a浓度遥感估算产品,并分析了洪泽湖Chl-a浓度的时空变化规律.洪泽湖Chl-a浓度具有明显的时空差异性.依据水体像元长时间序列月平均Chl-a浓度的差异,将洪泽湖水体分为了区域A、区域B和区域C这3种类型.区域B和区域C水体无明显的变化趋势,区域A则显著增加.与气象因子的相关性分析表明,区域B和区域C年平均Chl-a的波动主要受年降水量的影响,反映了该2个区域Chl-a浓度的变化主要受湖流强度的控制,区域A年平均Chl-a浓度的变化与年平均风速呈显著负相关性,风速下降的气候大背景可能会加重这一区域的富营养化程度,威胁南水北调的水质安全.此外,在汛期(7~9月)洪泽湖水体Chl-a浓度与离淮河入湖口的距离呈显著的正相关关系,证明了这一时期淮河对洪泽湖藻类浓度具有明显的抑制作用.     

基于MODIS影像的洪泽湖水生植被覆盖时空变化特征及影响因素分析

水生植被是湖泊生态系统的重要组成部分,在改善湖泊水质、维护生物多样性方面起到重要的作用.当前我国湖泊普遍面临富营养化和水生植被退化等问题,监测水生植被时空变化特征、探究主要影响因子,对于保护水生植被和修复富营养化湖泊生态系统具有重要意义.因此,本文选用2007～2017年中等分辨率卫星MODIS数据,引入植被频次法(vegetation present frequency,VPF)提取水生植被信息,结合气象因子和人类活动分析了洪泽湖近11 a水生植被的时空变化特征及潜在影响因素.结果表明,洪泽湖水生植被VPF存在着明显的季节和年际变化,VPF春夏显著高于秋冬(P 0. 05,one wayANOVA),最大值0. 43出现在6月,最小值0. 21出现在1月,4～10月生长期显著高于其他月份.年际上,洪泽湖北部湖区(Z1) VPF呈现显著降低的趋势(R2=0. 56,P 0. 01),由2008年的最高值0. 50下降到2016年最低值0. 27,下降了45. 8%,表明水生植被在该地区呈现快速退化趋势.空间上,洪泽湖水生植被VPF整体上由沿岸带向开敞水域递减,其中北部(Z1)和西部湖区(Z2)高于其他湖区(Z3～Z5).洪泽湖全湖VPF年际变化受年均气温、年降水量、年平均风速和年日照时数影响不显著(P 0. 05),表明气候要素对洪泽湖水生植被年际变化影响较小.在采砂活动和水生植被共同存在的北部湖区,总悬浮物浓度与VPF存在显著负相关(R2=0. 48,P 0. 01),表明采砂导致的总悬浮物浓度增加是影响Z1区域水生植被退化的重要原因,又以采砂区附近表现尤为明显.     

结合水体光学分类反演太湖总悬浮物浓度

本研究利用2008年11月、2009年4月、2010年5月及2010年8月的太湖水体原位观测数据,在对光学复杂水体进行光学分类的基础上,分别建立了针对各个类别水体的总悬浮物浓度高光谱反演模型.通过对每类水体中各个模型的性能比较,分别得到各类水体的最优模型:第一类水体,比值模型为最优模型;第二类水体,半分析模型2为最优模型;第三类水体,一阶微分模型为最优模型.同时,比较分类前后模型的精度和稳定性,结果表明分类后,两者均表现出不同程度的提高,并且分析了光学分类导致半分析模型精度下降的原因.最后针对本研究的结果在遥感数据上的适用性进行了探讨,表明在高光谱遥感数据上有很大的应用潜力.本研究结论对光学复杂湖泊水体的水色遥感具有积极重要的意义.     

基于光学分类的太湖水体叶绿素a浓度高光谱遥感

利用2006年11月、2008年11月、2010年5月和8月的太湖水体原位观测数据,在对水体进行光学分类的基础上,分别建立了针对各个类别水体的叶绿素a浓度高光谱反演模型.通过对每类水体各个模型的性能比较,结果表明:第一类水体,四波段模型为最优模型;第二类和第三类水体,一阶微分模型均为最优模型.同时,也比较了水体分类前后模型的表现,表明水体分类后模型在精度和稳定性上都有不同程度的提高.本研究结论对光学复杂混浊湖泊水体的水色遥感具有参考意义.